diff --git a/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.es.png b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.es.png
new file mode 100644
index 00000000..1ba4f5c7
Binary files /dev/null and b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.es.png differ
diff --git a/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.hk.png b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.hk.png
new file mode 100644
index 00000000..1ba4f5c7
Binary files /dev/null and b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.hk.png differ
diff --git a/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.es.png b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.es.png
new file mode 100644
index 00000000..3cac91bb
Binary files /dev/null and b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.es.png differ
diff --git a/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.hk.png b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.hk.png
new file mode 100644
index 00000000..3cac91bb
Binary files /dev/null and b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.hk.png differ
diff --git a/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.es.png b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.es.png
new file mode 100644
index 00000000..967e6539
Binary files /dev/null and b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.es.png differ
diff --git a/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.hk.png b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.hk.png
new file mode 100644
index 00000000..967e6539
Binary files /dev/null and b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.hk.png differ
diff --git a/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.es.png b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.es.png
new file mode 100644
index 00000000..247c1dd6
Binary files /dev/null and b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.es.png differ
diff --git a/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.hk.png b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.hk.png
new file mode 100644
index 00000000..247c1dd6
Binary files /dev/null and b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.hk.png differ
diff --git a/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.es.png b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.es.png
new file mode 100644
index 00000000..e89d81c4
Binary files /dev/null and b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.es.png differ
diff --git a/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.hk.png b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.hk.png
new file mode 100644
index 00000000..e89d81c4
Binary files /dev/null and b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.hk.png differ
diff --git a/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.es.png b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.es.png
new file mode 100644
index 00000000..0237836d
Binary files /dev/null and b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.es.png differ
diff --git a/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.hk.png b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.hk.png
new file mode 100644
index 00000000..0237836d
Binary files /dev/null and b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.hk.png differ
diff --git a/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.es.png b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.es.png
new file mode 100644
index 00000000..4229fee0
Binary files /dev/null and b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.es.png differ
diff --git a/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.hk.png b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.hk.png
new file mode 100644
index 00000000..4229fee0
Binary files /dev/null and b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.hk.png differ
diff --git a/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.es.png b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.es.png
new file mode 100644
index 00000000..9b503ac8
Binary files /dev/null and b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.es.png differ
diff --git a/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.hk.png b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.hk.png
new file mode 100644
index 00000000..9b503ac8
Binary files /dev/null and b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.hk.png differ
diff --git a/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.es.png b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.es.png
new file mode 100644
index 00000000..c98b7aaf
Binary files /dev/null and b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.es.png differ
diff --git a/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.hk.png b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.hk.png
new file mode 100644
index 00000000..c98b7aaf
Binary files /dev/null and b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.hk.png differ
diff --git a/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.es.png b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.es.png
new file mode 100644
index 00000000..706f83bc
Binary files /dev/null and b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.es.png differ
diff --git a/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.hk.png b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.hk.png
new file mode 100644
index 00000000..706f83bc
Binary files /dev/null and b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.hk.png differ
diff --git a/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.es.png b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.es.png
new file mode 100644
index 00000000..76bec4da
Binary files /dev/null and b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.es.png differ
diff --git a/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.hk.png b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.hk.png
new file mode 100644
index 00000000..76bec4da
Binary files /dev/null and b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.hk.png differ
diff --git a/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.es.png b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.es.png
new file mode 100644
index 00000000..b49060a2
Binary files /dev/null and b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.es.png differ
diff --git a/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.hk.png b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.hk.png
new file mode 100644
index 00000000..b49060a2
Binary files /dev/null and b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.hk.png differ
diff --git a/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.es.png b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.es.png
new file mode 100644
index 00000000..3ca064d5
Binary files /dev/null and b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.es.png differ
diff --git a/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.hk.png b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.hk.png
new file mode 100644
index 00000000..3ca064d5
Binary files /dev/null and b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.hk.png differ
diff --git a/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.es.png b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.es.png
new file mode 100644
index 00000000..1f5f2412
Binary files /dev/null and b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.es.png differ
diff --git a/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.hk.png b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.hk.png
new file mode 100644
index 00000000..1f5f2412
Binary files /dev/null and b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.hk.png differ
diff --git a/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.es.png b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.es.png
new file mode 100644
index 00000000..2953cea1
Binary files /dev/null and b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.es.png differ
diff --git a/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.hk.png b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.hk.png
new file mode 100644
index 00000000..2953cea1
Binary files /dev/null and b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.hk.png differ
diff --git a/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.es.png b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.es.png
new file mode 100644
index 00000000..2ce7dedf
Binary files /dev/null and b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.es.png differ
diff --git a/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.hk.png b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.hk.png
new file mode 100644
index 00000000..2ce7dedf
Binary files /dev/null and b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.hk.png differ
diff --git a/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.es.png b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.es.png
new file mode 100644
index 00000000..157c08c6
Binary files /dev/null and b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.es.png differ
diff --git a/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.hk.png b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.hk.png
new file mode 100644
index 00000000..157c08c6
Binary files /dev/null and b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.hk.png differ
diff --git a/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.es.png b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.es.png
new file mode 100644
index 00000000..031361a6
Binary files /dev/null and b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.es.png differ
diff --git a/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.hk.png b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.hk.png
new file mode 100644
index 00000000..031361a6
Binary files /dev/null and b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.hk.png differ
diff --git a/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.es.png b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.es.png
new file mode 100644
index 00000000..3a43eb23
Binary files /dev/null and b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.es.png differ
diff --git a/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.hk.png b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.hk.png
new file mode 100644
index 00000000..3a43eb23
Binary files /dev/null and b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.hk.png differ
diff --git a/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.es.png b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.es.png
new file mode 100644
index 00000000..7c9552e3
Binary files /dev/null and b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.es.png differ
diff --git a/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.hk.png b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.hk.png
new file mode 100644
index 00000000..7c9552e3
Binary files /dev/null and b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.hk.png differ
diff --git a/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.es.png b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.es.png
new file mode 100644
index 00000000..78f695b7
Binary files /dev/null and b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.es.png differ
diff --git a/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.hk.png b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.hk.png
new file mode 100644
index 00000000..78f695b7
Binary files /dev/null and b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.hk.png differ
diff --git a/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.es.png b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.es.png
new file mode 100644
index 00000000..77f563fb
Binary files /dev/null and b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.es.png differ
diff --git a/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.hk.png b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.hk.png
new file mode 100644
index 00000000..77f563fb
Binary files /dev/null and b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.hk.png differ
diff --git a/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.es.png b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.es.png
new file mode 100644
index 00000000..8dccd514
Binary files /dev/null and b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.es.png differ
diff --git a/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.hk.png b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.hk.png
new file mode 100644
index 00000000..8dccd514
Binary files /dev/null and b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.hk.png differ
diff --git a/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.es.png b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.es.png
new file mode 100644
index 00000000..b75e015e
Binary files /dev/null and b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.es.png differ
diff --git a/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.hk.png b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.hk.png
new file mode 100644
index 00000000..b75e015e
Binary files /dev/null and b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.hk.png differ
diff --git a/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.es.png b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.es.png
new file mode 100644
index 00000000..5bfed282
Binary files /dev/null and b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.es.png differ
diff --git a/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.hk.png b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.hk.png
new file mode 100644
index 00000000..5bfed282
Binary files /dev/null and b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.hk.png differ
diff --git a/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.es.png b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.es.png
new file mode 100644
index 00000000..34ca765c
Binary files /dev/null and b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.es.png differ
diff --git a/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.hk.png b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.hk.png
new file mode 100644
index 00000000..34ca765c
Binary files /dev/null and b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.hk.png differ
diff --git a/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.es.png b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.es.png
new file mode 100644
index 00000000..d1f7bc09
Binary files /dev/null and b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.es.png differ
diff --git a/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.hk.png b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.hk.png
new file mode 100644
index 00000000..d1f7bc09
Binary files /dev/null and b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.hk.png differ
diff --git a/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.es.png b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.es.png
new file mode 100644
index 00000000..c215b446
Binary files /dev/null and b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.es.png differ
diff --git a/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.hk.png b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.hk.png
new file mode 100644
index 00000000..c215b446
Binary files /dev/null and b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.hk.png differ
diff --git a/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.es.png b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.es.png
new file mode 100644
index 00000000..63f58daa
Binary files /dev/null and b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.es.png differ
diff --git a/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.hk.png b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.hk.png
new file mode 100644
index 00000000..63f58daa
Binary files /dev/null and b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.hk.png differ
diff --git a/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.es.png b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.es.png
new file mode 100644
index 00000000..3eb38501
Binary files /dev/null and b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.es.png differ
diff --git a/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.hk.png b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.hk.png
new file mode 100644
index 00000000..3eb38501
Binary files /dev/null and b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.hk.png differ
diff --git a/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.es.png b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.es.png
new file mode 100644
index 00000000..4f960870
Binary files /dev/null and b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.es.png differ
diff --git a/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.hk.png b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.hk.png
new file mode 100644
index 00000000..4f960870
Binary files /dev/null and b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.hk.png differ
diff --git a/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.es.png b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.es.png
new file mode 100644
index 00000000..ca5b5882
Binary files /dev/null and b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.es.png differ
diff --git a/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.hk.png b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.hk.png
new file mode 100644
index 00000000..ca5b5882
Binary files /dev/null and b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.hk.png differ
diff --git a/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.es.png b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.es.png
new file mode 100644
index 00000000..2c3440cd
Binary files /dev/null and b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.es.png differ
diff --git a/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.hk.png b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.hk.png
new file mode 100644
index 00000000..2c3440cd
Binary files /dev/null and b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.hk.png differ
diff --git a/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.es.png b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.es.png
new file mode 100644
index 00000000..5294a9dc
Binary files /dev/null and b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.es.png differ
diff --git a/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.hk.png b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.hk.png
new file mode 100644
index 00000000..5294a9dc
Binary files /dev/null and b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.hk.png differ
diff --git a/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.es.png b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.es.png
new file mode 100644
index 00000000..912ac4ca
Binary files /dev/null and b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.es.png differ
diff --git a/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.hk.png b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.hk.png
new file mode 100644
index 00000000..912ac4ca
Binary files /dev/null and b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.hk.png differ
diff --git a/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.es.png b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.es.png
new file mode 100644
index 00000000..8e47de7d
Binary files /dev/null and b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.es.png differ
diff --git a/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.hk.png b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.hk.png
new file mode 100644
index 00000000..8e47de7d
Binary files /dev/null and b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.hk.png differ
diff --git a/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.es.png b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.es.png
new file mode 100644
index 00000000..b3c98d83
Binary files /dev/null and b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.es.png differ
diff --git a/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.hk.png b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.hk.png
new file mode 100644
index 00000000..b3c98d83
Binary files /dev/null and b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.hk.png differ
diff --git a/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.es.png b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.es.png
new file mode 100644
index 00000000..1d494613
Binary files /dev/null and b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.es.png differ
diff --git a/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.hk.png b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.hk.png
new file mode 100644
index 00000000..1d494613
Binary files /dev/null and b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.hk.png differ
diff --git a/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.es.png b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.es.png
new file mode 100644
index 00000000..47ced39a
Binary files /dev/null and b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.es.png differ
diff --git a/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.hk.png b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.hk.png
new file mode 100644
index 00000000..47ced39a
Binary files /dev/null and b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.hk.png differ
diff --git a/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.es.png b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.es.png
new file mode 100644
index 00000000..88d5c896
Binary files /dev/null and b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.es.png differ
diff --git a/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.hk.png b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.hk.png
new file mode 100644
index 00000000..88d5c896
Binary files /dev/null and b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.hk.png differ
diff --git a/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.es.png b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.es.png
new file mode 100644
index 00000000..e0706533
Binary files /dev/null and b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.es.png differ
diff --git a/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.hk.png b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.hk.png
new file mode 100644
index 00000000..e0706533
Binary files /dev/null and b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.hk.png differ
diff --git a/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.es.png b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.es.png
new file mode 100644
index 00000000..a1f17249
Binary files /dev/null and b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.es.png differ
diff --git a/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.hk.png b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.hk.png
new file mode 100644
index 00000000..a1f17249
Binary files /dev/null and b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.hk.png differ
diff --git a/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.es.png b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.es.png
new file mode 100644
index 00000000..3adc61ef
Binary files /dev/null and b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.es.png differ
diff --git a/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.hk.png b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.hk.png
new file mode 100644
index 00000000..3adc61ef
Binary files /dev/null and b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.hk.png differ
diff --git a/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.es.png b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.es.png
new file mode 100644
index 00000000..1c3c8d53
Binary files /dev/null and b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.es.png differ
diff --git a/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.hk.png b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.hk.png
new file mode 100644
index 00000000..1c3c8d53
Binary files /dev/null and b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.hk.png differ
diff --git a/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.es.jpg b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.es.jpg
new file mode 100644
index 00000000..0f4a9a38
Binary files /dev/null and b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.es.jpg differ
diff --git a/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.hk.jpg b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.hk.jpg
new file mode 100644
index 00000000..0f4a9a38
Binary files /dev/null and b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.hk.jpg differ
diff --git a/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.es.png b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.es.png
new file mode 100644
index 00000000..32dab60c
Binary files /dev/null and b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.es.png differ
diff --git a/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.hk.png b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.hk.png
new file mode 100644
index 00000000..32dab60c
Binary files /dev/null and b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.hk.png differ
diff --git a/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.es.png b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.es.png
new file mode 100644
index 00000000..78e9b675
Binary files /dev/null and b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.es.png differ
diff --git a/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.hk.png b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.hk.png
new file mode 100644
index 00000000..78e9b675
Binary files /dev/null and b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.hk.png differ
diff --git a/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.es.png b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.es.png
new file mode 100644
index 00000000..fb87dd71
Binary files /dev/null and b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.es.png differ
diff --git a/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.hk.png b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.hk.png
new file mode 100644
index 00000000..fb87dd71
Binary files /dev/null and b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.hk.png differ
diff --git a/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.es.png b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.es.png
new file mode 100644
index 00000000..acaa9a02
Binary files /dev/null and b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.es.png differ
diff --git a/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.hk.png b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.hk.png
new file mode 100644
index 00000000..acaa9a02
Binary files /dev/null and b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.hk.png differ
diff --git a/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.es.png b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.es.png
new file mode 100644
index 00000000..b6afaa8a
Binary files /dev/null and b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.es.png differ
diff --git a/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.hk.png b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.hk.png
new file mode 100644
index 00000000..b6afaa8a
Binary files /dev/null and b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.hk.png differ
diff --git a/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.es.png b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.es.png
new file mode 100644
index 00000000..18f92ede
Binary files /dev/null and b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.es.png differ
diff --git a/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.hk.png b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.hk.png
new file mode 100644
index 00000000..18f92ede
Binary files /dev/null and b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.hk.png differ
diff --git a/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.es.png b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.es.png
new file mode 100644
index 00000000..e1eb6df0
Binary files /dev/null and b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.es.png differ
diff --git a/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.hk.png b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.hk.png
new file mode 100644
index 00000000..e1eb6df0
Binary files /dev/null and b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.hk.png differ
diff --git a/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.es.png b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.es.png
new file mode 100644
index 00000000..dfcfde45
Binary files /dev/null and b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.es.png differ
diff --git a/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.hk.png b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.hk.png
new file mode 100644
index 00000000..dfcfde45
Binary files /dev/null and b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.hk.png differ
diff --git a/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.es.png b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.es.png
new file mode 100644
index 00000000..44af1896
Binary files /dev/null and b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.es.png differ
diff --git a/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.hk.png b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.hk.png
new file mode 100644
index 00000000..44af1896
Binary files /dev/null and b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.hk.png differ
diff --git a/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.es.png b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.es.png
new file mode 100644
index 00000000..6d749e6c
Binary files /dev/null and b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.es.png differ
diff --git a/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.hk.png b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.hk.png
new file mode 100644
index 00000000..6d749e6c
Binary files /dev/null and b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.hk.png differ
diff --git a/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.es.png b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.es.png
new file mode 100644
index 00000000..7485e36c
Binary files /dev/null and b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.es.png differ
diff --git a/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.hk.png b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.hk.png
new file mode 100644
index 00000000..7485e36c
Binary files /dev/null and b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.hk.png differ
diff --git a/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.es.png b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.es.png
new file mode 100644
index 00000000..0f499097
Binary files /dev/null and b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.es.png differ
diff --git a/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.hk.png b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.hk.png
new file mode 100644
index 00000000..0f499097
Binary files /dev/null and b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.hk.png differ
diff --git a/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.es.png b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.es.png
new file mode 100644
index 00000000..710c440c
Binary files /dev/null and b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.es.png differ
diff --git a/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.hk.png b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.hk.png
new file mode 100644
index 00000000..710c440c
Binary files /dev/null and b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.hk.png differ
diff --git a/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.es.png b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.es.png
new file mode 100644
index 00000000..24cecced
Binary files /dev/null and b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.es.png differ
diff --git a/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.hk.png b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.hk.png
new file mode 100644
index 00000000..24cecced
Binary files /dev/null and b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.hk.png differ
diff --git a/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.es.png b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.es.png
new file mode 100644
index 00000000..b36025d9
Binary files /dev/null and b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.es.png differ
diff --git a/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.hk.png b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.hk.png
new file mode 100644
index 00000000..b36025d9
Binary files /dev/null and b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.hk.png differ
diff --git a/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.es.png b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.es.png
new file mode 100644
index 00000000..b21a4bed
Binary files /dev/null and b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.es.png differ
diff --git a/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.hk.png b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.hk.png
new file mode 100644
index 00000000..b21a4bed
Binary files /dev/null and b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.hk.png differ
diff --git a/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.es.png b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.es.png
new file mode 100644
index 00000000..8da6f9a4
Binary files /dev/null and b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.es.png differ
diff --git a/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.hk.png b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.hk.png
new file mode 100644
index 00000000..8da6f9a4
Binary files /dev/null and b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.hk.png differ
diff --git a/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.es.jpg b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.es.jpg
new file mode 100644
index 00000000..437f3d07
Binary files /dev/null and b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.es.jpg differ
diff --git a/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.hk.jpg b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.hk.jpg
new file mode 100644
index 00000000..437f3d07
Binary files /dev/null and b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.hk.jpg differ
diff --git a/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.es.png b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.es.png
new file mode 100644
index 00000000..cc61fb13
Binary files /dev/null and b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.es.png differ
diff --git a/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.hk.png b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.hk.png
new file mode 100644
index 00000000..cc61fb13
Binary files /dev/null and b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.hk.png differ
diff --git a/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.es.png b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.es.png
new file mode 100644
index 00000000..3472b1d9
Binary files /dev/null and b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.es.png differ
diff --git a/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.hk.png b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.hk.png
new file mode 100644
index 00000000..3472b1d9
Binary files /dev/null and b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.hk.png differ
diff --git a/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.es.png b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.es.png
new file mode 100644
index 00000000..0bbca602
Binary files /dev/null and b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.es.png differ
diff --git a/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.hk.png b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.hk.png
new file mode 100644
index 00000000..0bbca602
Binary files /dev/null and b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.hk.png differ
diff --git a/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.es.png b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.es.png
new file mode 100644
index 00000000..b5775adc
Binary files /dev/null and b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.es.png differ
diff --git a/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.hk.png b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.hk.png
new file mode 100644
index 00000000..b5775adc
Binary files /dev/null and b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.hk.png differ
diff --git a/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.es.png b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.es.png
new file mode 100644
index 00000000..bc58477a
Binary files /dev/null and b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.es.png differ
diff --git a/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.hk.png b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.hk.png
new file mode 100644
index 00000000..bc58477a
Binary files /dev/null and b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.hk.png differ
diff --git a/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.es.png b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.es.png
new file mode 100644
index 00000000..1b7a40f4
Binary files /dev/null and b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.es.png differ
diff --git a/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.hk.png b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.hk.png
new file mode 100644
index 00000000..1b7a40f4
Binary files /dev/null and b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.hk.png differ
diff --git a/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.es.png b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.es.png
new file mode 100644
index 00000000..011b07a3
Binary files /dev/null and b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.es.png differ
diff --git a/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.hk.png b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.hk.png
new file mode 100644
index 00000000..011b07a3
Binary files /dev/null and b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.hk.png differ
diff --git a/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.es.png b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.es.png
new file mode 100644
index 00000000..7f9d24ef
Binary files /dev/null and b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.es.png differ
diff --git a/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.hk.png b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.hk.png
new file mode 100644
index 00000000..7f9d24ef
Binary files /dev/null and b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.hk.png differ
diff --git a/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.es.png b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.es.png
new file mode 100644
index 00000000..0c6a7067
Binary files /dev/null and b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.es.png differ
diff --git a/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.hk.png b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.hk.png
new file mode 100644
index 00000000..0c6a7067
Binary files /dev/null and b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.hk.png differ
diff --git a/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.es.png b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.es.png
new file mode 100644
index 00000000..8f7968a5
Binary files /dev/null and b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.es.png differ
diff --git a/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.hk.png b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.hk.png
new file mode 100644
index 00000000..8f7968a5
Binary files /dev/null and b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.hk.png differ
diff --git a/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.es.png b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.es.png
new file mode 100644
index 00000000..20c6036f
Binary files /dev/null and b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.es.png differ
diff --git a/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.hk.png b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.hk.png
new file mode 100644
index 00000000..20c6036f
Binary files /dev/null and b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.hk.png differ
diff --git a/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.es.png b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.es.png
new file mode 100644
index 00000000..f077b6e9
Binary files /dev/null and b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.es.png differ
diff --git a/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.hk.png b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.hk.png
new file mode 100644
index 00000000..f077b6e9
Binary files /dev/null and b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.hk.png differ
diff --git a/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.es.png b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.es.png
new file mode 100644
index 00000000..484206d5
Binary files /dev/null and b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.es.png differ
diff --git a/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.hk.png b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.hk.png
new file mode 100644
index 00000000..484206d5
Binary files /dev/null and b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.hk.png differ
diff --git a/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.es.png b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.es.png
new file mode 100644
index 00000000..9fa156e2
Binary files /dev/null and b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.es.png differ
diff --git a/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.hk.png b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.hk.png
new file mode 100644
index 00000000..9fa156e2
Binary files /dev/null and b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.hk.png differ
diff --git a/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.es.png b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.es.png
new file mode 100644
index 00000000..b0813972
Binary files /dev/null and b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.es.png differ
diff --git a/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.hk.png b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.hk.png
new file mode 100644
index 00000000..b0813972
Binary files /dev/null and b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.hk.png differ
diff --git a/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.es.png b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.es.png
new file mode 100644
index 00000000..4f2da8dc
Binary files /dev/null and b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.es.png differ
diff --git a/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.hk.png b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.hk.png
new file mode 100644
index 00000000..4f2da8dc
Binary files /dev/null and b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.hk.png differ
diff --git a/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.es.png b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.es.png
new file mode 100644
index 00000000..8ae3904c
Binary files /dev/null and b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.es.png differ
diff --git a/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.hk.png b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.hk.png
new file mode 100644
index 00000000..8ae3904c
Binary files /dev/null and b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.hk.png differ
diff --git a/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.es.png b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.es.png
new file mode 100644
index 00000000..ea5cbe30
Binary files /dev/null and b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.es.png differ
diff --git a/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.hk.png b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.hk.png
new file mode 100644
index 00000000..ea5cbe30
Binary files /dev/null and b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.hk.png differ
diff --git a/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.es.png b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.es.png
new file mode 100644
index 00000000..eab9fb03
Binary files /dev/null and b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.es.png differ
diff --git a/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.hk.png b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.hk.png
new file mode 100644
index 00000000..eab9fb03
Binary files /dev/null and b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.hk.png differ
diff --git a/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.es.png b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.es.png
new file mode 100644
index 00000000..c49c0459
Binary files /dev/null and b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.es.png differ
diff --git a/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.hk.png b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.hk.png
new file mode 100644
index 00000000..c49c0459
Binary files /dev/null and b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.hk.png differ
diff --git a/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.es.png b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.es.png
new file mode 100644
index 00000000..127b0257
Binary files /dev/null and b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.es.png differ
diff --git a/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.hk.png b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.hk.png
new file mode 100644
index 00000000..127b0257
Binary files /dev/null and b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.hk.png differ
diff --git a/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.es.png b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.es.png
new file mode 100644
index 00000000..0b528799
Binary files /dev/null and b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.es.png differ
diff --git a/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.hk.png b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.hk.png
new file mode 100644
index 00000000..0b528799
Binary files /dev/null and b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.hk.png differ
diff --git a/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.es.png b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.es.png
new file mode 100644
index 00000000..e5b04c65
Binary files /dev/null and b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.es.png differ
diff --git a/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.hk.png b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.hk.png
new file mode 100644
index 00000000..e5b04c65
Binary files /dev/null and b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.hk.png differ
diff --git a/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.es.png b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.es.png
new file mode 100644
index 00000000..46543926
Binary files /dev/null and b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.es.png differ
diff --git a/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.hk.png b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.hk.png
new file mode 100644
index 00000000..46543926
Binary files /dev/null and b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.hk.png differ
diff --git a/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.es.png b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.es.png
new file mode 100644
index 00000000..46e99668
Binary files /dev/null and b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.es.png differ
diff --git a/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.hk.png b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.hk.png
new file mode 100644
index 00000000..46e99668
Binary files /dev/null and b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.hk.png differ
diff --git a/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.es.png b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.es.png
new file mode 100644
index 00000000..c012d47d
Binary files /dev/null and b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.es.png differ
diff --git a/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.hk.png b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.hk.png
new file mode 100644
index 00000000..c012d47d
Binary files /dev/null and b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.hk.png differ
diff --git a/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.es.png b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.es.png
new file mode 100644
index 00000000..fa44061a
Binary files /dev/null and b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.es.png differ
diff --git a/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.hk.png b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.hk.png
new file mode 100644
index 00000000..fa44061a
Binary files /dev/null and b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.hk.png differ
diff --git a/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.es.png b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.es.png
new file mode 100644
index 00000000..e499b2fd
Binary files /dev/null and b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.es.png differ
diff --git a/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.hk.png b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.hk.png
new file mode 100644
index 00000000..e499b2fd
Binary files /dev/null and b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.hk.png differ
diff --git a/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.es.png b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.es.png
new file mode 100644
index 00000000..66e9927a
Binary files /dev/null and b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.es.png differ
diff --git a/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.hk.png b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.hk.png
new file mode 100644
index 00000000..66e9927a
Binary files /dev/null and b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.hk.png differ
diff --git a/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.es.png b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.es.png
new file mode 100644
index 00000000..e512cf63
Binary files /dev/null and b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.es.png differ
diff --git a/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.hk.png b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.hk.png
new file mode 100644
index 00000000..e512cf63
Binary files /dev/null and b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.hk.png differ
diff --git a/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.es.png b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.es.png
new file mode 100644
index 00000000..89e41b8a
Binary files /dev/null and b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.es.png differ
diff --git a/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.hk.png b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.hk.png
new file mode 100644
index 00000000..89e41b8a
Binary files /dev/null and b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.hk.png differ
diff --git a/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.es.png b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.es.png
new file mode 100644
index 00000000..257c3e55
Binary files /dev/null and b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.es.png differ
diff --git a/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.hk.png b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.hk.png
new file mode 100644
index 00000000..257c3e55
Binary files /dev/null and b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.hk.png differ
diff --git a/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.es.png b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.es.png
new file mode 100644
index 00000000..85a581ed
Binary files /dev/null and b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.es.png differ
diff --git a/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.hk.png b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.hk.png
new file mode 100644
index 00000000..85a581ed
Binary files /dev/null and b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.hk.png differ
diff --git a/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.es.png b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.es.png
new file mode 100644
index 00000000..c07f67c3
Binary files /dev/null and b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.es.png differ
diff --git a/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.hk.png b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.hk.png
new file mode 100644
index 00000000..c07f67c3
Binary files /dev/null and b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.hk.png differ
diff --git a/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.es.png b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.es.png
new file mode 100644
index 00000000..c598913b
Binary files /dev/null and b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.es.png differ
diff --git a/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.hk.png b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.hk.png
new file mode 100644
index 00000000..c598913b
Binary files /dev/null and b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.hk.png differ
diff --git a/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.es.png b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.es.png
new file mode 100644
index 00000000..a630a6f3
Binary files /dev/null and b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.es.png differ
diff --git a/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.hk.png b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.hk.png
new file mode 100644
index 00000000..a630a6f3
Binary files /dev/null and b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.hk.png differ
diff --git a/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.es.png b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.es.png
new file mode 100644
index 00000000..f63ad48d
Binary files /dev/null and b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.es.png differ
diff --git a/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.hk.png b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.hk.png
new file mode 100644
index 00000000..f63ad48d
Binary files /dev/null and b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.hk.png differ
diff --git a/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.es.png b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.es.png
new file mode 100644
index 00000000..73c0aea6
Binary files /dev/null and b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.es.png differ
diff --git a/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.hk.png b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.hk.png
new file mode 100644
index 00000000..73c0aea6
Binary files /dev/null and b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.hk.png differ
diff --git a/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.es.png b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.es.png
new file mode 100644
index 00000000..0768efbc
Binary files /dev/null and b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.es.png differ
diff --git a/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.hk.png b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.hk.png
new file mode 100644
index 00000000..0768efbc
Binary files /dev/null and b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.hk.png differ
diff --git a/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.es.png b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.es.png
new file mode 100644
index 00000000..a6c3afe8
Binary files /dev/null and b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.es.png differ
diff --git a/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.hk.png b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.hk.png
new file mode 100644
index 00000000..a6c3afe8
Binary files /dev/null and b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.hk.png differ
diff --git a/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.es.png b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.es.png
new file mode 100644
index 00000000..eed10ecb
Binary files /dev/null and b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.es.png differ
diff --git a/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.hk.png b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.hk.png
new file mode 100644
index 00000000..eed10ecb
Binary files /dev/null and b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.hk.png differ
diff --git a/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.es.png b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.es.png
new file mode 100644
index 00000000..4c086050
Binary files /dev/null and b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.es.png differ
diff --git a/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.hk.png b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.hk.png
new file mode 100644
index 00000000..4c086050
Binary files /dev/null and b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.hk.png differ
diff --git a/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.es.png b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.es.png
new file mode 100644
index 00000000..9f641588
Binary files /dev/null and b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.es.png differ
diff --git a/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.hk.png b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.hk.png
new file mode 100644
index 00000000..9f641588
Binary files /dev/null and b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.hk.png differ
diff --git a/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.es.png b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.es.png
new file mode 100644
index 00000000..9404843f
Binary files /dev/null and b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.es.png differ
diff --git a/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.hk.png b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.hk.png
new file mode 100644
index 00000000..9404843f
Binary files /dev/null and b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.hk.png differ
diff --git a/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.es.png b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.es.png
new file mode 100644
index 00000000..9636ac68
Binary files /dev/null and b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.es.png differ
diff --git a/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.hk.png b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.hk.png
new file mode 100644
index 00000000..9636ac68
Binary files /dev/null and b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.hk.png differ
diff --git a/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.es.png b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.es.png
new file mode 100644
index 00000000..38a2b35d
Binary files /dev/null and b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.es.png differ
diff --git a/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.hk.png b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.hk.png
new file mode 100644
index 00000000..38a2b35d
Binary files /dev/null and b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.hk.png differ
diff --git a/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.es.png b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.es.png
new file mode 100644
index 00000000..cd09e177
Binary files /dev/null and b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.es.png differ
diff --git a/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.hk.png b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.hk.png
new file mode 100644
index 00000000..cd09e177
Binary files /dev/null and b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.hk.png differ
diff --git a/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.es.png b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.es.png
new file mode 100644
index 00000000..4cc4f4bc
Binary files /dev/null and b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.es.png differ
diff --git a/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.hk.png b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.hk.png
new file mode 100644
index 00000000..4cc4f4bc
Binary files /dev/null and b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.hk.png differ
diff --git a/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.es.png b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.es.png
new file mode 100644
index 00000000..33e03220
Binary files /dev/null and b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.es.png differ
diff --git a/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.hk.png b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.hk.png
new file mode 100644
index 00000000..33e03220
Binary files /dev/null and b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.hk.png differ
diff --git a/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.es.png b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.es.png
new file mode 100644
index 00000000..489d49e3
Binary files /dev/null and b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.es.png differ
diff --git a/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.hk.png b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.hk.png
new file mode 100644
index 00000000..489d49e3
Binary files /dev/null and b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.hk.png differ
diff --git a/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.es.png b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.es.png
new file mode 100644
index 00000000..80b39b63
Binary files /dev/null and b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.es.png differ
diff --git a/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.hk.png b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.hk.png
new file mode 100644
index 00000000..80b39b63
Binary files /dev/null and b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.hk.png differ
diff --git a/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.es.png b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.es.png
new file mode 100644
index 00000000..2404a4ce
Binary files /dev/null and b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.es.png differ
diff --git a/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.hk.png b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.hk.png
new file mode 100644
index 00000000..2404a4ce
Binary files /dev/null and b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.hk.png differ
diff --git a/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.es.png b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.es.png
new file mode 100644
index 00000000..f884cc81
Binary files /dev/null and b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.es.png differ
diff --git a/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.hk.png b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.hk.png
new file mode 100644
index 00000000..f884cc81
Binary files /dev/null and b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.hk.png differ
diff --git a/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.es.png b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.es.png
new file mode 100644
index 00000000..9f649bd1
Binary files /dev/null and b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.es.png differ
diff --git a/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.hk.png b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.hk.png
new file mode 100644
index 00000000..9f649bd1
Binary files /dev/null and b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.hk.png differ
diff --git a/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.es.png b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.es.png
new file mode 100644
index 00000000..03e1fa8c
Binary files /dev/null and b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.es.png differ
diff --git a/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.hk.png b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.hk.png
new file mode 100644
index 00000000..03e1fa8c
Binary files /dev/null and b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.hk.png differ
diff --git a/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.es.png b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.es.png
new file mode 100644
index 00000000..983f836f
Binary files /dev/null and b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.es.png differ
diff --git a/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.hk.png b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.hk.png
new file mode 100644
index 00000000..983f836f
Binary files /dev/null and b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.hk.png differ
diff --git a/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.es.png b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.es.png
new file mode 100644
index 00000000..2aede939
Binary files /dev/null and b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.es.png differ
diff --git a/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.hk.png b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.hk.png
new file mode 100644
index 00000000..2aede939
Binary files /dev/null and b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.hk.png differ
diff --git a/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.es.png b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.es.png
new file mode 100644
index 00000000..7bc7bab2
Binary files /dev/null and b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.es.png differ
diff --git a/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.hk.png b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.hk.png
new file mode 100644
index 00000000..7bc7bab2
Binary files /dev/null and b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.hk.png differ
diff --git a/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.es.png b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.es.png
new file mode 100644
index 00000000..4ffd862a
Binary files /dev/null and b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.es.png differ
diff --git a/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.hk.png b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.hk.png
new file mode 100644
index 00000000..4ffd862a
Binary files /dev/null and b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.hk.png differ
diff --git a/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.es.png b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.es.png
new file mode 100644
index 00000000..ef506579
Binary files /dev/null and b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.es.png differ
diff --git a/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.hk.png b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.hk.png
new file mode 100644
index 00000000..ef506579
Binary files /dev/null and b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.hk.png differ
diff --git a/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.es.png b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.es.png
new file mode 100644
index 00000000..ddf79213
Binary files /dev/null and b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.es.png differ
diff --git a/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.hk.png b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.hk.png
new file mode 100644
index 00000000..ddf79213
Binary files /dev/null and b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.hk.png differ
diff --git a/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.es.png b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.es.png
new file mode 100644
index 00000000..1796bcce
Binary files /dev/null and b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.es.png differ
diff --git a/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.hk.png b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.hk.png
new file mode 100644
index 00000000..1796bcce
Binary files /dev/null and b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.hk.png differ
diff --git a/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.es.png b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.es.png
new file mode 100644
index 00000000..ab763666
Binary files /dev/null and b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.es.png differ
diff --git a/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.hk.png b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.hk.png
new file mode 100644
index 00000000..ab763666
Binary files /dev/null and b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.hk.png differ
diff --git a/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.es.png b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.es.png
new file mode 100644
index 00000000..013f247d
Binary files /dev/null and b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.es.png differ
diff --git a/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.hk.png b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.hk.png
new file mode 100644
index 00000000..013f247d
Binary files /dev/null and b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.hk.png differ
diff --git a/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.es.png b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.es.png
new file mode 100644
index 00000000..fd1b7753
Binary files /dev/null and b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.es.png differ
diff --git a/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.hk.png b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.hk.png
new file mode 100644
index 00000000..fd1b7753
Binary files /dev/null and b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.hk.png differ
diff --git a/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.es.png b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.es.png
new file mode 100644
index 00000000..55154b84
Binary files /dev/null and b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.es.png differ
diff --git a/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.hk.png b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.hk.png
new file mode 100644
index 00000000..55154b84
Binary files /dev/null and b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.hk.png differ
diff --git a/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.es.png b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.es.png
new file mode 100644
index 00000000..306d6f14
Binary files /dev/null and b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.es.png differ
diff --git a/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.hk.png b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.hk.png
new file mode 100644
index 00000000..306d6f14
Binary files /dev/null and b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.hk.png differ
diff --git a/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.es.png b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.es.png
new file mode 100644
index 00000000..dfb03646
Binary files /dev/null and b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.es.png differ
diff --git a/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.hk.png b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.hk.png
new file mode 100644
index 00000000..dfb03646
Binary files /dev/null and b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.hk.png differ
diff --git a/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.es.png b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.es.png
new file mode 100644
index 00000000..05208120
Binary files /dev/null and b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.es.png differ
diff --git a/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.hk.png b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.hk.png
new file mode 100644
index 00000000..05208120
Binary files /dev/null and b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.hk.png differ
diff --git a/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.es.jpg b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.es.jpg
new file mode 100644
index 00000000..e78b8c6c
Binary files /dev/null and b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.es.jpg differ
diff --git a/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.hk.jpg b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.hk.jpg
new file mode 100644
index 00000000..e78b8c6c
Binary files /dev/null and b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.hk.jpg differ
diff --git a/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.es.png b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.es.png
new file mode 100644
index 00000000..0b221a3f
Binary files /dev/null and b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.es.png differ
diff --git a/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.hk.png b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.hk.png
new file mode 100644
index 00000000..0b221a3f
Binary files /dev/null and b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.hk.png differ
diff --git a/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.es.png b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.es.png
new file mode 100644
index 00000000..576d3f84
Binary files /dev/null and b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.es.png differ
diff --git a/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.hk.png b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.hk.png
new file mode 100644
index 00000000..576d3f84
Binary files /dev/null and b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.hk.png differ
diff --git a/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.es.png b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.es.png
new file mode 100644
index 00000000..297ccc5e
Binary files /dev/null and b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.es.png differ
diff --git a/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.hk.png b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.hk.png
new file mode 100644
index 00000000..297ccc5e
Binary files /dev/null and b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.hk.png differ
diff --git a/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.es.png b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.es.png
new file mode 100644
index 00000000..89bd1ba6
Binary files /dev/null and b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.es.png differ
diff --git a/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.hk.png b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.hk.png
new file mode 100644
index 00000000..89bd1ba6
Binary files /dev/null and b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.hk.png differ
diff --git a/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.es.jpg b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.es.jpg
new file mode 100644
index 00000000..383794f2
Binary files /dev/null and b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.es.jpg differ
diff --git a/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.hk.jpg b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.hk.jpg
new file mode 100644
index 00000000..383794f2
Binary files /dev/null and b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.hk.jpg differ
diff --git a/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.es.png b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.es.png
new file mode 100644
index 00000000..f28538e1
Binary files /dev/null and b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.es.png differ
diff --git a/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.hk.png b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.hk.png
new file mode 100644
index 00000000..f28538e1
Binary files /dev/null and b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.hk.png differ
diff --git a/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.es.png b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.es.png
new file mode 100644
index 00000000..39431760
Binary files /dev/null and b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.es.png differ
diff --git a/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.hk.png b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.hk.png
new file mode 100644
index 00000000..39431760
Binary files /dev/null and b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.hk.png differ
diff --git a/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.es.png b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.es.png
new file mode 100644
index 00000000..46a26d45
Binary files /dev/null and b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.es.png differ
diff --git a/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.hk.png b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.hk.png
new file mode 100644
index 00000000..46a26d45
Binary files /dev/null and b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.hk.png differ
diff --git a/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.es.png b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.es.png
new file mode 100644
index 00000000..6f70239b
Binary files /dev/null and b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.es.png differ
diff --git a/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.hk.png b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.hk.png
new file mode 100644
index 00000000..6f70239b
Binary files /dev/null and b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.hk.png differ
diff --git a/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.es.png b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.es.png
new file mode 100644
index 00000000..c5cd51da
Binary files /dev/null and b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.es.png differ
diff --git a/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.hk.png b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.hk.png
new file mode 100644
index 00000000..c5cd51da
Binary files /dev/null and b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.hk.png differ
diff --git a/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.es.png b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.es.png
new file mode 100644
index 00000000..0328b3ea
Binary files /dev/null and b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.es.png differ
diff --git a/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.hk.png b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.hk.png
new file mode 100644
index 00000000..0328b3ea
Binary files /dev/null and b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.hk.png differ
diff --git a/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.es.png b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.es.png
new file mode 100644
index 00000000..b3d0d223
Binary files /dev/null and b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.es.png differ
diff --git a/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.hk.png b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.hk.png
new file mode 100644
index 00000000..b3d0d223
Binary files /dev/null and b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.hk.png differ
diff --git a/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.es.png b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.es.png
new file mode 100644
index 00000000..0729dbce
Binary files /dev/null and b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.es.png differ
diff --git a/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.hk.png b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.hk.png
new file mode 100644
index 00000000..0729dbce
Binary files /dev/null and b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.hk.png differ
diff --git a/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.es.png b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.es.png
new file mode 100644
index 00000000..2e3adef5
Binary files /dev/null and b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.es.png differ
diff --git a/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.hk.png b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.hk.png
new file mode 100644
index 00000000..2e3adef5
Binary files /dev/null and b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.hk.png differ
diff --git a/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.es.png b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.es.png
new file mode 100644
index 00000000..4e9aa9b4
Binary files /dev/null and b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.es.png differ
diff --git a/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.hk.png b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.hk.png
new file mode 100644
index 00000000..4e9aa9b4
Binary files /dev/null and b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.hk.png differ
diff --git a/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.es.png b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.es.png
new file mode 100644
index 00000000..766527c0
Binary files /dev/null and b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.es.png differ
diff --git a/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.hk.png b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.hk.png
new file mode 100644
index 00000000..766527c0
Binary files /dev/null and b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.hk.png differ
diff --git a/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.es.png b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.es.png
new file mode 100644
index 00000000..f34ad7c6
Binary files /dev/null and b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.es.png differ
diff --git a/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.hk.png b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.hk.png
new file mode 100644
index 00000000..f34ad7c6
Binary files /dev/null and b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.hk.png differ
diff --git a/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.es.png b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.es.png
new file mode 100644
index 00000000..403bb436
Binary files /dev/null and b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.es.png differ
diff --git a/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.hk.png b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.hk.png
new file mode 100644
index 00000000..403bb436
Binary files /dev/null and b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.hk.png differ
diff --git a/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.es.png b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.es.png
new file mode 100644
index 00000000..07398a97
Binary files /dev/null and b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.es.png differ
diff --git a/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.hk.png b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.hk.png
new file mode 100644
index 00000000..07398a97
Binary files /dev/null and b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.hk.png differ
diff --git a/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.es.png b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.es.png
new file mode 100644
index 00000000..83d0a29e
Binary files /dev/null and b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.es.png differ
diff --git a/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.hk.png b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.hk.png
new file mode 100644
index 00000000..83d0a29e
Binary files /dev/null and b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.hk.png differ
diff --git a/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.es.png b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.es.png
new file mode 100644
index 00000000..cdd566f5
Binary files /dev/null and b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.es.png differ
diff --git a/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.hk.png b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.hk.png
new file mode 100644
index 00000000..cdd566f5
Binary files /dev/null and b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.hk.png differ
diff --git a/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.es.png b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.es.png
new file mode 100644
index 00000000..50caa7a8
Binary files /dev/null and b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.es.png differ
diff --git a/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.hk.png b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.hk.png
new file mode 100644
index 00000000..50caa7a8
Binary files /dev/null and b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.hk.png differ
diff --git a/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.es.png b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.es.png
new file mode 100644
index 00000000..e68c1881
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.es.png differ
diff --git a/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.hk.png b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.hk.png
new file mode 100644
index 00000000..e68c1881
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.hk.png differ
diff --git a/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.es.png b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.es.png
new file mode 100644
index 00000000..357708db
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.es.png differ
diff --git a/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.hk.png b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.hk.png
new file mode 100644
index 00000000..357708db
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.hk.png differ
diff --git a/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.es.png b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.es.png
new file mode 100644
index 00000000..ff2cb168
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.es.png differ
diff --git a/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.hk.png b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.hk.png
new file mode 100644
index 00000000..ff2cb168
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.hk.png differ
diff --git a/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.es.png b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.es.png
new file mode 100644
index 00000000..4dd28830
Binary files /dev/null and b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.es.png differ
diff --git a/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.hk.png b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.hk.png
new file mode 100644
index 00000000..4dd28830
Binary files /dev/null and b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.hk.png differ
diff --git a/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.es.png b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.es.png
new file mode 100644
index 00000000..36a0bed7
Binary files /dev/null and b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.es.png differ
diff --git a/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.hk.png b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.hk.png
new file mode 100644
index 00000000..36a0bed7
Binary files /dev/null and b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.hk.png differ
diff --git a/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.es.png b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.es.png
new file mode 100644
index 00000000..43b82415
Binary files /dev/null and b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.es.png differ
diff --git a/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.hk.png b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.hk.png
new file mode 100644
index 00000000..43b82415
Binary files /dev/null and b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.hk.png differ
diff --git a/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.es.png b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.es.png
new file mode 100644
index 00000000..9f42e92d
Binary files /dev/null and b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.es.png differ
diff --git a/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.hk.png b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.hk.png
new file mode 100644
index 00000000..9f42e92d
Binary files /dev/null and b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.hk.png differ
diff --git a/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.es.png b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.es.png
new file mode 100644
index 00000000..91118b35
Binary files /dev/null and b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.es.png differ
diff --git a/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.hk.png b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.hk.png
new file mode 100644
index 00000000..91118b35
Binary files /dev/null and b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.hk.png differ
diff --git a/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.es.png b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.es.png
new file mode 100644
index 00000000..c1074a8e
Binary files /dev/null and b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.es.png differ
diff --git a/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.hk.png b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.hk.png
new file mode 100644
index 00000000..c1074a8e
Binary files /dev/null and b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.hk.png differ
diff --git a/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.es.png b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.es.png
new file mode 100644
index 00000000..a4cca4dc
Binary files /dev/null and b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.es.png differ
diff --git a/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.hk.png b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.hk.png
new file mode 100644
index 00000000..a4cca4dc
Binary files /dev/null and b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.hk.png differ
diff --git a/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.es.png b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.es.png
new file mode 100644
index 00000000..1dd02459
Binary files /dev/null and b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.es.png differ
diff --git a/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.hk.png b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.hk.png
new file mode 100644
index 00000000..1dd02459
Binary files /dev/null and b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.hk.png differ
diff --git a/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.es.png b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.es.png
new file mode 100644
index 00000000..64ba974b
Binary files /dev/null and b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.es.png differ
diff --git a/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.hk.png b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.hk.png
new file mode 100644
index 00000000..64ba974b
Binary files /dev/null and b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.hk.png differ
diff --git a/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.es.png b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.es.png
new file mode 100644
index 00000000..fd3d1f9b
Binary files /dev/null and b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.es.png differ
diff --git a/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.hk.png b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.hk.png
new file mode 100644
index 00000000..fd3d1f9b
Binary files /dev/null and b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.hk.png differ
diff --git a/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.es.png b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.es.png
new file mode 100644
index 00000000..f523159b
Binary files /dev/null and b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.es.png differ
diff --git a/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.hk.png b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.hk.png
new file mode 100644
index 00000000..f523159b
Binary files /dev/null and b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.hk.png differ
diff --git a/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.es.png b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.es.png
new file mode 100644
index 00000000..70a9bacf
Binary files /dev/null and b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.es.png differ
diff --git a/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.hk.png b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.hk.png
new file mode 100644
index 00000000..70a9bacf
Binary files /dev/null and b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.hk.png differ
diff --git a/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.es.png b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.es.png
new file mode 100644
index 00000000..9e30ab1c
Binary files /dev/null and b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.es.png differ
diff --git a/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.hk.png b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.hk.png
new file mode 100644
index 00000000..9e30ab1c
Binary files /dev/null and b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.hk.png differ
diff --git a/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.es.png b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.es.png
new file mode 100644
index 00000000..e9f61adc
Binary files /dev/null and b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.es.png differ
diff --git a/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.hk.png b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.hk.png
new file mode 100644
index 00000000..e9f61adc
Binary files /dev/null and b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.hk.png differ
diff --git a/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.es.png b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.es.png
new file mode 100644
index 00000000..a54521f7
Binary files /dev/null and b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.es.png differ
diff --git a/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.hk.png b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.hk.png
new file mode 100644
index 00000000..a54521f7
Binary files /dev/null and b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.hk.png differ
diff --git a/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.es.png b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.es.png
new file mode 100644
index 00000000..6981df8a
Binary files /dev/null and b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.es.png differ
diff --git a/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.hk.png b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.hk.png
new file mode 100644
index 00000000..6981df8a
Binary files /dev/null and b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.hk.png differ
diff --git a/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.es.png b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.es.png
new file mode 100644
index 00000000..2722c065
Binary files /dev/null and b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.es.png differ
diff --git a/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.hk.png b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.hk.png
new file mode 100644
index 00000000..2722c065
Binary files /dev/null and b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.hk.png differ
diff --git a/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.es.jpg b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.es.jpg
new file mode 100644
index 00000000..cce2a759
Binary files /dev/null and b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.es.jpg differ
diff --git a/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.hk.jpg b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.hk.jpg
new file mode 100644
index 00000000..cce2a759
Binary files /dev/null and b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.hk.jpg differ
diff --git a/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.es.png b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.es.png
new file mode 100644
index 00000000..26e0ae43
Binary files /dev/null and b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.es.png differ
diff --git a/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.hk.png b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.hk.png
new file mode 100644
index 00000000..26e0ae43
Binary files /dev/null and b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.hk.png differ
diff --git a/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.es.png b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.es.png
new file mode 100644
index 00000000..a5d549fd
Binary files /dev/null and b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.es.png differ
diff --git a/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.hk.png b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.hk.png
new file mode 100644
index 00000000..a5d549fd
Binary files /dev/null and b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.hk.png differ
diff --git a/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.es.png b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.es.png
new file mode 100644
index 00000000..a251745c
Binary files /dev/null and b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.es.png differ
diff --git a/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.hk.png b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.hk.png
new file mode 100644
index 00000000..a251745c
Binary files /dev/null and b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.hk.png differ
diff --git a/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.es.png b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.es.png
new file mode 100644
index 00000000..bb97d28e
Binary files /dev/null and b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.es.png differ
diff --git a/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.hk.png b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.hk.png
new file mode 100644
index 00000000..bb97d28e
Binary files /dev/null and b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.hk.png differ
diff --git a/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.es.png b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.es.png
new file mode 100644
index 00000000..e34dea22
Binary files /dev/null and b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.es.png differ
diff --git a/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.hk.png b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.hk.png
new file mode 100644
index 00000000..e34dea22
Binary files /dev/null and b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.hk.png differ
diff --git a/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.es.png b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.es.png
new file mode 100644
index 00000000..fa863501
Binary files /dev/null and b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.es.png differ
diff --git a/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.hk.png b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.hk.png
new file mode 100644
index 00000000..fa863501
Binary files /dev/null and b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.hk.png differ
diff --git a/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.es.png b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.es.png
new file mode 100644
index 00000000..0d0e0c48
Binary files /dev/null and b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.es.png differ
diff --git a/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.hk.png b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.hk.png
new file mode 100644
index 00000000..0d0e0c48
Binary files /dev/null and b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.hk.png differ
diff --git a/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.es.png b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.es.png
new file mode 100644
index 00000000..6f79a498
Binary files /dev/null and b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.es.png differ
diff --git a/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.hk.png b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.hk.png
new file mode 100644
index 00000000..6f79a498
Binary files /dev/null and b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.hk.png differ
diff --git a/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.es.png b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.es.png
new file mode 100644
index 00000000..8527d4cd
Binary files /dev/null and b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.es.png differ
diff --git a/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.hk.png b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.hk.png
new file mode 100644
index 00000000..8527d4cd
Binary files /dev/null and b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.hk.png differ
diff --git a/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.es.png b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.es.png
new file mode 100644
index 00000000..8597bf4d
Binary files /dev/null and b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.es.png differ
diff --git a/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.hk.png b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.hk.png
new file mode 100644
index 00000000..8597bf4d
Binary files /dev/null and b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.hk.png differ
diff --git a/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.es.png b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.es.png
new file mode 100644
index 00000000..3bf24358
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.es.png differ
diff --git a/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.hk.png b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.hk.png
new file mode 100644
index 00000000..3bf24358
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.hk.png differ
diff --git a/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.es.png b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.es.png
new file mode 100644
index 00000000..562f66d2
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.es.png differ
diff --git a/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.hk.png b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.hk.png
new file mode 100644
index 00000000..562f66d2
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.hk.png differ
diff --git a/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.es.png b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.es.png
new file mode 100644
index 00000000..2f50d53a
Binary files /dev/null and b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.es.png differ
diff --git a/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.hk.png b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.hk.png
new file mode 100644
index 00000000..2f50d53a
Binary files /dev/null and b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.hk.png differ
diff --git a/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.es.png b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.es.png
new file mode 100644
index 00000000..de7f343e
Binary files /dev/null and b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.es.png differ
diff --git a/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.hk.png b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.hk.png
new file mode 100644
index 00000000..de7f343e
Binary files /dev/null and b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.hk.png differ
diff --git a/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.es.png b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.es.png
new file mode 100644
index 00000000..c8b1a544
Binary files /dev/null and b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.es.png differ
diff --git a/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.hk.png b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.hk.png
new file mode 100644
index 00000000..c8b1a544
Binary files /dev/null and b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.hk.png differ
diff --git a/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.es.png b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.es.png
new file mode 100644
index 00000000..17d1151d
Binary files /dev/null and b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.es.png differ
diff --git a/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.hk.png b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.hk.png
new file mode 100644
index 00000000..17d1151d
Binary files /dev/null and b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.hk.png differ
diff --git a/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.es.png b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.es.png
new file mode 100644
index 00000000..ffafc104
Binary files /dev/null and b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.es.png differ
diff --git a/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.hk.png b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.hk.png
new file mode 100644
index 00000000..ffafc104
Binary files /dev/null and b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.hk.png differ
diff --git a/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.es.png b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.es.png
new file mode 100644
index 00000000..e3d86f8c
Binary files /dev/null and b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.es.png differ
diff --git a/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.hk.png b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.hk.png
new file mode 100644
index 00000000..e3d86f8c
Binary files /dev/null and b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.hk.png differ
diff --git a/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.es.png b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.es.png
new file mode 100644
index 00000000..3a4445ee
Binary files /dev/null and b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.es.png differ
diff --git a/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.hk.png b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.hk.png
new file mode 100644
index 00000000..3a4445ee
Binary files /dev/null and b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.hk.png differ
diff --git a/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.es.png b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.es.png
new file mode 100644
index 00000000..b2bf4d3f
Binary files /dev/null and b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.es.png differ
diff --git a/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.hk.png b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.hk.png
new file mode 100644
index 00000000..b2bf4d3f
Binary files /dev/null and b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.hk.png differ
diff --git a/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.es.png b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.es.png
new file mode 100644
index 00000000..467cedcd
Binary files /dev/null and b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.es.png differ
diff --git a/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.hk.png b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.hk.png
new file mode 100644
index 00000000..467cedcd
Binary files /dev/null and b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.hk.png differ
diff --git a/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.es.png b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.es.png
new file mode 100644
index 00000000..88efaa59
Binary files /dev/null and b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.es.png differ
diff --git a/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.hk.png b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.hk.png
new file mode 100644
index 00000000..88efaa59
Binary files /dev/null and b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.hk.png differ
diff --git a/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.es.png b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.es.png
new file mode 100644
index 00000000..6197ed95
Binary files /dev/null and b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.es.png differ
diff --git a/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.hk.png b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.hk.png
new file mode 100644
index 00000000..6197ed95
Binary files /dev/null and b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.hk.png differ
diff --git a/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.es.png b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.es.png
new file mode 100644
index 00000000..ec7768da
Binary files /dev/null and b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.es.png differ
diff --git a/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.hk.png b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.hk.png
new file mode 100644
index 00000000..ec7768da
Binary files /dev/null and b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.hk.png differ
diff --git a/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.es.png b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.es.png
new file mode 100644
index 00000000..f68bf461
Binary files /dev/null and b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.es.png differ
diff --git a/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.hk.png b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.hk.png
new file mode 100644
index 00000000..f68bf461
Binary files /dev/null and b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.hk.png differ
diff --git a/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.es.png b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.es.png
new file mode 100644
index 00000000..73e34cfe
Binary files /dev/null and b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.es.png differ
diff --git a/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.hk.png b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.hk.png
new file mode 100644
index 00000000..73e34cfe
Binary files /dev/null and b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.hk.png differ
diff --git a/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.es.png b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.es.png
new file mode 100644
index 00000000..21cc6bd0
Binary files /dev/null and b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.es.png differ
diff --git a/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.hk.png b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.hk.png
new file mode 100644
index 00000000..21cc6bd0
Binary files /dev/null and b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.hk.png differ
diff --git a/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.es.png b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.es.png
new file mode 100644
index 00000000..9c7deb23
Binary files /dev/null and b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.es.png differ
diff --git a/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.hk.png b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.hk.png
new file mode 100644
index 00000000..9c7deb23
Binary files /dev/null and b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.hk.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.es.png b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.es.png
new file mode 100644
index 00000000..ddc9958b
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.es.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.hk.png b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.hk.png
new file mode 100644
index 00000000..ddc9958b
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.hk.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.es.png b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.es.png
new file mode 100644
index 00000000..d181210a
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.es.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.hk.png b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.hk.png
new file mode 100644
index 00000000..d181210a
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.hk.png differ
diff --git a/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.es.png b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.es.png
new file mode 100644
index 00000000..a00ab427
Binary files /dev/null and b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.es.png differ
diff --git a/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.hk.png b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.hk.png
new file mode 100644
index 00000000..a00ab427
Binary files /dev/null and b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.hk.png differ
diff --git a/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.es.png b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.es.png
new file mode 100644
index 00000000..dedb38a3
Binary files /dev/null and b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.es.png differ
diff --git a/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.hk.png b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.hk.png
new file mode 100644
index 00000000..dedb38a3
Binary files /dev/null and b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.hk.png differ
diff --git a/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.es.png b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.es.png
new file mode 100644
index 00000000..2b34487d
Binary files /dev/null and b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.es.png differ
diff --git a/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.hk.png b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.hk.png
new file mode 100644
index 00000000..2b34487d
Binary files /dev/null and b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.hk.png differ
diff --git a/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.es.png b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.es.png
new file mode 100644
index 00000000..1cae68ed
Binary files /dev/null and b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.es.png differ
diff --git a/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.hk.png b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.hk.png
new file mode 100644
index 00000000..1cae68ed
Binary files /dev/null and b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.hk.png differ
diff --git a/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.es.png b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.es.png
new file mode 100644
index 00000000..df961cae
Binary files /dev/null and b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.es.png differ
diff --git a/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.hk.png b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.hk.png
new file mode 100644
index 00000000..df961cae
Binary files /dev/null and b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.hk.png differ
diff --git a/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.es.png b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.es.png
new file mode 100644
index 00000000..aaeaeff8
Binary files /dev/null and b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.es.png differ
diff --git a/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.hk.png b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.hk.png
new file mode 100644
index 00000000..aaeaeff8
Binary files /dev/null and b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.hk.png differ
diff --git a/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.es.png b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.es.png
new file mode 100644
index 00000000..7613fe86
Binary files /dev/null and b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.es.png differ
diff --git a/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.hk.png b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.hk.png
new file mode 100644
index 00000000..7613fe86
Binary files /dev/null and b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.hk.png differ
diff --git a/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.es.png b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.es.png
new file mode 100644
index 00000000..335bdf32
Binary files /dev/null and b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.es.png differ
diff --git a/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.hk.png b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.hk.png
new file mode 100644
index 00000000..335bdf32
Binary files /dev/null and b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.hk.png differ
diff --git a/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.es.png b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.es.png
new file mode 100644
index 00000000..32c8ba10
Binary files /dev/null and b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.es.png differ
diff --git a/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.hk.png b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.hk.png
new file mode 100644
index 00000000..32c8ba10
Binary files /dev/null and b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.hk.png differ
diff --git a/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.es.png b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.es.png
new file mode 100644
index 00000000..82802e17
Binary files /dev/null and b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.es.png differ
diff --git a/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.hk.png b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.hk.png
new file mode 100644
index 00000000..82802e17
Binary files /dev/null and b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.hk.png differ
diff --git a/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.es.png b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.es.png
new file mode 100644
index 00000000..8214fc2c
Binary files /dev/null and b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.es.png differ
diff --git a/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.hk.png b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.hk.png
new file mode 100644
index 00000000..8214fc2c
Binary files /dev/null and b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.hk.png differ
diff --git a/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.es.png b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.es.png
new file mode 100644
index 00000000..434baaad
Binary files /dev/null and b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.es.png differ
diff --git a/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.hk.png b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.hk.png
new file mode 100644
index 00000000..434baaad
Binary files /dev/null and b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.hk.png differ
diff --git a/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.es.png b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.es.png
new file mode 100644
index 00000000..d32271b5
Binary files /dev/null and b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.es.png differ
diff --git a/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.hk.png b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.hk.png
new file mode 100644
index 00000000..d32271b5
Binary files /dev/null and b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.hk.png differ
diff --git a/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.es.png b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.es.png
new file mode 100644
index 00000000..04cd7dc8
Binary files /dev/null and b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.es.png differ
diff --git a/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.hk.png b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.hk.png
new file mode 100644
index 00000000..04cd7dc8
Binary files /dev/null and b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.hk.png differ
diff --git a/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.es.png b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.es.png
new file mode 100644
index 00000000..a8a12bce
Binary files /dev/null and b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.es.png differ
diff --git a/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.hk.png b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.hk.png
new file mode 100644
index 00000000..a8a12bce
Binary files /dev/null and b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.hk.png differ
diff --git a/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.es.jpg b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.es.jpg
new file mode 100644
index 00000000..23ea98b2
Binary files /dev/null and b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.es.jpg differ
diff --git a/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.hk.jpg b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.hk.jpg
new file mode 100644
index 00000000..23ea98b2
Binary files /dev/null and b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.hk.jpg differ
diff --git a/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.es.jpg b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.es.jpg
new file mode 100644
index 00000000..1e3581d3
Binary files /dev/null and b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.es.jpg differ
diff --git a/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.hk.jpg b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.hk.jpg
new file mode 100644
index 00000000..1e3581d3
Binary files /dev/null and b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.hk.jpg differ
diff --git a/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.es.jpg b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.es.jpg
new file mode 100644
index 00000000..554ea37b
Binary files /dev/null and b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.es.jpg differ
diff --git a/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.hk.jpg b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.hk.jpg
new file mode 100644
index 00000000..554ea37b
Binary files /dev/null and b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.hk.jpg differ
diff --git a/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.es.jpg b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.es.jpg
new file mode 100644
index 00000000..427ba4c3
Binary files /dev/null and b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.es.jpg differ
diff --git a/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.hk.jpg b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.hk.jpg
new file mode 100644
index 00000000..427ba4c3
Binary files /dev/null and b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.hk.jpg differ
diff --git a/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.es.jpg b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.es.jpg
new file mode 100644
index 00000000..b2357285
Binary files /dev/null and b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.es.jpg differ
diff --git a/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.hk.jpg b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.hk.jpg
new file mode 100644
index 00000000..b2357285
Binary files /dev/null and b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.hk.jpg differ
diff --git a/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.es.jpg b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.es.jpg
new file mode 100644
index 00000000..1736ebb4
Binary files /dev/null and b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.es.jpg differ
diff --git a/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.hk.jpg b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.hk.jpg
new file mode 100644
index 00000000..1736ebb4
Binary files /dev/null and b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.hk.jpg differ
diff --git a/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.es.jpg b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.es.jpg
new file mode 100644
index 00000000..bf1d724f
Binary files /dev/null and b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.es.jpg differ
diff --git a/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.hk.jpg b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.hk.jpg
new file mode 100644
index 00000000..bf1d724f
Binary files /dev/null and b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.hk.jpg differ
diff --git a/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.es.jpg b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.es.jpg
new file mode 100644
index 00000000..bb78259a
Binary files /dev/null and b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.es.jpg differ
diff --git a/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.hk.jpg b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.hk.jpg
new file mode 100644
index 00000000..bb78259a
Binary files /dev/null and b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.hk.jpg differ
diff --git a/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.es.jpg b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.es.jpg
new file mode 100644
index 00000000..b311b568
Binary files /dev/null and b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.es.jpg differ
diff --git a/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.hk.jpg b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.hk.jpg
new file mode 100644
index 00000000..b311b568
Binary files /dev/null and b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.hk.jpg differ
diff --git a/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.es.jpg b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.es.jpg
new file mode 100644
index 00000000..5bd350fd
Binary files /dev/null and b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.es.jpg differ
diff --git a/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.hk.jpg b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.hk.jpg
new file mode 100644
index 00000000..5bd350fd
Binary files /dev/null and b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.hk.jpg differ
diff --git a/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.es.jpg b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.es.jpg
new file mode 100644
index 00000000..66fbe114
Binary files /dev/null and b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.es.jpg differ
diff --git a/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.hk.jpg b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.hk.jpg
new file mode 100644
index 00000000..66fbe114
Binary files /dev/null and b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.hk.jpg differ
diff --git a/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.es.jpg b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.es.jpg
new file mode 100644
index 00000000..050e7206
Binary files /dev/null and b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.es.jpg differ
diff --git a/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.hk.jpg b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.hk.jpg
new file mode 100644
index 00000000..050e7206
Binary files /dev/null and b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.hk.jpg differ
diff --git a/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.es.jpg b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.es.jpg
new file mode 100644
index 00000000..91c64faa
Binary files /dev/null and b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.es.jpg differ
diff --git a/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.hk.jpg b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.hk.jpg
new file mode 100644
index 00000000..91c64faa
Binary files /dev/null and b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.hk.jpg differ
diff --git a/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.es.jpg b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.es.jpg
new file mode 100644
index 00000000..36e1a4b3
Binary files /dev/null and b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.es.jpg differ
diff --git a/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.hk.jpg b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.hk.jpg
new file mode 100644
index 00000000..36e1a4b3
Binary files /dev/null and b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.hk.jpg differ
diff --git a/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.es.jpg b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.es.jpg
new file mode 100644
index 00000000..1b87df4c
Binary files /dev/null and b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.es.jpg differ
diff --git a/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.hk.jpg b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.hk.jpg
new file mode 100644
index 00000000..1b87df4c
Binary files /dev/null and b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.hk.jpg differ
diff --git a/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.es.jpg b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.es.jpg
new file mode 100644
index 00000000..8df37a22
Binary files /dev/null and b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.es.jpg differ
diff --git a/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.hk.jpg b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.hk.jpg
new file mode 100644
index 00000000..8df37a22
Binary files /dev/null and b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.hk.jpg differ
diff --git a/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.es.jpg b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.es.jpg
new file mode 100644
index 00000000..943af1b9
Binary files /dev/null and b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.es.jpg differ
diff --git a/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.hk.jpg b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.hk.jpg
new file mode 100644
index 00000000..943af1b9
Binary files /dev/null and b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.hk.jpg differ
diff --git a/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.es.jpg b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.es.jpg
new file mode 100644
index 00000000..5a96f7fb
Binary files /dev/null and b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.es.jpg differ
diff --git a/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.hk.jpg b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.hk.jpg
new file mode 100644
index 00000000..5a96f7fb
Binary files /dev/null and b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.hk.jpg differ
diff --git a/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.es.jpg b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.es.jpg
new file mode 100644
index 00000000..8f0bee50
Binary files /dev/null and b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.es.jpg differ
diff --git a/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.hk.jpg b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.hk.jpg
new file mode 100644
index 00000000..8f0bee50
Binary files /dev/null and b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.hk.jpg differ
diff --git a/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.es.jpg b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.es.jpg
new file mode 100644
index 00000000..4ba24109
Binary files /dev/null and b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.es.jpg differ
diff --git a/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.hk.jpg b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.hk.jpg
new file mode 100644
index 00000000..4ba24109
Binary files /dev/null and b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.hk.jpg differ
diff --git a/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.es.jpg b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.es.jpg
new file mode 100644
index 00000000..cdf0f557
Binary files /dev/null and b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.es.jpg differ
diff --git a/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.hk.jpg b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.hk.jpg
new file mode 100644
index 00000000..cdf0f557
Binary files /dev/null and b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.hk.jpg differ
diff --git a/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.es.jpg b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.es.jpg
new file mode 100644
index 00000000..f59ee98d
Binary files /dev/null and b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.es.jpg differ
diff --git a/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.hk.jpg b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.hk.jpg
new file mode 100644
index 00000000..f59ee98d
Binary files /dev/null and b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.hk.jpg differ
diff --git a/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.es.jpg b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.es.jpg
new file mode 100644
index 00000000..5bdbfd14
Binary files /dev/null and b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.es.jpg differ
diff --git a/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.hk.jpg b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.hk.jpg
new file mode 100644
index 00000000..5bdbfd14
Binary files /dev/null and b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.hk.jpg differ
diff --git a/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.es.jpg b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.es.jpg
new file mode 100644
index 00000000..b78ab3ac
Binary files /dev/null and b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.es.jpg differ
diff --git a/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.hk.jpg b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.hk.jpg
new file mode 100644
index 00000000..b78ab3ac
Binary files /dev/null and b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.hk.jpg differ
diff --git a/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.es.png b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.es.png
new file mode 100644
index 00000000..d071dffe
Binary files /dev/null and b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.es.png differ
diff --git a/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.hk.png b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.hk.png
new file mode 100644
index 00000000..d071dffe
Binary files /dev/null and b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.hk.png differ
diff --git a/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.es.png b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.es.png
new file mode 100644
index 00000000..b8947f6d
Binary files /dev/null and b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.es.png differ
diff --git a/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.hk.png b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.hk.png
new file mode 100644
index 00000000..b8947f6d
Binary files /dev/null and b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.hk.png differ
diff --git a/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.es.png b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.es.png
new file mode 100644
index 00000000..5c5dfb96
Binary files /dev/null and b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.es.png differ
diff --git a/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.hk.png b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.hk.png
new file mode 100644
index 00000000..5c5dfb96
Binary files /dev/null and b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.hk.png differ
diff --git a/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.es.png b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.es.png
new file mode 100644
index 00000000..663ad7e9
Binary files /dev/null and b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.es.png differ
diff --git a/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.hk.png b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.hk.png
new file mode 100644
index 00000000..663ad7e9
Binary files /dev/null and b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.hk.png differ
diff --git a/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.es.png b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.es.png
new file mode 100644
index 00000000..b1e33d6b
Binary files /dev/null and b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.es.png differ
diff --git a/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.hk.png b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.hk.png
new file mode 100644
index 00000000..b1e33d6b
Binary files /dev/null and b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.hk.png differ
diff --git a/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.es.png b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.es.png
new file mode 100644
index 00000000..2a03ab78
Binary files /dev/null and b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.es.png differ
diff --git a/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.hk.png b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.hk.png
new file mode 100644
index 00000000..2a03ab78
Binary files /dev/null and b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.hk.png differ
diff --git a/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.es.png b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.es.png
new file mode 100644
index 00000000..02ef1351
Binary files /dev/null and b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.es.png differ
diff --git a/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.hk.png b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.hk.png
new file mode 100644
index 00000000..02ef1351
Binary files /dev/null and b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.hk.png differ
diff --git a/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.es.png b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.es.png
new file mode 100644
index 00000000..33faabd1
Binary files /dev/null and b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.es.png differ
diff --git a/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.hk.png b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.hk.png
new file mode 100644
index 00000000..33faabd1
Binary files /dev/null and b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.hk.png differ
diff --git a/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.es.png b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.es.png
new file mode 100644
index 00000000..aa94da2c
Binary files /dev/null and b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.es.png differ
diff --git a/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.hk.png b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.hk.png
new file mode 100644
index 00000000..aa94da2c
Binary files /dev/null and b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.hk.png differ
diff --git a/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.es.png b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.es.png
new file mode 100644
index 00000000..ac000818
Binary files /dev/null and b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.es.png differ
diff --git a/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.hk.png b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.hk.png
new file mode 100644
index 00000000..ac000818
Binary files /dev/null and b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.hk.png differ
diff --git a/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.es.png b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.es.png
new file mode 100644
index 00000000..2fb519f5
Binary files /dev/null and b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.es.png differ
diff --git a/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.hk.png b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.hk.png
new file mode 100644
index 00000000..2fb519f5
Binary files /dev/null and b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.hk.png differ
diff --git a/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.es.png b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.es.png
new file mode 100644
index 00000000..48459b92
Binary files /dev/null and b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.es.png differ
diff --git a/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.hk.png b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.hk.png
new file mode 100644
index 00000000..48459b92
Binary files /dev/null and b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.hk.png differ
diff --git a/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.es.png b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.es.png
new file mode 100644
index 00000000..d502a579
Binary files /dev/null and b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.es.png differ
diff --git a/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.hk.png b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.hk.png
new file mode 100644
index 00000000..d502a579
Binary files /dev/null and b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.hk.png differ
diff --git a/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.es.png b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.es.png
new file mode 100644
index 00000000..fca45002
Binary files /dev/null and b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.es.png differ
diff --git a/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.hk.png b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.hk.png
new file mode 100644
index 00000000..fca45002
Binary files /dev/null and b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.hk.png differ
diff --git a/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.es.png b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.es.png
new file mode 100644
index 00000000..94aa28db
Binary files /dev/null and b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.es.png differ
diff --git a/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.hk.png b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.hk.png
new file mode 100644
index 00000000..94aa28db
Binary files /dev/null and b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.hk.png differ
diff --git a/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.es.png b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.es.png
new file mode 100644
index 00000000..894df473
Binary files /dev/null and b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.es.png differ
diff --git a/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.hk.png b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.hk.png
new file mode 100644
index 00000000..894df473
Binary files /dev/null and b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.hk.png differ
diff --git a/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.es.png b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.es.png
new file mode 100644
index 00000000..b75dfdd2
Binary files /dev/null and b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.es.png differ
diff --git a/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.hk.png b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.hk.png
new file mode 100644
index 00000000..b75dfdd2
Binary files /dev/null and b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.hk.png differ
diff --git a/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.es.png b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.es.png
new file mode 100644
index 00000000..1e7934c3
Binary files /dev/null and b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.es.png differ
diff --git a/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.hk.png b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.hk.png
new file mode 100644
index 00000000..1e7934c3
Binary files /dev/null and b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.hk.png differ
diff --git a/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.es.png b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.es.png
new file mode 100644
index 00000000..5bb319ec
Binary files /dev/null and b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.es.png differ
diff --git a/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.hk.png b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.hk.png
new file mode 100644
index 00000000..5bb319ec
Binary files /dev/null and b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.hk.png differ
diff --git a/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.es.png b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.es.png
new file mode 100644
index 00000000..d66e224f
Binary files /dev/null and b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.es.png differ
diff --git a/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.hk.png b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.hk.png
new file mode 100644
index 00000000..d66e224f
Binary files /dev/null and b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.hk.png differ
diff --git a/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.es.png b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.es.png
new file mode 100644
index 00000000..ed18e7b0
Binary files /dev/null and b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.es.png differ
diff --git a/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.hk.png b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.hk.png
new file mode 100644
index 00000000..ed18e7b0
Binary files /dev/null and b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.hk.png differ
diff --git a/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.es.png b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.es.png
new file mode 100644
index 00000000..9acb21a7
Binary files /dev/null and b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.es.png differ
diff --git a/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.hk.png b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.hk.png
new file mode 100644
index 00000000..9acb21a7
Binary files /dev/null and b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.hk.png differ
diff --git a/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.es.png b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.es.png
new file mode 100644
index 00000000..1ced5fc1
Binary files /dev/null and b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.es.png differ
diff --git a/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.hk.png b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.hk.png
new file mode 100644
index 00000000..1ced5fc1
Binary files /dev/null and b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.hk.png differ
diff --git a/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.es.png b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.es.png
new file mode 100644
index 00000000..7293ced1
Binary files /dev/null and b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.es.png differ
diff --git a/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.hk.png b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.hk.png
new file mode 100644
index 00000000..7293ced1
Binary files /dev/null and b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.hk.png differ
diff --git a/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.es.png b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.es.png
new file mode 100644
index 00000000..be837c63
Binary files /dev/null and b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.es.png differ
diff --git a/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.hk.png b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.hk.png
new file mode 100644
index 00000000..be837c63
Binary files /dev/null and b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.hk.png differ
diff --git a/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.es.png b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.es.png
new file mode 100644
index 00000000..73861107
Binary files /dev/null and b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.es.png differ
diff --git a/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.hk.png b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.hk.png
new file mode 100644
index 00000000..73861107
Binary files /dev/null and b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.hk.png differ
diff --git a/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.es.png b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.es.png
new file mode 100644
index 00000000..1b26d7ff
Binary files /dev/null and b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.es.png differ
diff --git a/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.hk.png b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.hk.png
new file mode 100644
index 00000000..1b26d7ff
Binary files /dev/null and b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.hk.png differ
diff --git a/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.es.png b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.es.png
new file mode 100644
index 00000000..f1905ecc
Binary files /dev/null and b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.es.png differ
diff --git a/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.hk.png b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.hk.png
new file mode 100644
index 00000000..f1905ecc
Binary files /dev/null and b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.hk.png differ
diff --git a/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.es.png b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.es.png
new file mode 100644
index 00000000..edc44fa9
Binary files /dev/null and b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.es.png differ
diff --git a/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.hk.png b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.hk.png
new file mode 100644
index 00000000..edc44fa9
Binary files /dev/null and b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.hk.png differ
diff --git a/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.es.png b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.es.png
new file mode 100644
index 00000000..87854d3a
Binary files /dev/null and b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.es.png differ
diff --git a/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.hk.png b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.hk.png
new file mode 100644
index 00000000..87854d3a
Binary files /dev/null and b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.hk.png differ
diff --git a/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.es.png b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.es.png
new file mode 100644
index 00000000..d1158e0d
Binary files /dev/null and b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.es.png differ
diff --git a/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.hk.png b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.hk.png
new file mode 100644
index 00000000..d1158e0d
Binary files /dev/null and b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.hk.png differ
diff --git a/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.es.png b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.es.png
new file mode 100644
index 00000000..122abea4
Binary files /dev/null and b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.es.png differ
diff --git a/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.hk.png b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.hk.png
new file mode 100644
index 00000000..122abea4
Binary files /dev/null and b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.hk.png differ
diff --git a/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.es.png b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.es.png
new file mode 100644
index 00000000..dc009aa5
Binary files /dev/null and b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.es.png differ
diff --git a/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.hk.png b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.hk.png
new file mode 100644
index 00000000..dc009aa5
Binary files /dev/null and b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.hk.png differ
diff --git a/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.es.png b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.es.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.es.png differ
diff --git a/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.hk.png b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.hk.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.hk.png differ
diff --git a/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.es.png b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.es.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.es.png differ
diff --git a/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.hk.png b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.hk.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.hk.png differ
diff --git a/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.es.png b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.es.png
new file mode 100644
index 00000000..12274b8b
Binary files /dev/null and b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.es.png differ
diff --git a/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.hk.png b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.hk.png
new file mode 100644
index 00000000..12274b8b
Binary files /dev/null and b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.hk.png differ
diff --git a/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.es.png b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.es.png
new file mode 100644
index 00000000..da226797
Binary files /dev/null and b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.es.png differ
diff --git a/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.hk.png b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.hk.png
new file mode 100644
index 00000000..da226797
Binary files /dev/null and b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.hk.png differ
diff --git a/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.es.png b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.es.png
new file mode 100644
index 00000000..67bd8a82
Binary files /dev/null and b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.es.png differ
diff --git a/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.hk.png b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.hk.png
new file mode 100644
index 00000000..67bd8a82
Binary files /dev/null and b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.hk.png differ
diff --git a/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.es.png b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.es.png
new file mode 100644
index 00000000..18938f59
Binary files /dev/null and b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.es.png differ
diff --git a/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.hk.png b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.hk.png
new file mode 100644
index 00000000..18938f59
Binary files /dev/null and b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.hk.png differ
diff --git a/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.es.png b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.es.png
new file mode 100644
index 00000000..db480604
Binary files /dev/null and b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.es.png differ
diff --git a/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.hk.png b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.hk.png
new file mode 100644
index 00000000..db480604
Binary files /dev/null and b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.hk.png differ
diff --git a/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.es.png b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.es.png
new file mode 100644
index 00000000..535e5798
Binary files /dev/null and b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.es.png differ
diff --git a/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.hk.png b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.hk.png
new file mode 100644
index 00000000..535e5798
Binary files /dev/null and b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.hk.png differ
diff --git a/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.es.png b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.es.png
new file mode 100644
index 00000000..b3d83ab7
Binary files /dev/null and b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.es.png differ
diff --git a/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.hk.png b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.hk.png
new file mode 100644
index 00000000..b3d83ab7
Binary files /dev/null and b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.hk.png differ
diff --git a/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.es.png b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.es.png
new file mode 100644
index 00000000..4bb97d60
Binary files /dev/null and b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.es.png differ
diff --git a/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.hk.png b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.hk.png
new file mode 100644
index 00000000..4bb97d60
Binary files /dev/null and b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.hk.png differ
diff --git a/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.es.jpg b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.es.jpg
new file mode 100644
index 00000000..4cf0d73d
Binary files /dev/null and b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.es.jpg differ
diff --git a/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.hk.jpg b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.hk.jpg
new file mode 100644
index 00000000..4cf0d73d
Binary files /dev/null and b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.hk.jpg differ
diff --git a/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.es.png b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.es.png
new file mode 100644
index 00000000..0aace880
Binary files /dev/null and b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.es.png differ
diff --git a/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.hk.png b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.hk.png
new file mode 100644
index 00000000..0aace880
Binary files /dev/null and b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.hk.png differ
diff --git a/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.es.png b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.es.png
new file mode 100644
index 00000000..b19b1f6b
Binary files /dev/null and b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.es.png differ
diff --git a/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.hk.png b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.hk.png
new file mode 100644
index 00000000..b19b1f6b
Binary files /dev/null and b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.hk.png differ
diff --git a/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.es.jpg b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.es.jpg
new file mode 100644
index 00000000..827670ed
Binary files /dev/null and b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.es.jpg differ
diff --git a/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.hk.jpg b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.hk.jpg
new file mode 100644
index 00000000..827670ed
Binary files /dev/null and b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.hk.jpg differ
diff --git a/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.es.png b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.es.png
new file mode 100644
index 00000000..435f901a
Binary files /dev/null and b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.es.png differ
diff --git a/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.hk.png b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.hk.png
new file mode 100644
index 00000000..435f901a
Binary files /dev/null and b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.hk.png differ
diff --git a/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.es.png b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.es.png
new file mode 100644
index 00000000..7308a1d1
Binary files /dev/null and b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.es.png differ
diff --git a/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.hk.png b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.hk.png
new file mode 100644
index 00000000..7308a1d1
Binary files /dev/null and b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.hk.png differ
diff --git a/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.es.png b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.es.png
new file mode 100644
index 00000000..8454c4d2
Binary files /dev/null and b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.es.png differ
diff --git a/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.hk.png b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.hk.png
new file mode 100644
index 00000000..8454c4d2
Binary files /dev/null and b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.hk.png differ
diff --git a/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.es.png b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.es.png
new file mode 100644
index 00000000..324b711d
Binary files /dev/null and b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.es.png differ
diff --git a/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.hk.png b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.hk.png
new file mode 100644
index 00000000..324b711d
Binary files /dev/null and b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.hk.png differ
diff --git a/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.es.png b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.es.png
new file mode 100644
index 00000000..ddfb42aa
Binary files /dev/null and b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.es.png differ
diff --git a/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.hk.png b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.hk.png
new file mode 100644
index 00000000..ddfb42aa
Binary files /dev/null and b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.hk.png differ
diff --git a/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.es.png b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.es.png
new file mode 100644
index 00000000..280f2fe0
Binary files /dev/null and b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.es.png differ
diff --git a/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.hk.png b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.hk.png
new file mode 100644
index 00000000..280f2fe0
Binary files /dev/null and b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.hk.png differ
diff --git a/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.es.jpg b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.es.jpg
new file mode 100644
index 00000000..89b581ef
Binary files /dev/null and b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.es.jpg differ
diff --git a/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.hk.jpg b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.hk.jpg
new file mode 100644
index 00000000..89b581ef
Binary files /dev/null and b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.hk.jpg differ
diff --git a/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.es.jpg b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.es.jpg
new file mode 100644
index 00000000..6efd2da1
Binary files /dev/null and b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.es.jpg differ
diff --git a/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.hk.jpg b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.hk.jpg
new file mode 100644
index 00000000..6efd2da1
Binary files /dev/null and b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.hk.jpg differ
diff --git a/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.es.png b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.es.png
new file mode 100644
index 00000000..348fe7a0
Binary files /dev/null and b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.es.png differ
diff --git a/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.hk.png b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.hk.png
new file mode 100644
index 00000000..348fe7a0
Binary files /dev/null and b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.hk.png differ
diff --git a/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.es.png b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.es.png
new file mode 100644
index 00000000..a69e73f4
Binary files /dev/null and b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.es.png differ
diff --git a/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.hk.png b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.hk.png
new file mode 100644
index 00000000..a69e73f4
Binary files /dev/null and b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.hk.png differ
diff --git a/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.es.png b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.es.png
new file mode 100644
index 00000000..49b0ca9b
Binary files /dev/null and b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.es.png differ
diff --git a/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.hk.png b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.hk.png
new file mode 100644
index 00000000..49b0ca9b
Binary files /dev/null and b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.hk.png differ
diff --git a/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.es.png b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.es.png
new file mode 100644
index 00000000..458a3c95
Binary files /dev/null and b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.es.png differ
diff --git a/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.hk.png b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.hk.png
new file mode 100644
index 00000000..458a3c95
Binary files /dev/null and b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.hk.png differ
diff --git a/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.es.png b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.es.png
new file mode 100644
index 00000000..90b687c2
Binary files /dev/null and b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.es.png differ
diff --git a/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.hk.png b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.hk.png
new file mode 100644
index 00000000..90b687c2
Binary files /dev/null and b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.hk.png differ
diff --git a/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.es.png b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.es.png
new file mode 100644
index 00000000..cb4bc445
Binary files /dev/null and b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.es.png differ
diff --git a/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.hk.png b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.hk.png
new file mode 100644
index 00000000..cb4bc445
Binary files /dev/null and b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.hk.png differ
diff --git a/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.es.png b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.es.png
new file mode 100644
index 00000000..e7ea8ab6
Binary files /dev/null and b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.es.png differ
diff --git a/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.hk.png b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.hk.png
new file mode 100644
index 00000000..e7ea8ab6
Binary files /dev/null and b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.hk.png differ
diff --git a/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.es.png b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.es.png
new file mode 100644
index 00000000..6f138cf9
Binary files /dev/null and b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.es.png differ
diff --git a/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.hk.png b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.hk.png
new file mode 100644
index 00000000..6f138cf9
Binary files /dev/null and b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.hk.png differ
diff --git a/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.es.png b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.es.png
new file mode 100644
index 00000000..2f5f2861
Binary files /dev/null and b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.es.png differ
diff --git a/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.hk.png b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.hk.png
new file mode 100644
index 00000000..2f5f2861
Binary files /dev/null and b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.hk.png differ
diff --git a/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.es.png b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.es.png
new file mode 100644
index 00000000..f2f1b63e
Binary files /dev/null and b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.es.png differ
diff --git a/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.hk.png b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.hk.png
new file mode 100644
index 00000000..f2f1b63e
Binary files /dev/null and b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.hk.png differ
diff --git a/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.es.png b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.es.png
new file mode 100644
index 00000000..5643c164
Binary files /dev/null and b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.es.png differ
diff --git a/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.hk.png b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.hk.png
new file mode 100644
index 00000000..5643c164
Binary files /dev/null and b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.hk.png differ
diff --git a/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.es.png b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.es.png
new file mode 100644
index 00000000..73fa30d1
Binary files /dev/null and b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.es.png differ
diff --git a/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.hk.png b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.hk.png
new file mode 100644
index 00000000..73fa30d1
Binary files /dev/null and b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.hk.png differ
diff --git a/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.es.png b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.es.png
new file mode 100644
index 00000000..eee39f7d
Binary files /dev/null and b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.es.png differ
diff --git a/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.hk.png b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.hk.png
new file mode 100644
index 00000000..eee39f7d
Binary files /dev/null and b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.hk.png differ
diff --git a/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.es.png b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.es.png
new file mode 100644
index 00000000..5a0fb117
Binary files /dev/null and b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.es.png differ
diff --git a/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.hk.png b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.hk.png
new file mode 100644
index 00000000..5a0fb117
Binary files /dev/null and b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.hk.png differ
diff --git a/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.es.png b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.es.png
new file mode 100644
index 00000000..27ddbfee
Binary files /dev/null and b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.es.png differ
diff --git a/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.hk.png b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.hk.png
new file mode 100644
index 00000000..27ddbfee
Binary files /dev/null and b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.hk.png differ
diff --git a/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.es.png b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.es.png
new file mode 100644
index 00000000..ee07bd10
Binary files /dev/null and b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.es.png differ
diff --git a/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.hk.png b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.hk.png
new file mode 100644
index 00000000..ee07bd10
Binary files /dev/null and b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.hk.png differ
diff --git a/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.es.png b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.es.png
new file mode 100644
index 00000000..37a2464a
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.es.png differ
diff --git a/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.hk.png b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.hk.png
new file mode 100644
index 00000000..37a2464a
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.hk.png differ
diff --git a/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.es.png b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.es.png
new file mode 100644
index 00000000..d852153c
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.es.png differ
diff --git a/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.hk.png b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.hk.png
new file mode 100644
index 00000000..d852153c
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.hk.png differ
diff --git a/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.es.png b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.es.png
new file mode 100644
index 00000000..a457ac8d
Binary files /dev/null and b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.es.png differ
diff --git a/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.hk.png b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.hk.png
new file mode 100644
index 00000000..a457ac8d
Binary files /dev/null and b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.hk.png differ
diff --git a/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.es.png b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.es.png
new file mode 100644
index 00000000..3eccd326
Binary files /dev/null and b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.es.png differ
diff --git a/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.hk.png b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.hk.png
new file mode 100644
index 00000000..3eccd326
Binary files /dev/null and b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.hk.png differ
diff --git a/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.es.png b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.es.png
new file mode 100644
index 00000000..49083372
Binary files /dev/null and b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.es.png differ
diff --git a/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.hk.png b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.hk.png
new file mode 100644
index 00000000..49083372
Binary files /dev/null and b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.hk.png differ
diff --git a/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.es.png b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.es.png
new file mode 100644
index 00000000..1b4a94e5
Binary files /dev/null and b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.es.png differ
diff --git a/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.hk.png b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.hk.png
new file mode 100644
index 00000000..1b4a94e5
Binary files /dev/null and b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.hk.png differ
diff --git a/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.es.png b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.es.png
new file mode 100644
index 00000000..8589e88f
Binary files /dev/null and b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.es.png differ
diff --git a/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.hk.png b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.hk.png
new file mode 100644
index 00000000..8589e88f
Binary files /dev/null and b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.hk.png differ
diff --git a/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.es.png b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.es.png
new file mode 100644
index 00000000..e1246f56
Binary files /dev/null and b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.es.png differ
diff --git a/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.hk.png b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.hk.png
new file mode 100644
index 00000000..e1246f56
Binary files /dev/null and b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.hk.png differ
diff --git a/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.es.png b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.es.png
new file mode 100644
index 00000000..db66a52b
Binary files /dev/null and b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.es.png differ
diff --git a/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.hk.png b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.hk.png
new file mode 100644
index 00000000..db66a52b
Binary files /dev/null and b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.hk.png differ
diff --git a/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.es.png b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.es.png
new file mode 100644
index 00000000..66c76c2f
Binary files /dev/null and b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.es.png differ
diff --git a/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.hk.png b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.hk.png
new file mode 100644
index 00000000..66c76c2f
Binary files /dev/null and b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.hk.png differ
diff --git a/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.es.png b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.es.png
new file mode 100644
index 00000000..450b824c
Binary files /dev/null and b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.es.png differ
diff --git a/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.hk.png b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.hk.png
new file mode 100644
index 00000000..450b824c
Binary files /dev/null and b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.hk.png differ
diff --git a/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.es.png b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.es.png
new file mode 100644
index 00000000..615bc7a9
Binary files /dev/null and b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.es.png differ
diff --git a/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.hk.png b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.hk.png
new file mode 100644
index 00000000..615bc7a9
Binary files /dev/null and b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.hk.png differ
diff --git a/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.es.png b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.es.png
new file mode 100644
index 00000000..3c9e2930
Binary files /dev/null and b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.es.png differ
diff --git a/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.hk.png b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.hk.png
new file mode 100644
index 00000000..3c9e2930
Binary files /dev/null and b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.hk.png differ
diff --git a/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.es.png b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.es.png
new file mode 100644
index 00000000..e4bb0186
Binary files /dev/null and b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.es.png differ
diff --git a/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.hk.png b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.hk.png
new file mode 100644
index 00000000..e4bb0186
Binary files /dev/null and b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.hk.png differ
diff --git a/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.es.png b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.es.png
new file mode 100644
index 00000000..91e4cba6
Binary files /dev/null and b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.es.png differ
diff --git a/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.hk.png b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.hk.png
new file mode 100644
index 00000000..91e4cba6
Binary files /dev/null and b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.hk.png differ
diff --git a/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.es.png b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.es.png
new file mode 100644
index 00000000..91230d0c
Binary files /dev/null and b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.es.png differ
diff --git a/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.hk.png b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.hk.png
new file mode 100644
index 00000000..91230d0c
Binary files /dev/null and b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.hk.png differ
diff --git a/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.es.png b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.es.png
new file mode 100644
index 00000000..128cd4a9
Binary files /dev/null and b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.es.png differ
diff --git a/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.hk.png b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.hk.png
new file mode 100644
index 00000000..128cd4a9
Binary files /dev/null and b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.hk.png differ
diff --git a/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.es.png b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.es.png
new file mode 100644
index 00000000..8d62d827
Binary files /dev/null and b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.es.png differ
diff --git a/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.hk.png b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.hk.png
new file mode 100644
index 00000000..8d62d827
Binary files /dev/null and b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.hk.png differ
diff --git a/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.es.png b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.es.png
new file mode 100644
index 00000000..a84ab661
Binary files /dev/null and b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.es.png differ
diff --git a/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.hk.png b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.hk.png
new file mode 100644
index 00000000..a84ab661
Binary files /dev/null and b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.hk.png differ
diff --git a/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.es.png b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.es.png
new file mode 100644
index 00000000..4c88d3d3
Binary files /dev/null and b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.es.png differ
diff --git a/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.hk.png b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.hk.png
new file mode 100644
index 00000000..4c88d3d3
Binary files /dev/null and b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.hk.png differ
diff --git a/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.es.png b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.es.png
new file mode 100644
index 00000000..bc1895b8
Binary files /dev/null and b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.es.png differ
diff --git a/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.hk.png b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.hk.png
new file mode 100644
index 00000000..bc1895b8
Binary files /dev/null and b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.hk.png differ
diff --git a/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.es.png b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.es.png
new file mode 100644
index 00000000..d8ff3180
Binary files /dev/null and b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.es.png differ
diff --git a/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.hk.png b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.hk.png
new file mode 100644
index 00000000..d8ff3180
Binary files /dev/null and b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.hk.png differ
diff --git a/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.es.png b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.es.png
new file mode 100644
index 00000000..06b86a65
Binary files /dev/null and b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.es.png differ
diff --git a/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.hk.png b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.hk.png
new file mode 100644
index 00000000..06b86a65
Binary files /dev/null and b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.hk.png differ
diff --git a/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.es.png b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.es.png
new file mode 100644
index 00000000..ac7aa47a
Binary files /dev/null and b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.es.png differ
diff --git a/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.hk.png b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.hk.png
new file mode 100644
index 00000000..ac7aa47a
Binary files /dev/null and b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.hk.png differ
diff --git a/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.es.png b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.es.png
new file mode 100644
index 00000000..20480a22
Binary files /dev/null and b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.es.png differ
diff --git a/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.hk.png b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.hk.png
new file mode 100644
index 00000000..20480a22
Binary files /dev/null and b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.hk.png differ
diff --git a/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.es.png b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.es.png
new file mode 100644
index 00000000..9d90f435
Binary files /dev/null and b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.es.png differ
diff --git a/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.hk.png b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.hk.png
new file mode 100644
index 00000000..9d90f435
Binary files /dev/null and b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.hk.png differ
diff --git a/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.es.png b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.es.png
new file mode 100644
index 00000000..27b0ea2c
Binary files /dev/null and b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.es.png differ
diff --git a/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.hk.png b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.hk.png
new file mode 100644
index 00000000..27b0ea2c
Binary files /dev/null and b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.hk.png differ
diff --git a/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.es.png b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.es.png
new file mode 100644
index 00000000..3526a6d0
Binary files /dev/null and b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.es.png differ
diff --git a/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.hk.png b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.hk.png
new file mode 100644
index 00000000..3526a6d0
Binary files /dev/null and b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.hk.png differ
diff --git a/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.es.png b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.es.png
new file mode 100644
index 00000000..855d442e
Binary files /dev/null and b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.es.png differ
diff --git a/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.hk.png b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.hk.png
new file mode 100644
index 00000000..855d442e
Binary files /dev/null and b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.hk.png differ
diff --git a/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.es.png b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.es.png
new file mode 100644
index 00000000..aed3d813
Binary files /dev/null and b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.es.png differ
diff --git a/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.hk.png b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.hk.png
new file mode 100644
index 00000000..aed3d813
Binary files /dev/null and b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.hk.png differ
diff --git a/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.es.png b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.es.png
new file mode 100644
index 00000000..9bfca6c2
Binary files /dev/null and b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.es.png differ
diff --git a/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.hk.png b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.hk.png
new file mode 100644
index 00000000..9bfca6c2
Binary files /dev/null and b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.hk.png differ
diff --git a/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.es.png b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.es.png
new file mode 100644
index 00000000..0490e302
Binary files /dev/null and b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.es.png differ
diff --git a/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.hk.png b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.hk.png
new file mode 100644
index 00000000..0490e302
Binary files /dev/null and b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.hk.png differ
diff --git a/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.es.png b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.es.png
new file mode 100644
index 00000000..676e2378
Binary files /dev/null and b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.es.png differ
diff --git a/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.hk.png b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.hk.png
new file mode 100644
index 00000000..676e2378
Binary files /dev/null and b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.hk.png differ
diff --git a/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.es.png b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.es.png
new file mode 100644
index 00000000..280e18c3
Binary files /dev/null and b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.es.png differ
diff --git a/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.hk.png b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.hk.png
new file mode 100644
index 00000000..280e18c3
Binary files /dev/null and b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.hk.png differ
diff --git a/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.es.png b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.es.png
new file mode 100644
index 00000000..bb70a905
Binary files /dev/null and b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.es.png differ
diff --git a/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.hk.png b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.hk.png
new file mode 100644
index 00000000..bb70a905
Binary files /dev/null and b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.hk.png differ
diff --git a/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.es.png b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.es.png
new file mode 100644
index 00000000..c0860d6e
Binary files /dev/null and b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.es.png differ
diff --git a/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.hk.png b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.hk.png
new file mode 100644
index 00000000..c0860d6e
Binary files /dev/null and b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.hk.png differ
diff --git a/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.es.png b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.es.png
new file mode 100644
index 00000000..9a34d708
Binary files /dev/null and b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.es.png differ
diff --git a/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.hk.png b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.hk.png
new file mode 100644
index 00000000..9a34d708
Binary files /dev/null and b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.hk.png differ
diff --git a/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.es.png b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.es.png
new file mode 100644
index 00000000..2c683d8b
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.es.png differ
diff --git a/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.hk.png b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.hk.png
new file mode 100644
index 00000000..2c683d8b
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.hk.png differ
diff --git a/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.es.png b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.es.png
new file mode 100644
index 00000000..1ba4c5b0
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.es.png differ
diff --git a/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.hk.png b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.hk.png
new file mode 100644
index 00000000..1ba4c5b0
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.hk.png differ
diff --git a/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.es.png b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.es.png
new file mode 100644
index 00000000..93aa3743
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.es.png differ
diff --git a/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.hk.png b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.hk.png
new file mode 100644
index 00000000..93aa3743
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.hk.png differ
diff --git a/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.es.png b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.es.png
new file mode 100644
index 00000000..3089e5e1
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.es.png differ
diff --git a/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.hk.png b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.hk.png
new file mode 100644
index 00000000..3089e5e1
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.hk.png differ
diff --git a/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.es.png b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.es.png
new file mode 100644
index 00000000..53468420
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.es.png differ
diff --git a/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.hk.png b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.hk.png
new file mode 100644
index 00000000..53468420
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.hk.png differ
diff --git a/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.es.png b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.es.png
new file mode 100644
index 00000000..003dc174
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.es.png differ
diff --git a/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.hk.png b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.hk.png
new file mode 100644
index 00000000..003dc174
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.hk.png differ
diff --git a/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.es.png b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.es.png
new file mode 100644
index 00000000..3c0d2f87
Binary files /dev/null and b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.es.png differ
diff --git a/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.hk.png b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.hk.png
new file mode 100644
index 00000000..3c0d2f87
Binary files /dev/null and b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.hk.png differ
diff --git a/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.es.png b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.es.png
new file mode 100644
index 00000000..56f285f2
Binary files /dev/null and b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.es.png differ
diff --git a/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.hk.png b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.hk.png
new file mode 100644
index 00000000..56f285f2
Binary files /dev/null and b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.hk.png differ
diff --git a/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.es.png b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.es.png
new file mode 100644
index 00000000..ec8bbe2f
Binary files /dev/null and b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.es.png differ
diff --git a/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.hk.png b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.hk.png
new file mode 100644
index 00000000..ec8bbe2f
Binary files /dev/null and b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.hk.png differ
diff --git a/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.es.png b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.es.png
new file mode 100644
index 00000000..bbaae894
Binary files /dev/null and b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.es.png differ
diff --git a/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.hk.png b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.hk.png
new file mode 100644
index 00000000..bbaae894
Binary files /dev/null and b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.hk.png differ
diff --git a/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.es.png b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.es.png
new file mode 100644
index 00000000..ef71f6da
Binary files /dev/null and b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.es.png differ
diff --git a/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.hk.png b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.hk.png
new file mode 100644
index 00000000..ef71f6da
Binary files /dev/null and b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.hk.png differ
diff --git a/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.es.png b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.es.png
new file mode 100644
index 00000000..4e9390eb
Binary files /dev/null and b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.es.png differ
diff --git a/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.hk.png b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.hk.png
new file mode 100644
index 00000000..4e9390eb
Binary files /dev/null and b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.hk.png differ
diff --git a/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.es.png b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.es.png
new file mode 100644
index 00000000..16d7af80
Binary files /dev/null and b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.es.png differ
diff --git a/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.hk.png b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.hk.png
new file mode 100644
index 00000000..16d7af80
Binary files /dev/null and b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.hk.png differ
diff --git a/translations/de/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/de/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
new file mode 100644
index 00000000..d0fd2a43
--- /dev/null
+++ b/translations/de/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Wachstumsgradtage\n",
+    "\n",
+    "Dieses Notebook lädt Temperaturdaten aus einer CSV-Datei und analysiert sie. Es erstellt Diagramme der Temperaturen, zeigt die höchsten und niedrigsten Werte für jeden Tag und berechnet die GDD.\n",
+    "\n",
+    "So verwenden Sie dieses Notebook:\n",
+    "\n",
+    "* Kopieren Sie die Datei `temperature.csv` in denselben Ordner wie dieses Notebook.\n",
+    "* Führen Sie alle Zellen mit der **▶︎ Run**-Schaltfläche oben aus. Dadurch wird die ausgewählte Zelle ausgeführt und anschließend zur nächsten gewechselt.\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Im folgenden Feld setzen Sie `base_temperature` auf die Basistemperatur der Anlage.\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "base_temperature = 10"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Die CSV-Datei muss nun mit pandas geladen werden\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": [
+    "Sobald die Daten gelesen wurden, können sie nach der Spalte `date` gruppiert und die minimalen und maximalen Temperaturen für jedes Datum extrahiert werden.\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": [
+    "Die GDD kann mit der standardmäßigen GDD-Gleichung berechnet werden\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**Haftungsausschluss**:  \nDieses Dokument wurde mit dem KI-Übersetzungsdienst [Co-op Translator](https://github.com/Azure/co-op-translator) übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die sich aus der Nutzung dieser Übersetzung ergeben.\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": "2025-08-26T15:59:48+00:00",
+   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
+   "language_code": "de"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
\ No newline at end of file
diff --git a/translations/es/1-getting-started/README.md b/translations/es/1-getting-started/README.md
new file mode 100644
index 00000000..481fa2a0
--- /dev/null
+++ b/translations/es/1-getting-started/README.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e2b1b891b08ef7633d285547fbe73290",
+  "translation_date": "2025-08-26T14:56:16+00:00",
+  "source_file": "1-getting-started/README.md",
+  "language_code": "es"
+}
+-->
+# Comenzando con IoT
+
+En esta sección del plan de estudios, se te presentará el Internet de las Cosas y aprenderás los conceptos básicos, incluyendo la creación de tu primer proyecto IoT de 'Hola Mundo' conectado a la nube. Este proyecto consiste en una luz nocturna que se enciende a medida que los niveles de luz medidos por un sensor disminuyen.
+
+![El LED conectado al WIO encendiéndose y apagándose a medida que cambian los niveles de luz](../../../images/wio-running-assignment-1-1.gif)
+
+## Temas
+
+1. [Introducción a IoT](lessons/1-introduction-to-iot/README.md)
+1. [Un análisis más profundo de IoT](lessons/2-deeper-dive/README.md)
+1. [Interactúa con el mundo físico usando sensores y actuadores](lessons/3-sensors-and-actuators/README.md)
+1. [Conecta tu dispositivo a Internet](lessons/4-connect-internet/README.md)
+
+## Créditos
+
+Todas las lecciones fueron escritas con ♥️ por [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/es/1-getting-started/lessons/1-introduction-to-iot/README.md
new file mode 100644
index 00000000..61fd3a08
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/1-introduction-to-iot/README.md
@@ -0,0 +1,242 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9bae08314d8487cb76ddf3d8797e1544",
+  "translation_date": "2025-08-26T15:10:04+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/README.md",
+  "language_code": "es"
+}
+-->
+# Introducción a IoT
+
+![Un resumen visual de esta lección](../../../../../translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.es.jpg)
+
+> Sketchnote por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+Esta lección fue impartida como parte de la serie [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) del [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). La lección se presentó en 2 videos: una clase de 1 hora y una sesión de preguntas y respuestas de 1 hora para profundizar en partes de la lección y responder preguntas.
+
+[![Lección 1: Introducción a IoT](https://img.youtube.com/vi/bVFfcYh6UBw/0.jpg)](https://youtu.be/bVFfcYh6UBw)
+
+[![Lección 1: Introducción a IoT - Horas de oficina](https://img.youtube.com/vi/YI772q5v3yI/0.jpg)](https://youtu.be/YI772q5v3yI)
+
+> 🎥 Haz clic en las imágenes de arriba para ver los videos
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/1)
+
+## Introducción
+
+Esta lección cubre algunos de los temas introductorios sobre el Internet de las Cosas (IoT) y te guía en la configuración de tu hardware.
+
+En esta lección cubriremos:
+
+* [¿Qué es el 'Internet de las Cosas'?](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Dispositivos IoT](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Configura tu dispositivo](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Aplicaciones de IoT](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Ejemplos de dispositivos IoT que podrías tener a tu alrededor](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+## ¿Qué es el 'Internet de las Cosas'?
+
+El término 'Internet de las Cosas' fue acuñado por [Kevin Ashton](https://wikipedia.org/wiki/Kevin_Ashton) en 1999 para referirse a la conexión de Internet con el mundo físico a través de sensores. Desde entonces, el término se ha utilizado para describir cualquier dispositivo que interactúe con el mundo físico que lo rodea, ya sea recopilando datos de sensores o proporcionando interacciones en el mundo real a través de actuadores (dispositivos que hacen algo como encender un interruptor o iluminar un LED), generalmente conectados a otros dispositivos o a Internet.
+
+> **Sensores** recopilan información del mundo, como medir velocidad, temperatura o ubicación.
+>
+> **Actuadores** convierten señales eléctricas en interacciones del mundo real, como activar un interruptor, encender luces, emitir sonidos o enviar señales de control a otro hardware, por ejemplo, para encender un enchufe.
+
+IoT como área tecnológica abarca más que solo dispositivos: incluye servicios en la nube que pueden procesar los datos de los sensores o enviar solicitudes a actuadores conectados a dispositivos IoT. También incluye dispositivos que no tienen o no necesitan conectividad a Internet, a menudo denominados dispositivos de borde. Estos dispositivos pueden procesar y responder a datos de sensores por sí mismos, generalmente utilizando modelos de IA entrenados en la nube.
+
+IoT es un campo tecnológico en rápido crecimiento. Se estima que para finales de 2020, había 30 mil millones de dispositivos IoT desplegados y conectados a Internet. Mirando al futuro, se estima que para 2025, los dispositivos IoT recopilarán casi 80 zettabytes de datos, o 80 billones de gigabytes. ¡Eso es una cantidad enorme de datos!
+
+![Un gráfico que muestra dispositivos IoT activos a lo largo del tiempo, con una tendencia ascendente de menos de 5 mil millones en 2015 a más de 30 mil millones en 2025](../../../../../images/connected-iot-devices.svg)
+
+✅ Investiga un poco: ¿Cuánta de la información generada por los dispositivos IoT se utiliza realmente y cuánta se desperdicia? ¿Por qué se ignora tanta información?
+
+Estos datos son clave para el éxito de IoT. Para ser un desarrollador exitoso de IoT, necesitas entender qué datos necesitas recopilar, cómo recopilarlos, cómo tomar decisiones basadas en ellos y cómo usar esas decisiones para interactuar con el mundo físico si es necesario.
+
+## Dispositivos IoT
+
+La **T** en IoT significa **Things** (Cosas): dispositivos que interactúan con el mundo físico que los rodea, ya sea recopilando datos de sensores o proporcionando interacciones en el mundo real a través de actuadores.
+
+Los dispositivos para uso comercial o de producción, como rastreadores de actividad física para consumidores o controladores de máquinas industriales, suelen ser hechos a medida. Utilizan placas de circuito personalizadas, tal vez incluso procesadores personalizados, diseñados para satisfacer las necesidades de una tarea específica, ya sea ser lo suficientemente pequeños para caber en una muñeca o lo suficientemente resistentes para trabajar en un entorno de fábrica con altas temperaturas, estrés o vibraciones.
+
+Como desarrollador que aprende sobre IoT o crea un prototipo de dispositivo, necesitarás comenzar con un kit de desarrollo. Estos son dispositivos IoT de propósito general diseñados para desarrolladores, a menudo con características que no tendrías en un dispositivo de producción, como un conjunto de pines externos para conectar sensores o actuadores, hardware para depuración o recursos adicionales que agregarían costos innecesarios en una producción a gran escala.
+
+Estos kits de desarrollo generalmente se dividen en dos categorías: microcontroladores y computadoras de placa única. Estos se presentarán aquí, y entraremos en más detalle en la próxima lección.
+
+> 💁 Tu teléfono también puede considerarse un dispositivo IoT de propósito general, con sensores y actuadores integrados, y diferentes aplicaciones que utilizan los sensores y actuadores de diferentes maneras con diferentes servicios en la nube. Incluso puedes encontrar algunos tutoriales de IoT que usan una aplicación de teléfono como dispositivo IoT.
+
+### Microcontroladores
+
+Un microcontrolador (también conocido como MCU, por sus siglas en inglés de microcontroller unit) es una pequeña computadora que consta de:
+
+🧠 Una o más unidades centrales de procesamiento (CPUs): el 'cerebro' del microcontrolador que ejecuta tu programa.
+
+💾 Memoria (RAM y memoria de programa): donde se almacenan tu programa, datos y variables.
+
+🔌 Conexiones de entrada/salida (I/O) programables: para comunicarse con periféricos externos (dispositivos conectados) como sensores y actuadores.
+
+Los microcontroladores son dispositivos de computación de bajo costo, con precios promedio para los utilizados en hardware personalizado que bajan a alrededor de US$0.50, y algunos dispositivos tan baratos como US$0.03. Los kits de desarrollo pueden comenzar desde tan solo US$4, con costos que aumentan a medida que se agregan más características. El [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html), un kit de desarrollo de microcontroladores de [Seeed studios](https://www.seeedstudio.com) que tiene sensores, actuadores, WiFi y una pantalla, cuesta alrededor de US$30.
+
+![Un Wio Terminal](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.es.png)
+
+> 💁 Al buscar microcontroladores en Internet, ten cuidado al buscar el término **MCU**, ya que esto traerá muchos resultados relacionados con el Universo Cinematográfico de Marvel, no con microcontroladores.
+
+Los microcontroladores están diseñados para ser programados para realizar un número limitado de tareas muy específicas, en lugar de ser computadoras de propósito general como las PC o Mac. Excepto en escenarios muy específicos, no puedes conectar un monitor, teclado y ratón y usarlos para tareas generales.
+
+Los kits de desarrollo de microcontroladores generalmente vienen con sensores y actuadores adicionales integrados. La mayoría de las placas tendrán uno o más LEDs que puedes programar, junto con otros dispositivos como conectores estándar para agregar más sensores o actuadores utilizando los ecosistemas de varios fabricantes o sensores integrados (generalmente los más populares, como sensores de temperatura). Algunos microcontroladores tienen conectividad inalámbrica integrada, como Bluetooth o WiFi, o tienen microcontroladores adicionales en la placa para agregar esta conectividad.
+
+> 💁 Los microcontroladores generalmente se programan en C/C++.
+
+### Computadoras de placa única
+
+Una computadora de placa única es un pequeño dispositivo de computación que tiene todos los elementos de una computadora completa contenidos en una sola placa pequeña. Estos son dispositivos con especificaciones cercanas a una PC o Mac de escritorio o portátil, ejecutan un sistema operativo completo, pero son pequeños, consumen menos energía y son sustancialmente más baratos.
+
+![Una Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.es.jpg)
+
+La Raspberry Pi es una de las computadoras de placa única más populares.
+
+Al igual que un microcontrolador, las computadoras de placa única tienen una CPU, memoria y pines de entrada/salida, pero tienen características adicionales como un chip gráfico para permitirte conectar monitores, salidas de audio y puertos USB para conectar teclados, ratones y otros dispositivos USB estándar como cámaras web o almacenamiento externo. Los programas se almacenan en tarjetas SD o discos duros junto con un sistema operativo, en lugar de un chip de memoria integrado en la placa.
+
+> 🎓 Puedes pensar en una computadora de placa única como una versión más pequeña y económica de la PC o Mac que estás usando, con la adición de pines GPIO (entrada/salida de propósito general) para interactuar con sensores y actuadores.
+
+Las computadoras de placa única son computadoras completamente funcionales, por lo que pueden programarse en cualquier lenguaje. Los dispositivos IoT generalmente se programan en Python.
+
+### Opciones de hardware para el resto de las lecciones
+
+Todas las lecciones posteriores incluyen tareas que utilizan un dispositivo IoT para interactuar con el mundo físico y comunicarse con la nube. Cada lección admite 3 opciones de dispositivos: Arduino (usando un Seeed Studios Wio Terminal) o una computadora de placa única, ya sea un dispositivo físico (una Raspberry Pi 4) o una computadora de placa única virtual que se ejecuta en tu PC o Mac.
+
+Puedes leer sobre el hardware necesario para completar todas las tareas en la [guía de hardware](../../../hardware.md).
+
+> 💁 No necesitas comprar ningún hardware IoT para completar las tareas, puedes hacer todo utilizando una computadora de placa única virtual.
+
+Qué hardware elijas depende de lo que tengas disponible en casa o en tu escuela, y del lenguaje de programación que conozcas o planees aprender. Ambas variantes de hardware usarán el mismo ecosistema de sensores, por lo que si comienzas con una opción, puedes cambiar a la otra sin tener que reemplazar la mayoría del kit. La computadora de placa única virtual será el equivalente a aprender en una Raspberry Pi, con la mayoría del código transferible a la Pi si eventualmente obtienes un dispositivo y sensores.
+
+### Kit de desarrollo Arduino
+
+Si estás interesado en aprender desarrollo de microcontroladores, puedes completar las tareas utilizando un dispositivo Arduino. Necesitarás un conocimiento básico de programación en C/C++, ya que las lecciones solo enseñarán el código relevante para el marco de Arduino, los sensores y actuadores que se utilizan, y las bibliotecas que interactúan con la nube.
+
+Las tareas utilizarán [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn) con la [extensión PlatformIO para desarrollo de microcontroladores](https://platformio.org). También puedes usar el IDE de Arduino si tienes experiencia con esta herramienta, ya que no se proporcionarán instrucciones.
+
+### Kit de desarrollo de computadora de placa única
+
+Si estás interesado en aprender desarrollo de IoT utilizando computadoras de placa única, puedes completar las tareas utilizando una Raspberry Pi o un dispositivo virtual que se ejecute en tu PC o Mac.
+
+Necesitarás un conocimiento básico de programación en Python, ya que las lecciones solo enseñarán el código relevante para los sensores y actuadores que se utilizan, y las bibliotecas que interactúan con la nube.
+
+> 💁 Si quieres aprender a programar en Python, consulta las siguientes dos series de videos:
+>
+> * [Python para principiantes](https://channel9.msdn.com/Series/Intro-to-Python-Development?WT.mc_id=academic-17441-jabenn)
+> * [Más Python para principiantes](https://channel9.msdn.com/Series/More-Python-for-Beginners?WT.mc_id=academic-7372-jabenn)
+
+Las tareas utilizarán [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn).
+
+Si estás utilizando una Raspberry Pi, puedes ejecutar tu Pi utilizando la versión de escritorio completa de Raspberry Pi OS y hacer toda la programación directamente en la Pi utilizando [la versión de VS Code para Raspberry Pi OS](https://code.visualstudio.com/docs/setup/raspberry-pi?WT.mc_id=academic-17441-jabenn), o ejecutar tu Pi como un dispositivo sin cabeza y programar desde tu PC o Mac utilizando VS Code con la [extensión Remote SSH](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn), que te permite conectarte a tu Pi y editar, depurar y ejecutar código como si estuvieras programando directamente en ella.
+
+Si utilizas la opción de dispositivo virtual, programarás directamente en tu computadora. En lugar de acceder a sensores y actuadores, utilizarás una herramienta para simular este hardware, proporcionando valores de sensores que puedes definir y mostrando los resultados de los actuadores en pantalla.
+
+## Configura tu dispositivo
+
+Antes de que puedas comenzar a programar tu dispositivo IoT, necesitarás realizar una pequeña configuración. Sigue las instrucciones relevantes a continuación según el dispositivo que vayas a utilizar.
+💁 Si aún no tienes un dispositivo, consulta la [guía de hardware](../../../hardware.md) para ayudarte a decidir qué dispositivo vas a usar y qué hardware adicional necesitas comprar. No es necesario que compres hardware, ya que todos los proyectos se pueden ejecutar en hardware virtual.
+Estas instrucciones incluyen enlaces a sitios web de terceros de los creadores del hardware o herramientas que estarás utilizando. Esto es para garantizar que siempre tengas las instrucciones más actualizadas para las diversas herramientas y hardware.
+
+Trabaja en la guía correspondiente para configurar tu dispositivo y completar un proyecto de 'Hola Mundo'. Este será el primer paso para crear una luz nocturna IoT a lo largo de las 4 lecciones de esta parte introductoria.
+
+* [Arduino - Wio Terminal](wio-terminal.md)
+* [Computadora de placa única - Raspberry Pi](pi.md)
+* [Computadora de placa única - Dispositivo virtual](virtual-device.md)
+
+✅ Utilizarás VS Code tanto para Arduino como para computadoras de placa única. Si no lo has usado antes, lee más sobre ello en el [sitio de VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn).
+
+## Aplicaciones del IoT
+
+El IoT abarca una amplia gama de casos de uso, divididos en algunos grupos principales:
+
+* IoT para consumidores
+* IoT comercial
+* IoT industrial
+* IoT para infraestructura
+
+✅ Investiga un poco: Para cada una de las áreas descritas a continuación, encuentra un ejemplo concreto que no esté mencionado en el texto.
+
+### IoT para consumidores
+
+El IoT para consumidores se refiere a los dispositivos IoT que los consumidores compran y utilizan en el hogar. Algunos de estos dispositivos son increíblemente útiles, como los altavoces inteligentes, los sistemas de calefacción inteligentes y las aspiradoras robóticas. Otros son cuestionables en su utilidad, como los grifos controlados por voz que luego no puedes apagar porque el control por voz no te escucha debido al sonido del agua corriendo.
+
+Los dispositivos IoT para consumidores están empoderando a las personas para lograr más en su entorno, especialmente los 1,000 millones que tienen alguna discapacidad. Las aspiradoras robóticas pueden proporcionar pisos limpios a personas con problemas de movilidad que no pueden aspirar por sí mismas, los hornos controlados por voz permiten a personas con visión limitada o problemas de motricidad calentar sus hornos solo con su voz, los monitores de salud permiten a los pacientes controlar condiciones crónicas con actualizaciones más regulares y detalladas sobre su estado. Estos dispositivos se están volviendo tan comunes que incluso los niños pequeños los utilizan como parte de su vida diaria, por ejemplo, estudiantes que hacen educación virtual durante la pandemia de COVID configurando temporizadores en dispositivos inteligentes para seguir su trabajo escolar o alarmas para recordarles reuniones de clase próximas.
+
+✅ ¿Qué dispositivos IoT para consumidores tienes contigo o en tu hogar?
+
+### IoT comercial
+
+El IoT comercial abarca el uso de IoT en el lugar de trabajo. En un entorno de oficina, puede haber sensores de ocupación y detectores de movimiento para gestionar la iluminación y la calefacción, manteniendo las luces y el calor apagados cuando no se necesitan, reduciendo costos y emisiones de carbono. En una fábrica, los dispositivos IoT pueden monitorear peligros de seguridad como trabajadores que no usan cascos o niveles de ruido que han alcanzado niveles peligrosos. En el comercio minorista, los dispositivos IoT pueden medir la temperatura de almacenamiento en frío, alertando al propietario de la tienda si un refrigerador o congelador está fuera del rango de temperatura requerido, o pueden monitorear los artículos en los estantes para dirigir a los empleados a reponer productos que se han vendido. La industria del transporte depende cada vez más del IoT para monitorear la ubicación de los vehículos, rastrear el kilometraje en carretera para el cobro de peajes, verificar el cumplimiento de las horas de conducción y descansos, o notificar al personal cuando un vehículo se acerca a un depósito para prepararse para la carga o descarga.
+
+✅ ¿Qué dispositivos IoT comerciales tienes en tu escuela o lugar de trabajo?
+
+### IoT industrial (IIoT)
+
+El IoT industrial, o IIoT, es el uso de dispositivos IoT para controlar y gestionar maquinaria a gran escala. Esto abarca una amplia gama de casos de uso, desde fábricas hasta agricultura digital.
+
+Las fábricas utilizan dispositivos IoT de muchas maneras diferentes. La maquinaria puede ser monitoreada con múltiples sensores para rastrear cosas como temperatura, vibración y velocidad de rotación. Estos datos pueden ser monitoreados para permitir que la máquina se detenga si se sale de ciertos límites, por ejemplo, si se calienta demasiado y se apaga. Estos datos también pueden ser recopilados y analizados con el tiempo para realizar mantenimiento predictivo, donde los modelos de IA analizan los datos previos a una falla y los utilizan para predecir otras fallas antes de que ocurran.
+
+La agricultura digital es importante si el planeta debe alimentar a la población en crecimiento, especialmente para los 2,000 millones de personas en 500 millones de hogares que dependen de la [agricultura de subsistencia](https://wikipedia.org/wiki/Subsistence_agriculture). La agricultura digital puede variar desde sensores de pocos dólares hasta configuraciones comerciales masivas. Un agricultor puede comenzar monitoreando temperaturas y utilizando [días grado de crecimiento](https://wikipedia.org/wiki/Growing_degree-day) para predecir cuándo una cosecha estará lista para la recolección. Pueden conectar el monitoreo de humedad del suelo a sistemas de riego automatizados para dar a sus plantas tanta agua como necesiten, pero no más, asegurando que sus cultivos no se sequen sin desperdiciar agua. Los agricultores incluso están llevando esto más lejos utilizando drones, datos satelitales y IA para monitorear el crecimiento de cultivos, enfermedades y calidad del suelo en grandes áreas de terreno agrícola.
+
+✅ ¿Qué otros dispositivos IoT podrían ayudar a los agricultores?
+
+### IoT para infraestructura
+
+El IoT para infraestructura monitorea y controla la infraestructura local y global que las personas utilizan todos los días.
+
+[Ciudades inteligentes](https://wikipedia.org/wiki/Smart_city) son áreas urbanas que utilizan dispositivos IoT para recopilar datos sobre la ciudad y usarlos para mejorar cómo funciona. Estas ciudades suelen ser gestionadas con colaboraciones entre gobiernos locales, academia y negocios locales, rastreando y gestionando cosas que varían desde transporte hasta estacionamiento y contaminación. Por ejemplo, en Copenhague, Dinamarca, la contaminación del aire es importante para los residentes locales, por lo que se mide y los datos se utilizan para proporcionar información sobre las rutas más limpias para andar en bicicleta o correr.
+
+[Redes eléctricas inteligentes](https://wikipedia.org/wiki/Smart_grid) permiten mejores análisis de la demanda de energía al recopilar datos de uso a nivel de hogares individuales. Estos datos pueden guiar decisiones a nivel país, como dónde construir nuevas plantas de energía, y a nivel personal, proporcionando a los usuarios información sobre cuánto energía están utilizando, cuándo la están utilizando e incluso sugerencias para reducir costos, como cargar autos eléctricos por la noche.
+
+✅ Si pudieras agregar dispositivos IoT para medir algo donde vives, ¿qué sería?
+
+## Ejemplos de dispositivos IoT que podrías tener cerca de ti
+
+Te sorprendería saber cuántos dispositivos IoT tienes cerca de ti. Estoy escribiendo esto desde casa y tengo los siguientes dispositivos conectados a Internet con funciones inteligentes como control por aplicación, control por voz o la capacidad de enviarme datos a través de mi teléfono:
+
+* Múltiples altavoces inteligentes
+* Refrigerador, lavavajillas, horno y microondas
+* Monitor de electricidad para paneles solares
+* Enchufes inteligentes
+* Timbre con video y cámaras de seguridad
+* Termostato inteligente con múltiples sensores inteligentes de habitación
+* Abridor de puerta de garaje
+* Sistemas de entretenimiento en el hogar y televisores controlados por voz
+* Luces
+* Rastreadores de salud y fitness
+
+Todos estos tipos de dispositivos tienen sensores y/o actuadores y se conectan a Internet. Puedo saber desde mi teléfono si mi puerta de garaje está abierta y pedirle a mi altavoz inteligente que la cierre por mí. Incluso puedo configurarla con un temporizador para que, si sigue abierta por la noche, se cierre automáticamente. Cuando suena mi timbre, puedo ver desde mi teléfono quién está allí, donde sea que esté en el mundo, y hablar con ellos a través de un altavoz y micrófono integrados en el timbre. Puedo monitorear mi glucosa en sangre, ritmo cardíaco y patrones de sueño, buscando patrones en los datos para mejorar mi salud. Puedo controlar mis luces a través de la nube y quedarme en la oscuridad cuando mi conexión a Internet se cae.
+
+---
+
+## 🚀 Desafío
+
+Haz una lista de tantos dispositivos IoT como puedas que estén en tu hogar, escuela o lugar de trabajo; puede que haya más de los que piensas.
+
+## Cuestionario posterior a la clase
+
+[Cuestionario posterior a la clase](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/2)
+
+## Revisión y autoestudio
+
+Investiga sobre los beneficios y fracasos de los proyectos de IoT para consumidores. Consulta sitios de noticias para artículos sobre cuando han salido mal, como problemas de privacidad, problemas de hardware o problemas causados por la falta de conectividad.
+
+Algunos ejemplos:
+
+* Consulta la cuenta de Twitter **[Internet of Sh*t](https://twitter.com/internetofshit)** *(advertencia de lenguaje)* para algunos buenos ejemplos de fracasos con IoT para consumidores.
+* [c|net - Mi Apple Watch salvó mi vida: 5 personas comparten sus historias](https://www.cnet.com/news/apple-watch-lifesaving-health-features-read-5-peoples-stories/)
+* [c|net - Técnico de ADT se declara culpable de espiar las cámaras de clientes durante años](https://www.cnet.com/news/adt-home-security-technician-pleads-guilty-to-spying-on-customer-camera-feeds-for-years/) *(advertencia de contenido - voyeurismo no consensuado)*
+
+## Tarea
+
+[Investiga un proyecto de IoT](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/1-introduction-to-iot/assignment.md b/translations/es/1-getting-started/lessons/1-introduction-to-iot/assignment.md
new file mode 100644
index 00000000..f2381f17
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/1-introduction-to-iot/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7ef1cec2d27b086032d46ab1958f3e99",
+  "translation_date": "2025-08-26T15:11:18+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/assignment.md",
+  "language_code": "es"
+}
+-->
+# Investigar un proyecto de IoT
+
+## Instrucciones
+
+Existen muchos proyectos de IoT a gran y pequeña escala que se están implementando en todo el mundo, desde granjas inteligentes hasta ciudades inteligentes, en monitoreo de salud, transporte y para el uso de espacios públicos.
+
+Busca en la web detalles de un proyecto que te interese, idealmente uno cercano a donde vives. Explica las ventajas y desventajas del proyecto, como los beneficios que aporta, los problemas que genera y cómo se considera la privacidad.
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejorar |
+| --------- | -------- | -------- | ---------------- |
+| Explica las ventajas y desventajas | Dio una explicación clara de las ventajas y desventajas del proyecto | Dio una explicación breve de las ventajas y desventajas | No explicó las ventajas ni las desventajas |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/1-introduction-to-iot/pi.md b/translations/es/1-getting-started/lessons/1-introduction-to-iot/pi.md
new file mode 100644
index 00000000..49cf60f3
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/1-introduction-to-iot/pi.md
@@ -0,0 +1,286 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8ff0d0a1d29832bb896b9c103b69a452",
+  "translation_date": "2025-08-26T15:13:31+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/pi.md",
+  "language_code": "es"
+}
+-->
+# Raspberry Pi
+
+El [Raspberry Pi](https://raspberrypi.org) es un ordenador de placa única. Puedes añadir sensores y actuadores utilizando una amplia gama de dispositivos y ecosistemas. Para estas lecciones, utilizaremos un ecosistema de hardware llamado [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html). Programarás tu Pi y accederás a los sensores Grove usando Python.
+
+![Un Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.es.jpg)
+
+## Configuración
+
+Si estás utilizando un Raspberry Pi como tu hardware IoT, tienes dos opciones: puedes trabajar directamente en el Pi y completar todas las lecciones ahí, o puedes conectarte de forma remota a un Pi 'sin cabeza' y programarlo desde tu computadora.
+
+Antes de comenzar, también necesitas conectar el Grove Base Hat a tu Pi.
+
+### Tarea - configuración
+
+Instala el Grove Base Hat en tu Pi y configura el Pi.
+
+1. Conecta el Grove Base Hat a tu Pi. El conector del hat encaja sobre todos los pines GPIO del Pi, deslizándose completamente hacia abajo para quedar firmemente asentado en la base. Cubre el Pi al colocarse.
+
+    ![Colocando el Grove Hat](../../../../../images/pi-grove-hat-fitting.gif)
+
+1. Decide cómo quieres programar tu Pi y dirígete a la sección correspondiente a continuación:
+
+    * [Trabajar directamente en tu Pi](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+    * [Acceso remoto para programar el Pi](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+### Trabajar directamente en tu Pi
+
+Si deseas trabajar directamente en tu Pi, puedes usar la versión de escritorio del sistema operativo Raspberry Pi OS e instalar todas las herramientas necesarias.
+
+#### Tarea - trabajar directamente en tu Pi
+
+Configura tu Pi para el desarrollo.
+
+1. Sigue las instrucciones en la [guía de configuración de Raspberry Pi](https://projects.raspberrypi.org/en/projects/raspberry-pi-setting-up) para configurar tu Pi, conectarlo a un teclado/ratón/monitor, conectarlo a tu red WiFi o Ethernet, y actualizar el software.
+
+Para programar el Pi utilizando los sensores y actuadores Grove, necesitarás instalar un editor para escribir el código del dispositivo, así como varias bibliotecas y herramientas que interactúan con el hardware Grove.
+
+1. Una vez que tu Pi se haya reiniciado, abre el Terminal haciendo clic en el icono **Terminal** en la barra de menú superior, o selecciona *Menú -> Accesorios -> Terminal*.
+
+1. Ejecuta el siguiente comando para asegurarte de que el sistema operativo y el software instalado estén actualizados:
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes
+    ```
+
+1. Ejecuta los siguientes comandos para instalar todas las bibliotecas necesarias para el hardware Grove:
+
+    ```sh
+    sudo apt install git python3-dev python3-pip --yes
+
+    git clone https://github.com/Seeed-Studio/grove.py
+    cd grove.py
+    sudo pip3 install .
+
+    sudo raspi-config nonint do_i2c 0
+    ```
+
+    Esto comienza instalando Git, junto con Pip para instalar paquetes de Python.
+
+    Una de las características más potentes de Python es la capacidad de instalar [paquetes Pip](https://pypi.org), que son paquetes de código escritos por otras personas y publicados en Internet. Puedes instalar un paquete Pip en tu computadora con un solo comando y luego usar ese paquete en tu código.
+
+    Los paquetes de Python de Seeed Grove necesitan ser instalados desde el código fuente. Estos comandos clonarán el repositorio que contiene el código fuente de este paquete y luego lo instalarán localmente.
+
+    > 💁 Por defecto, cuando instalas un paquete, está disponible en toda tu computadora, lo que puede generar problemas con las versiones de los paquetes, como cuando una aplicación depende de una versión específica de un paquete que se rompe al instalar una nueva versión para otra aplicación. Para evitar este problema, puedes usar un [entorno virtual de Python](https://docs.python.org/3/library/venv.html), que es esencialmente una copia de Python en una carpeta dedicada. Cuando instalas paquetes Pip, se instalan solo en esa carpeta. Sin embargo, no usarás entornos virtuales al usar tu Pi. El script de instalación de Grove instala los paquetes de Python de Grove de forma global, por lo que, si quisieras usar un entorno virtual, tendrías que configurarlo y luego reinstalar manualmente los paquetes de Grove dentro de ese entorno. Es más fácil usar paquetes globales, especialmente porque muchos desarrolladores de Pi suelen volver a flashear una tarjeta SD limpia para cada proyecto.
+
+    Finalmente, esto habilita la interfaz I<sup>2</sup>C.
+
+1. Reinicia el Pi utilizando el menú o ejecutando el siguiente comando en el Terminal:
+
+    ```sh
+    sudo reboot
+    ```
+
+1. Una vez que el Pi se haya reiniciado, vuelve a abrir el Terminal y ejecuta el siguiente comando para instalar [Visual Studio Code (VS Code)](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn), que es el editor que usarás para escribir tu código de dispositivo en Python.
+
+    ```sh
+    sudo apt install code
+    ```
+
+    Una vez instalado, VS Code estará disponible desde el menú superior.
+
+    > 💁 Eres libre de usar cualquier IDE o editor de Python para estas lecciones si tienes una herramienta preferida, pero las instrucciones de las lecciones estarán basadas en el uso de VS Code.
+
+1. Instala Pylance. Esta es una extensión para VS Code que proporciona soporte para el lenguaje Python. Consulta la [documentación de la extensión Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) para obtener instrucciones sobre cómo instalar esta extensión en VS Code.
+
+### Acceso remoto para programar el Pi
+
+En lugar de programar directamente en el Pi, este puede ejecutarse 'sin cabeza', es decir, sin estar conectado a un teclado/ratón/monitor, y configurarse y programarse desde tu computadora utilizando Visual Studio Code.
+
+#### Configurar el sistema operativo del Pi
+
+Para programar de forma remota, el sistema operativo del Pi debe instalarse en una tarjeta SD.
+
+##### Tarea - configurar el sistema operativo del Pi
+
+Configura el sistema operativo sin cabeza del Pi.
+
+1. Descarga el **Raspberry Pi Imager** desde la [página de software de Raspberry Pi OS](https://www.raspberrypi.org/software/) e instálalo.
+
+1. Inserta una tarjeta SD en tu computadora, utilizando un adaptador si es necesario.
+
+1. Abre el Raspberry Pi Imager.
+
+1. Desde el Raspberry Pi Imager, selecciona el botón **CHOOSE OS**, luego selecciona *Raspberry Pi OS (Other)*, seguido de *Raspberry Pi OS Lite (32-bit)*.
+
+    ![El Raspberry Pi Imager con Raspberry Pi OS Lite seleccionado](../../../../../translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.es.png)
+
+    > 💁 Raspberry Pi OS Lite es una versión de Raspberry Pi OS que no tiene la interfaz de usuario de escritorio ni herramientas basadas en interfaz gráfica. Estas no son necesarias para un Pi sin cabeza y hacen que la instalación sea más pequeña y el tiempo de arranque más rápido.
+
+1. Selecciona el botón **CHOOSE STORAGE**, luego selecciona tu tarjeta SD.
+
+1. Abre las **Opciones Avanzadas** presionando `Ctrl+Shift+X`. Estas opciones permiten preconfigurar el sistema operativo Raspberry Pi antes de grabarlo en la tarjeta SD.
+
+    1. Marca la casilla **Enable SSH** y establece una contraseña para el usuario `pi`. Esta será la contraseña que usarás para iniciar sesión en el Pi más tarde.
+
+    1. Si planeas conectarte al Pi por WiFi, marca la casilla **Configure WiFi** e ingresa tu SSID y contraseña de WiFi, además de seleccionar tu país de WiFi. No necesitas hacer esto si usarás un cable Ethernet. Asegúrate de que la red a la que te conectes sea la misma en la que está tu computadora.
+
+    1. Marca la casilla **Set locale settings** y configura tu país y zona horaria.
+
+    1. Selecciona el botón **SAVE**.
+
+1. Selecciona el botón **WRITE** para escribir el sistema operativo en la tarjeta SD. Si estás usando macOS, se te pedirá que ingreses tu contraseña, ya que la herramienta subyacente que escribe imágenes de disco necesita acceso privilegiado.
+
+El sistema operativo se escribirá en la tarjeta SD y, una vez completado, el sistema operativo expulsará la tarjeta y se te notificará. Retira la tarjeta SD de tu computadora, insértala en el Pi, enciende el Pi y espera unos 2 minutos para que arranque correctamente.
+
+#### Conectarse al Pi
+
+El siguiente paso es acceder al Pi de forma remota. Puedes hacerlo utilizando `ssh`, que está disponible en macOS, Linux y versiones recientes de Windows.
+
+##### Tarea - conectarse al Pi
+
+Accede al Pi de forma remota.
+
+1. Abre un Terminal o Símbolo del sistema y escribe el siguiente comando para conectarte al Pi:
+
+    ```sh
+    ssh pi@raspberrypi.local
+    ```
+
+    Si estás en Windows usando una versión más antigua que no tiene `ssh` instalado, puedes usar OpenSSH. Puedes encontrar las instrucciones de instalación en la [documentación de instalación de OpenSSH](https://docs.microsoft.com//windows-server/administration/openssh/openssh_install_firstuse?WT.mc_id=academic-17441-jabenn).
+
+1. Esto debería conectarte a tu Pi y pedirte la contraseña.
+
+    Poder encontrar computadoras en tu red usando `<hostname>.local` es una adición relativamente reciente en Linux y Windows. Si estás usando Linux o Windows y obtienes errores sobre que no se encuentra el nombre del host, necesitarás instalar software adicional para habilitar la red ZeroConf (también conocida por Apple como Bonjour):
+
+    1. Si estás usando Linux, instala Avahi con el siguiente comando:
+
+        ```sh
+        sudo apt-get install avahi-daemon
+        ```
+
+    1. Si estás usando Windows, la forma más sencilla de habilitar ZeroConf es instalar [Bonjour Print Services for Windows](http://support.apple.com/kb/DL999). También puedes instalar [iTunes para Windows](https://www.apple.com/itunes/download/) para obtener una versión más reciente de la utilidad (que no está disponible de forma independiente).
+
+    > 💁 Si no puedes conectarte usando `raspberrypi.local`, puedes usar la dirección IP de tu Pi. Consulta la [documentación de direcciones IP de Raspberry Pi](https://www.raspberrypi.org/documentation/remote-access/ip-address.md) para obtener instrucciones sobre varias formas de obtener la dirección IP.
+
+1. Ingresa la contraseña que configuraste en las Opciones Avanzadas del Raspberry Pi Imager.
+
+#### Configurar software en el Pi
+
+Una vez conectado al Pi, necesitas asegurarte de que el sistema operativo esté actualizado e instalar varias bibliotecas y herramientas que interactúan con el hardware Grove.
+
+##### Tarea - configurar software en el Pi
+
+Configura el software instalado en el Pi e instala las bibliotecas Grove.
+
+1. Desde tu sesión `ssh`, ejecuta el siguiente comando para actualizar y luego reiniciar el Pi:
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes && sudo reboot
+    ```
+
+    El Pi se actualizará y reiniciará. La sesión `ssh` terminará cuando el Pi se reinicie, así que espera unos 30 segundos y vuelve a conectarte.
+
+1. Desde la sesión `ssh` reconectada, ejecuta los siguientes comandos para instalar todas las bibliotecas necesarias para el hardware Grove:
+
+    ```sh
+    sudo apt install git python3-dev python3-pip --yes
+
+    git clone https://github.com/Seeed-Studio/grove.py
+    cd grove.py
+    sudo pip3 install .
+
+    sudo raspi-config nonint do_i2c 0
+    ```
+
+    Esto comienza instalando Git, junto con Pip para instalar paquetes de Python.
+
+    Una de las características más potentes de Python es la capacidad de instalar [paquetes Pip](https://pypi.org), que son paquetes de código escritos por otras personas y publicados en Internet. Puedes instalar un paquete Pip en tu computadora con un solo comando y luego usar ese paquete en tu código.
+
+    Los paquetes de Python de Seeed Grove necesitan ser instalados desde el código fuente. Estos comandos clonarán el repositorio que contiene el código fuente de este paquete y luego lo instalarán localmente.
+
+    > 💁 Por defecto, cuando instalas un paquete, está disponible en toda tu computadora, lo que puede generar problemas con las versiones de los paquetes, como cuando una aplicación depende de una versión específica de un paquete que se rompe al instalar una nueva versión para otra aplicación. Para evitar este problema, puedes usar un [entorno virtual de Python](https://docs.python.org/3/library/venv.html), que es esencialmente una copia de Python en una carpeta dedicada. Cuando instalas paquetes Pip, se instalan solo en esa carpeta. Sin embargo, no usarás entornos virtuales al usar tu Pi. El script de instalación de Grove instala los paquetes de Python de Grove de forma global, por lo que, si quisieras usar un entorno virtual, tendrías que configurarlo y luego reinstalar manualmente los paquetes de Grove dentro de ese entorno. Es más fácil usar paquetes globales, especialmente porque muchos desarrolladores de Pi suelen volver a flashear una tarjeta SD limpia para cada proyecto.
+
+    Finalmente, esto habilita la interfaz I<sup>2</sup>C.
+
+1. Reinicia el Pi ejecutando el siguiente comando:
+
+    ```sh
+    sudo reboot
+    ```
+
+    La sesión `ssh` terminará cuando el Pi se reinicie. No es necesario volver a conectarse.
+
+#### Configurar VS Code para acceso remoto
+
+Una vez que el Pi esté configurado, puedes conectarte a él utilizando Visual Studio Code (VS Code) desde tu computadora. Este es un editor de texto gratuito para desarrolladores que usarás para escribir tu código de dispositivo en Python.
+
+##### Tarea - configurar VS Code para acceso remoto
+
+Instala el software necesario y conéctate de forma remota a tu Pi.
+
+1. Instala VS Code en tu computadora siguiendo la [documentación de VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn).
+
+1. Sigue las instrucciones en la [documentación de desarrollo remoto de VS Code usando SSH](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) para instalar los componentes necesarios.
+
+1. Siguiendo las mismas instrucciones, conecta VS Code al Pi.
+
+1. Una vez conectado, sigue las instrucciones de [gestión de extensiones](https://code.visualstudio.com/docs/remote/ssh#_managing-extensions?WT.mc_id=academic-17441-jabenn) para instalar la [extensión Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) de forma remota en el Pi.
+
+## Hola mundo
+Es tradicional, al comenzar con un nuevo lenguaje de programación o tecnología, crear una aplicación 'Hola Mundo': una pequeña aplicación que muestra algo como el texto `"Hola Mundo"` para confirmar que todas las herramientas están configuradas correctamente.
+
+La aplicación Hola Mundo para el Pi garantizará que tienes Python y Visual Studio Code instalados correctamente.
+
+Esta aplicación estará en una carpeta llamada `nightlight`, y se reutilizará con diferentes códigos en partes posteriores de esta tarea para construir la aplicación de luz nocturna.
+
+### Tarea - hola mundo
+
+Crea la aplicación Hola Mundo.
+
+1. Inicia VS Code, ya sea directamente en el Pi, o en tu computadora conectada al Pi usando la extensión Remote SSH.
+
+1. Abre el Terminal de VS Code seleccionando *Terminal -> Nuevo Terminal*, o presionando `` CTRL+` ``. Se abrirá en el directorio principal del usuario `pi`.
+
+1. Ejecuta los siguientes comandos para crear un directorio para tu código y un archivo Python llamado `app.py` dentro de ese directorio:
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    touch app.py
+    ```
+
+1. Abre esta carpeta en VS Code seleccionando *Archivo -> Abrir...* y seleccionando la carpeta *nightlight*, luego selecciona **OK**.
+
+    ![El cuadro de diálogo de apertura de VS Code mostrando la carpeta nightlight](../../../../../translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.es.png)
+
+1. Abre el archivo `app.py` desde el explorador de VS Code y agrega el siguiente código:
+
+    ```python
+    print('Hello World!')
+    ```
+
+    La función `print` imprime en la consola lo que se le pase como argumento.
+
+1. Desde el Terminal de VS Code, ejecuta lo siguiente para correr tu aplicación Python:
+
+    ```sh
+    python app.py
+    ```
+
+    > 💁 Es posible que necesites llamar explícitamente a `python3` para ejecutar este código si tienes Python 2 instalado además de Python 3 (la última versión). Si tienes Python 2 instalado, al llamar a `python` se usará Python 2 en lugar de Python 3. Por defecto, las versiones más recientes del sistema operativo Raspberry Pi solo tienen Python 3 instalado.
+
+    La siguiente salida aparecerá en el terminal:
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py
+    Hello World!
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code/pi](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/pi).
+
+😀 ¡Tu programa 'Hola Mundo' fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/es/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
new file mode 100644
index 00000000..a58ca4d3
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52b4de6144b2efdced7797a5339d6035",
+  "translation_date": "2025-08-26T15:12:02+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/virtual-device.md",
+  "language_code": "es"
+}
+-->
+# Computadora de placa única virtual
+
+En lugar de comprar un dispositivo IoT junto con sensores y actuadores, puedes usar tu computadora para simular hardware IoT. El proyecto [CounterFit](https://github.com/CounterFit-IoT/CounterFit) te permite ejecutar una aplicación localmente que simula hardware IoT como sensores y actuadores, y acceder a ellos desde código Python local escrito de la misma manera que lo harías en una Raspberry Pi utilizando hardware físico.
+
+## Configuración
+
+Para usar CounterFit, necesitarás instalar algunos programas gratuitos en tu computadora.
+
+### Tarea
+
+Instala el software necesario.
+
+1. Instala Python. Consulta la [página de descargas de Python](https://www.python.org/downloads/) para obtener instrucciones sobre cómo instalar la última versión de Python.
+
+1. Instala Visual Studio Code (VS Code). Este es el editor que usarás para escribir el código de tu dispositivo virtual en Python. Consulta la [documentación de VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) para obtener instrucciones sobre cómo instalar VS Code.
+
+    > 💁 Puedes usar cualquier IDE o editor de Python para estas lecciones si tienes una herramienta preferida, pero las instrucciones de las lecciones estarán basadas en el uso de VS Code.
+
+1. Instala la extensión Pylance de VS Code. Esta es una extensión para VS Code que proporciona soporte para el lenguaje Python. Consulta la [documentación de la extensión Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) para obtener instrucciones sobre cómo instalar esta extensión en VS Code.
+
+Las instrucciones para instalar y configurar la aplicación CounterFit se proporcionarán en el momento adecuado en las instrucciones de la asignación, ya que se instala por proyecto.
+
+## Hola Mundo
+
+Es tradicional al comenzar con un nuevo lenguaje de programación o tecnología crear una aplicación 'Hola Mundo': una pequeña aplicación que muestra un texto como `"Hello World"` para verificar que todas las herramientas están configuradas correctamente.
+
+La aplicación Hola Mundo para el hardware IoT virtual asegurará que tienes Python y Visual Studio Code instalados correctamente. También se conectará a CounterFit para los sensores y actuadores IoT virtuales. No usará ningún hardware, solo se conectará para demostrar que todo está funcionando.
+
+Esta aplicación estará en una carpeta llamada `nightlight`, y se reutilizará con diferentes códigos en partes posteriores de esta asignación para construir la aplicación de luz nocturna.
+
+### Configurar un entorno virtual de Python
+
+Una de las características más poderosas de Python es la capacidad de instalar [paquetes Pip](https://pypi.org), que son paquetes de código escritos por otras personas y publicados en Internet. Puedes instalar un paquete Pip en tu computadora con un solo comando y luego usar ese paquete en tu código. Usarás Pip para instalar un paquete que permita interactuar con CounterFit.
+
+Por defecto, cuando instalas un paquete, está disponible en toda tu computadora, lo que puede generar problemas con las versiones de los paquetes, como que una aplicación dependa de una versión que se rompa al instalar una nueva versión para otra aplicación. Para evitar este problema, puedes usar un [entorno virtual de Python](https://docs.python.org/3/library/venv.html), que es esencialmente una copia de Python en una carpeta dedicada, y cuando instalas paquetes Pip, se instalan solo en esa carpeta.
+
+> 💁 Si estás usando una Raspberry Pi, no configuraste un entorno virtual en ese dispositivo para gestionar los paquetes Pip; en su lugar, estás usando paquetes globales, ya que los paquetes Grove se instalan globalmente mediante el script de instalación.
+
+#### Tarea - configurar un entorno virtual de Python
+
+Configura un entorno virtual de Python e instala los paquetes Pip para CounterFit.
+
+1. Desde tu terminal o línea de comandos, ejecuta lo siguiente en una ubicación de tu elección para crear y navegar a un nuevo directorio:
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    ```
+
+1. Ahora ejecuta lo siguiente para crear un entorno virtual en la carpeta `.venv`:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 Necesitas llamar explícitamente a `python3` para crear el entorno virtual en caso de que tengas Python 2 instalado además de Python 3 (la última versión). Si tienes Python 2 instalado, llamar a `python` usará Python 2 en lugar de Python 3.
+
+1. Activa el entorno virtual:
+
+    * En Windows:
+        * Si estás usando el Command Prompt o el Command Prompt a través de Windows Terminal, ejecuta:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * Si estás usando PowerShell, ejecuta:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+            > Si obtienes un error sobre que los scripts están deshabilitados en este sistema, necesitarás habilitar la ejecución de scripts configurando una política de ejecución adecuada. Puedes hacerlo iniciando PowerShell como administrador y ejecutando el siguiente comando:
+
+            ```powershell
+            Set-ExecutionPolicy -ExecutionPolicy Unrestricted
+            ```
+
+            Ingresa `Y` cuando se te pida confirmar. Luego, reinicia PowerShell e intenta nuevamente.
+
+            Puedes restablecer esta política de ejecución más adelante si es necesario. Puedes leer más sobre esto en la [página de Políticas de Ejecución en Microsoft Docs](https://docs.microsoft.com/powershell/module/microsoft.powershell.core/about/about_execution_policies?WT.mc_id=academic-17441-jabenn).
+
+    * En macOS o Linux, ejecuta:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Estos comandos deben ejecutarse desde la misma ubicación donde ejecutaste el comando para crear el entorno virtual. Nunca necesitarás navegar dentro de la carpeta `.venv`; siempre debes ejecutar el comando de activación y cualquier comando para instalar paquetes o ejecutar código desde la carpeta donde creaste el entorno virtual.
+
+1. Una vez que el entorno virtual esté activado, el comando `python` por defecto ejecutará la versión de Python que se usó para crear el entorno virtual. Ejecuta lo siguiente para obtener la versión:
+
+    ```sh
+    python --version
+    ```
+
+    La salida debería contener lo siguiente:
+
+    ```output
+    (.venv) ➜  nightlight python --version
+    Python 3.9.1
+    ```
+
+    > 💁 Tu versión de Python puede ser diferente; mientras sea la versión 3.6 o superior, estás bien. Si no, elimina esta carpeta, instala una versión más reciente de Python e inténtalo nuevamente.
+
+1. Ejecuta los siguientes comandos para instalar los paquetes Pip para CounterFit. Estos paquetes incluyen la aplicación principal de CounterFit, así como adaptadores para hardware Grove. Estos adaptadores te permiten escribir código como si estuvieras programando con sensores y actuadores físicos del ecosistema Grove pero conectados a dispositivos IoT virtuales.
+
+    ```sh
+    pip install CounterFit
+    pip install counterfit-connection
+    pip install counterfit-shims-grove
+    ```
+
+    Estos paquetes Pip solo se instalarán en el entorno virtual y no estarán disponibles fuera de este.
+
+### Escribir el código
+
+Una vez que el entorno virtual de Python esté listo, puedes escribir el código para la aplicación 'Hola Mundo'.
+
+#### Tarea - escribir el código
+
+Crea una aplicación en Python para imprimir `"Hello World"` en la consola.
+
+1. Desde tu terminal o línea de comandos, ejecuta lo siguiente dentro del entorno virtual para crear un archivo Python llamado `app.py`:
+
+    * En Windows, ejecuta:
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * En macOS o Linux, ejecuta:
+
+        ```cmd
+        touch app.py
+        ```
+
+1. Abre la carpeta actual en VS Code:
+
+    ```sh
+    code .
+    ```
+
+    > 💁 Si tu terminal devuelve `command not found` en macOS, significa que VS Code no se ha agregado a tu PATH. Puedes agregar VS Code a tu PATH siguiendo las instrucciones en la [sección de Lanzamiento desde la línea de comandos de la documentación de VS Code](https://code.visualstudio.com/docs/setup/mac?WT.mc_id=academic-17441-jabenn#_launching-from-the-command-line) y luego ejecutar el comando nuevamente. VS Code se agrega a tu PATH por defecto en Windows y Linux.
+
+1. Cuando VS Code se inicie, activará el entorno virtual de Python. El entorno virtual seleccionado aparecerá en la barra de estado inferior:
+
+    ![VS Code mostrando el entorno virtual seleccionado](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.es.png)
+
+1. Si el terminal de VS Code ya está ejecutándose cuando VS Code se inicia, no tendrá el entorno virtual activado. Lo más fácil es cerrar el terminal usando el botón **Kill the active terminal instance**:
+
+    ![Botón de VS Code para cerrar la instancia activa del terminal](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.es.png)
+
+    Puedes saber si el terminal tiene el entorno virtual activado porque el nombre del entorno virtual será un prefijo en el prompt del terminal. Por ejemplo, podría ser:
+
+    ```sh
+    (.venv) ➜  nightlight
+    ```
+
+    Si no tienes `.venv` como prefijo en el prompt, el entorno virtual no está activo en el terminal.
+
+1. Inicia un nuevo terminal en VS Code seleccionando *Terminal -> New Terminal*, o presionando `` CTRL+` ``. El nuevo terminal cargará el entorno virtual y la llamada para activarlo aparecerá en el terminal. El prompt también tendrá el nombre del entorno virtual (`.venv`):
+
+    ```output
+    ➜  nightlight source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. Abre el archivo `app.py` desde el explorador de VS Code y agrega el siguiente código:
+
+    ```python
+    print('Hello World!')
+    ```
+
+    La función `print` imprime lo que se le pase en la consola.
+
+1. Desde el terminal de VS Code, ejecuta lo siguiente para ejecutar tu aplicación en Python:
+
+    ```sh
+    python app.py
+    ```
+
+    La salida será la siguiente:
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    Hello World!
+    ```
+
+😀 ¡Tu programa 'Hola Mundo' fue un éxito!
+
+### Conectar el 'hardware'
+
+Como un segundo paso de 'Hola Mundo', ejecutarás la aplicación CounterFit y conectarás tu código a ella. Esto es el equivalente virtual de conectar hardware IoT a un kit de desarrollo.
+
+#### Tarea - conectar el 'hardware'
+
+1. Desde el terminal de VS Code, inicia la aplicación CounterFit con el siguiente comando:
+
+    ```sh
+    counterfit
+    ```
+
+    La aplicación comenzará a ejecutarse y se abrirá en tu navegador web:
+
+    ![La aplicación CounterFit ejecutándose en un navegador](../../../../../translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.es.png)
+
+    Estará marcada como *Disconnected*, con el LED en la esquina superior derecha apagado.
+
+1. Agrega el siguiente código al inicio de `app.py`:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+    Este código importa la clase `CounterFitConnection` del módulo `counterfit_connection`, que proviene del paquete Pip `counterfit-connection` que instalaste anteriormente. Luego inicializa una conexión a la aplicación CounterFit que se ejecuta en `127.0.0.1`, que es una dirección IP que siempre puedes usar para acceder a tu computadora local (a menudo llamada *localhost*), en el puerto 5000.
+
+    > 💁 Si tienes otras aplicaciones ejecutándose en el puerto 5000, puedes cambiar esto actualizando el puerto en el código y ejecutando CounterFit usando `CounterFit --port <port_number>`, reemplazando `<port_number>` con el puerto que deseas usar.
+
+1. Necesitarás iniciar un nuevo terminal en VS Code seleccionando el botón **Create a new integrated terminal**. Esto se debe a que la aplicación CounterFit está ejecutándose en el terminal actual.
+
+    ![Botón de VS Code para crear un nuevo terminal integrado](../../../../../translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.es.png)
+
+1. En este nuevo terminal, ejecuta el archivo `app.py` como antes. El estado de CounterFit cambiará a **Connected** y el LED se encenderá.
+
+    ![CounterFit mostrando como conectado](../../../../../translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.es.png)
+
+> 💁 Puedes encontrar este código en la carpeta [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device).
+
+😀 ¡Tu conexión al hardware fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md b/translations/es/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
new file mode 100644
index 00000000..493e8fa8
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
@@ -0,0 +1,222 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a4f0c166010e31fd7b6ca20bc88dec6d",
+  "translation_date": "2025-08-26T15:15:03+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md",
+  "language_code": "es"
+}
+-->
+# Wio Terminal
+
+El [Wio Terminal de Seeed Studios](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) es un microcontrolador compatible con Arduino, con WiFi y algunos sensores y actuadores integrados, así como puertos para añadir más sensores y actuadores utilizando un ecosistema de hardware llamado [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html).
+
+![Un Wio Terminal de Seeed Studios](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.es.png)
+
+## Configuración
+
+Para usar tu Wio Terminal, necesitarás instalar software gratuito en tu computadora. También deberás actualizar el firmware del Wio Terminal antes de poder conectarlo a WiFi.
+
+### Tarea - configuración
+
+Instala el software necesario y actualiza el firmware.
+
+1. Instala Visual Studio Code (VS Code). Este será el editor que usarás para escribir el código de tu dispositivo en C/C++. Consulta la [documentación de VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) para obtener instrucciones sobre cómo instalar VS Code.
+
+    > 💁 Otro IDE popular para el desarrollo con Arduino es el [Arduino IDE](https://www.arduino.cc/en/software). Si ya estás familiarizado con esta herramienta, puedes usarla en lugar de VS Code y PlatformIO, pero las lecciones proporcionarán instrucciones basadas en el uso de VS Code.
+
+1. Instala la extensión PlatformIO para VS Code. Esta es una extensión para VS Code que permite programar microcontroladores en C/C++. Consulta la [documentación de la extensión PlatformIO](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=platformio.platformio-ide) para obtener instrucciones sobre cómo instalar esta extensión en VS Code. Esta extensión depende de la extensión Microsoft C/C++ para trabajar con código en C y C++, y esta última se instala automáticamente al instalar PlatformIO.
+
+1. Conecta tu Wio Terminal a tu computadora. El Wio Terminal tiene un puerto USB-C en la parte inferior, y este debe conectarse a un puerto USB de tu computadora. El Wio Terminal incluye un cable USB-C a USB-A, pero si tu computadora solo tiene puertos USB-C, necesitarás un cable USB-C o un adaptador de USB-A a USB-C.
+
+1. Sigue las instrucciones en la [documentación de configuración de WiFi del Wio Terminal Wiki](https://wiki.seeedstudio.com/Wio-Terminal-Network-Overview/) para configurar tu Wio Terminal y actualizar el firmware.
+
+## Hola Mundo
+
+Es tradicional al comenzar con un nuevo lenguaje de programación o tecnología crear una aplicación 'Hola Mundo': una pequeña aplicación que muestra algo como el texto `"Hello World"` para confirmar que todas las herramientas están configuradas correctamente.
+
+La aplicación Hola Mundo para el Wio Terminal asegurará que tienes Visual Studio Code instalado correctamente con PlatformIO y configurado para el desarrollo de microcontroladores.
+
+### Crear un proyecto PlatformIO
+
+El primer paso es crear un nuevo proyecto usando PlatformIO configurado para el Wio Terminal.
+
+#### Tarea - crear un proyecto PlatformIO
+
+Crea el proyecto PlatformIO.
+
+1. Conecta el Wio Terminal a tu computadora.
+
+1. Abre VS Code.
+
+1. El ícono de PlatformIO estará en la barra de menú lateral:
+
+    ![La opción de menú de PlatformIO](../../../../../translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.es.png)
+
+    Selecciona este ícono, luego selecciona *PIO Home -> Open*.
+
+    ![La opción de abrir PlatformIO](../../../../../translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.es.png)
+
+1. Desde la pantalla de bienvenida, selecciona el botón **+ New Project**.
+
+    ![El botón de nuevo proyecto](../../../../../translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.es.png)
+
+1. Configura el proyecto en el *Asistente de Proyecto*:
+
+    1. Nombra tu proyecto `nightlight`.
+
+    1. En el menú desplegable *Board*, escribe `WIO` para filtrar las placas y selecciona *Seeeduino Wio Terminal*.
+
+    1. Deja el *Framework* como *Arduino*.
+
+    1. Puedes dejar marcada la casilla *Use default location* o desmarcarla y seleccionar una ubicación para tu proyecto.
+
+    1. Selecciona el botón **Finish**.
+
+    ![El asistente de proyecto completado](../../../../../translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.es.png)
+
+    PlatformIO descargará los componentes necesarios para compilar el código para el Wio Terminal y creará tu proyecto. Esto puede tardar unos minutos.
+
+### Explorar el proyecto PlatformIO
+
+El explorador de VS Code mostrará varios archivos y carpetas creados por el asistente de PlatformIO.
+
+#### Carpetas
+
+* `.pio` - esta carpeta contiene datos temporales necesarios para PlatformIO, como bibliotecas o código compilado. Se recrea automáticamente si se elimina, y no necesitas añadirla al control de código fuente si compartes tu proyecto en sitios como GitHub.
+* `.vscode` - esta carpeta contiene la configuración utilizada por PlatformIO y VS Code. Se recrea automáticamente si se elimina, y no necesitas añadirla al control de código fuente si compartes tu proyecto en sitios como GitHub.
+* `include` - esta carpeta es para archivos de cabecera externos necesarios al añadir bibliotecas adicionales a tu código. No usarás esta carpeta en estas lecciones.
+* `lib` - esta carpeta es para bibliotecas externas que quieras llamar desde tu código. No usarás esta carpeta en estas lecciones.
+* `src` - esta carpeta contiene el código fuente principal de tu aplicación. Inicialmente, contendrá un único archivo: `main.cpp`.
+* `test` - esta carpeta es donde colocarías cualquier prueba unitaria para tu código.
+
+#### Archivos
+
+* `main.cpp` - este archivo en la carpeta `src` contiene el punto de entrada para tu aplicación. Ábrelo y contendrá el siguiente código:
+
+    ```cpp
+    #include <Arduino.h>
+    
+    void setup() {
+      // put your setup code here, to run once:
+    }
+    
+    void loop() {
+      // put your main code here, to run repeatedly:
+    }
+    ```
+
+    Cuando el dispositivo se inicia, el framework de Arduino ejecutará la función `setup` una vez, y luego ejecutará la función `loop` repetidamente hasta que el dispositivo se apague.
+
+* `.gitignore` - este archivo lista los archivos y directorios que deben ignorarse al añadir tu código al control de código fuente, como al subirlo a un repositorio en GitHub.
+
+* `platformio.ini` - este archivo contiene la configuración para tu dispositivo y aplicación. Ábrelo y contendrá el siguiente código:
+
+    ```ini
+    [env:seeed_wio_terminal]
+    platform = atmelsam
+    board = seeed_wio_terminal
+    framework = arduino
+    ```
+
+    La sección `[env:seeed_wio_terminal]` tiene la configuración para el Wio Terminal. Puedes tener múltiples secciones `env` para que tu código pueda compilarse para varias placas.
+
+    Los otros valores coinciden con la configuración del asistente de proyecto:
+
+  * `platform = atmelsam` define el hardware que usa el Wio Terminal (un microcontrolador basado en ATSAMD51).
+  * `board = seeed_wio_terminal` define el tipo de placa del microcontrolador (el Wio Terminal).
+  * `framework = arduino` define que este proyecto usa el framework de Arduino.
+
+### Escribir la aplicación Hola Mundo
+
+Ahora estás listo para escribir la aplicación Hola Mundo.
+
+#### Tarea - escribir la aplicación Hola Mundo
+
+Escribe la aplicación Hola Mundo.
+
+1. Abre el archivo `main.cpp` en VS Code.
+
+1. Cambia el código para que coincida con lo siguiente:
+
+    ```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);
+    }
+    ```
+
+    La función `setup` inicializa una conexión al puerto serie, en este caso, el puerto USB que se usa para conectar el Wio Terminal a tu computadora. El parámetro `9600` es la [tasa de baudios](https://wikipedia.org/wiki/Symbol_rate) (también conocida como tasa de símbolos), o la velocidad a la que se enviarán los datos por el puerto serie en bits por segundo. Esta configuración significa que se envían 9,600 bits (0s y 1s) de datos por segundo. Luego, espera a que el puerto serie esté listo.
+
+    La función `loop` envía la línea `Hello World!` al puerto serie, junto con un carácter de nueva línea. Luego, duerme durante 5,000 milisegundos o 5 segundos. Después de que termina el `loop`, se ejecuta nuevamente, y así sucesivamente mientras el microcontrolador esté encendido.
+
+1. Pon tu Wio Terminal en modo de carga. Necesitarás hacer esto cada vez que subas un nuevo código al dispositivo:
+
+    1. Baja dos veces rápidamente el interruptor de encendido; este volverá automáticamente a la posición de encendido cada vez.
+
+    1. Verifica el LED azul de estado a la derecha del puerto USB. Debería estar pulsando.
+    
+    [![Un video que muestra cómo poner el Wio Terminal en modo de carga](https://img.youtube.com/vi/LeKU_7zLRrQ/0.jpg)](https://youtu.be/LeKU_7zLRrQ)
+    
+    Haz clic en la imagen de arriba para ver un video que muestra cómo hacerlo.
+
+1. Compila y sube el código al Wio Terminal.
+
+    1. Abre el paleta de comandos de VS Code.
+
+    1. Escribe `PlatformIO Upload` para buscar la opción de carga y selecciona *PlatformIO: Upload*.
+
+        ![La opción de carga de PlatformIO en la paleta de comandos](../../../../../translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.es.png)
+
+        PlatformIO compilará automáticamente el código si es necesario antes de subirlo.
+
+    1. El código será compilado y subido al Wio Terminal.
+
+        > 💁 Si estás usando macOS, aparecerá una notificación sobre un *DISCO NO EXPULSADO CORRECTAMENTE*. Esto ocurre porque el Wio Terminal se monta como una unidad durante el proceso de carga y se desconecta cuando el código compilado se escribe en el dispositivo. Puedes ignorar esta notificación.
+
+    ⚠️ Si obtienes errores sobre que el puerto de carga no está disponible, primero asegúrate de que el Wio Terminal esté conectado a tu computadora, encendido con el interruptor en el lado izquierdo de la pantalla y en modo de carga. La luz verde en la parte inferior debería estar encendida y la luz azul debería estar pulsando. Si aún obtienes el error, baja el interruptor de encendido/apagado dos veces rápidamente nuevamente para forzar al Wio Terminal a entrar en modo de carga e intenta subir el código nuevamente.
+
+PlatformIO tiene un Monitor Serie que puede monitorear los datos enviados por el cable USB desde el Wio Terminal. Esto te permite monitorear los datos enviados por el comando `Serial.println("Hello World");`.
+
+1. Abre el paleta de comandos de VS Code.
+
+1. Escribe `PlatformIO Serial` para buscar la opción del Monitor Serie y selecciona *PlatformIO: Serial Monitor*.
+
+    ![La opción del Monitor Serie de PlatformIO en la paleta de comandos](../../../../../translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.es.png)
+
+    Se abrirá un nuevo terminal y los datos enviados por el puerto serie se transmitirán a este terminal:
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Hello World
+    Hello World
+    ```
+
+    `Hello World` se imprimirá en el monitor serie cada 5 segundos.
+
+> 💁 Puedes encontrar este código en la carpeta [code/wio-terminal](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/wio-terminal).
+
+😀 ¡Tu programa 'Hola Mundo' fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/2-deeper-dive/README.md b/translations/es/1-getting-started/lessons/2-deeper-dive/README.md
new file mode 100644
index 00000000..d459db23
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/2-deeper-dive/README.md
@@ -0,0 +1,277 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9dd7f645ad1c6f20b72fee512987f772",
+  "translation_date": "2025-08-26T15:17:51+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/README.md",
+  "language_code": "es"
+}
+-->
+# Una exploración más profunda en IoT
+
+![Un resumen visual de esta lección](../../../../../translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.es.jpg)
+
+> Resumen visual por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para verla en mayor tamaño.
+
+Esta lección fue impartida como parte de la [serie Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) del [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). La lección se presentó en 2 videos: una clase de 1 hora y una sesión de preguntas y respuestas de 1 hora para profundizar en los temas y responder dudas.
+
+[![Lección 2: Una exploración más profunda en IoT](https://img.youtube.com/vi/t0SySWw3z9M/0.jpg)](https://youtu.be/t0SySWw3z9M)
+
+[![Lección 2: Una exploración más profunda en IoT - Horas de oficina](https://img.youtube.com/vi/tTZYf9EST1E/0.jpg)](https://youtu.be/tTZYf9EST1E)
+
+> 🎥 Haz clic en las imágenes de arriba para ver los videos
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/3)
+
+## Introducción
+
+En esta lección profundizaremos en algunos de los conceptos cubiertos en la lección anterior.
+
+En esta lección veremos:
+
+* [Componentes de una aplicación IoT](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [Exploración más profunda en microcontroladores](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [Exploración más profunda en computadoras de placa única](../../../../../1-getting-started/lessons/2-deeper-dive)
+
+## Componentes de una aplicación IoT
+
+Los dos componentes principales de una aplicación IoT son el *Internet* y el *dispositivo*. Veamos estos dos componentes con más detalle.
+
+### El Dispositivo
+
+![Una Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.es.jpg)
+
+La parte del **Dispositivo** en IoT se refiere a un aparato que puede interactuar con el mundo físico. Estos dispositivos suelen ser computadoras pequeñas y de bajo costo, que funcionan a bajas velocidades y consumen poca energía. Por ejemplo, microcontroladores simples con kilobytes de RAM (en lugar de gigabytes como en una PC) que operan a solo unos cientos de megahercios (en lugar de gigahercios como en una PC), pero que a veces consumen tan poca energía que pueden funcionar durante semanas, meses o incluso años con baterías.
+
+Estos dispositivos interactúan con el mundo físico, ya sea utilizando sensores para recopilar datos de su entorno o controlando salidas o actuadores para realizar cambios físicos. Un ejemplo típico es un termostato inteligente: un dispositivo que tiene un sensor de temperatura, un medio para establecer una temperatura deseada como un dial o pantalla táctil, y una conexión a un sistema de calefacción o enfriamiento que puede encenderse cuando la temperatura detectada está fuera del rango deseado. El sensor de temperatura detecta que la habitación está demasiado fría y un actuador enciende la calefacción.
+
+![Un diagrama que muestra la temperatura y un dial como entradas a un dispositivo IoT, y el control de un calentador como salida](../../../../../translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.es.png)
+
+Existen una gran variedad de dispositivos que pueden actuar como dispositivos IoT, desde hardware dedicado que detecta una sola cosa, hasta dispositivos de propósito general, ¡incluso tu smartphone! Un smartphone puede usar sensores para detectar el mundo que lo rodea y actuadores para interactuar con él, por ejemplo, utilizando un sensor GPS para detectar tu ubicación y un altavoz para darte instrucciones de navegación hacia un destino.
+
+✅ Piensa en otros sistemas que tengas a tu alrededor que lean datos de un sensor y los utilicen para tomar decisiones. Un ejemplo sería el termostato de un horno. ¿Puedes encontrar más?
+
+### El Internet
+
+La parte del **Internet** en una aplicación IoT consiste en aplicaciones a las que el dispositivo IoT puede conectarse para enviar y recibir datos, así como otras aplicaciones que pueden procesar los datos del dispositivo IoT y ayudar a tomar decisiones sobre qué solicitudes enviar a los actuadores del dispositivo IoT.
+
+Una configuración típica sería tener algún tipo de servicio en la nube al que el dispositivo IoT se conecte, y este servicio en la nube maneja cosas como la seguridad, además de recibir mensajes del dispositivo IoT y enviar mensajes de vuelta al dispositivo. Este servicio en la nube luego se conecta a otras aplicaciones que pueden procesar o almacenar datos de sensores, o usar los datos de sensores junto con datos de otros sistemas para tomar decisiones.
+
+Los dispositivos no siempre se conectan directamente a Internet a través de WiFi o conexiones cableadas. Algunos dispositivos usan redes en malla para comunicarse entre sí mediante tecnologías como Bluetooth, conectándose a través de un dispositivo central que tiene conexión a Internet.
+
+En el ejemplo de un termostato inteligente, el termostato se conectaría usando WiFi doméstico a un servicio en la nube. Enviaría los datos de temperatura a este servicio en la nube, y desde allí se escribirían en una base de datos que permitiría al propietario verificar las temperaturas actuales y pasadas usando una aplicación en su teléfono. Otro servicio en la nube sabría qué temperatura desea el propietario y enviaría mensajes de vuelta al dispositivo IoT a través del servicio en la nube para indicarle al sistema de calefacción que se encienda o apague.
+
+![Un diagrama que muestra la temperatura y un dial como entradas a un dispositivo IoT, el dispositivo IoT con comunicación bidireccional con la nube, que a su vez tiene comunicación bidireccional con un teléfono, y el control de un calentador como salida del dispositivo IoT](../../../../../translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.es.png)
+
+Una versión aún más inteligente podría usar IA en la nube con datos de otros sensores conectados a otros dispositivos IoT, como sensores de ocupación que detectan qué habitaciones están en uso, así como datos como el clima e incluso tu calendario, para tomar decisiones sobre cómo ajustar la temperatura de manera inteligente. Por ejemplo, podría apagar la calefacción si detecta en tu calendario que estás de vacaciones, o apagar la calefacción habitación por habitación dependiendo de cuáles usas, aprendiendo de los datos para ser cada vez más preciso con el tiempo.
+
+![Un diagrama que muestra múltiples sensores de temperatura y un dial como entradas a un dispositivo IoT, el dispositivo IoT con comunicación bidireccional con la nube, que a su vez tiene comunicación bidireccional con un teléfono, un calendario y un servicio meteorológico, y el control de un calentador como salida del dispositivo IoT](../../../../../translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.es.png)
+
+✅ ¿Qué otros datos podrían ayudar a hacer un termostato conectado a Internet más inteligente?
+
+### IoT en el Borde
+
+Aunque la "I" en IoT significa Internet, estos dispositivos no siempre tienen que conectarse a Internet. En algunos casos, los dispositivos pueden conectarse a dispositivos de "borde" (edge) - dispositivos de puerta de enlace que funcionan en tu red local, lo que permite procesar datos sin necesidad de hacer una llamada a través de Internet. Esto puede ser más rápido cuando tienes una gran cantidad de datos o una conexión a Internet lenta, permite operar sin conexión donde la conectividad a Internet no es posible, como en un barco o en una zona de desastre al responder a una crisis humanitaria, y permite mantener los datos privados. Algunos dispositivos contienen código de procesamiento creado con herramientas en la nube y lo ejecutan localmente para recopilar y responder a datos sin usar una conexión a Internet para tomar decisiones.
+
+Un ejemplo de esto es un dispositivo inteligente para el hogar como un Apple HomePod, Amazon Alexa o Google Home, que escucha tu voz utilizando modelos de IA entrenados en la nube, pero que se ejecutan localmente en el dispositivo. Estos dispositivos "despiertan" cuando se pronuncia una palabra o frase específica, y solo entonces envían tu voz a través de Internet para su procesamiento. El dispositivo deja de enviar datos de voz en un momento apropiado, como cuando detecta una pausa en tu discurso. Todo lo que dices antes de despertar al dispositivo con la palabra clave, y todo lo que dices después de que el dispositivo ha dejado de escuchar, no se envía a través de Internet al proveedor del dispositivo, y por lo tanto permanece privado.
+
+✅ Piensa en otros escenarios donde la privacidad sea importante, de modo que el procesamiento de datos sería mejor realizarlo en el borde en lugar de en la nube. Como pista: piensa en dispositivos IoT con cámaras u otros dispositivos de imagen.
+
+### Seguridad en IoT
+
+Con cualquier conexión a Internet, la seguridad es una consideración importante. Existe un viejo chiste que dice que "la S en IoT significa Seguridad" - no hay una "S" en IoT, lo que implica que no es seguro.
+
+Los dispositivos IoT se conectan a un servicio en la nube, y por lo tanto son tan seguros como ese servicio en la nube. Si tu servicio en la nube permite que cualquier dispositivo se conecte, entonces se pueden enviar datos maliciosos o pueden ocurrir ataques de virus. Esto puede tener consecuencias muy reales, ya que los dispositivos IoT interactúan y controlan otros dispositivos. Por ejemplo, el [gusano Stuxnet](https://wikipedia.org/wiki/Stuxnet) manipuló válvulas en centrifugadoras para dañarlas. Los hackers también han aprovechado [la mala seguridad para acceder a monitores de bebés](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) y otros dispositivos de vigilancia en el hogar.
+
+> 💁 A veces, los dispositivos IoT y los dispositivos de borde funcionan en una red completamente aislada de Internet para mantener los datos privados y seguros. Esto se conoce como [air-gapping](https://wikipedia.org/wiki/Air_gap_(networking)).
+
+## Exploración más profunda en microcontroladores
+
+En la lección anterior, presentamos los microcontroladores. Ahora profundicemos en ellos.
+
+### CPU
+
+La CPU es el "cerebro" del microcontrolador. Es el procesador que ejecuta tu código y puede enviar y recibir datos de cualquier dispositivo conectado. Las CPUs pueden contener uno o más núcleos, que son esencialmente varias CPUs que pueden trabajar juntas para ejecutar tu código.
+
+Las CPUs dependen de un reloj que marca millones o miles de millones de veces por segundo. Cada marca, o ciclo, sincroniza las acciones que la CPU puede realizar. Con cada marca, la CPU puede ejecutar una instrucción de un programa, como recuperar datos de un dispositivo externo o realizar un cálculo matemático. Este ciclo regular permite que todas las acciones se completen antes de que se procese la siguiente instrucción.
+
+Cuanto más rápido sea el ciclo del reloj, más instrucciones se pueden procesar por segundo, y por lo tanto, más rápida será la CPU. Las velocidades de las CPUs se miden en [Hertz (Hz)](https://wikipedia.org/wiki/Hertz), una unidad estándar donde 1 Hz significa un ciclo o marca del reloj por segundo.
+
+> 🎓 Las velocidades de las CPUs a menudo se dan en MHz o GHz. 1MHz es 1 millón de Hz, 1GHz es 1 mil millones de Hz.
+
+> 💁 Las CPUs ejecutan programas utilizando el [ciclo de búsqueda-decodificación-ejecución](https://wikipedia.org/wiki/Instruction_cycle). Por cada marca del reloj, la CPU buscará la siguiente instrucción en la memoria, la decodificará y luego la ejecutará, como usar una unidad lógica aritmética (ALU) para sumar 2 números. Algunas ejecuciones tomarán varios ciclos para completarse, por lo que el siguiente ciclo se ejecutará en la siguiente marca después de que la instrucción haya terminado.
+
+![El ciclo de búsqueda-decodificación-ejecución mostrando la búsqueda de una instrucción del programa almacenado en RAM, luego decodificándola y ejecutándola en una CPU](../../../../../translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.es.png)
+
+Los microcontroladores tienen velocidades de reloj mucho más bajas que las computadoras de escritorio o portátiles, o incluso la mayoría de los smartphones. Por ejemplo, el Wio Terminal tiene una CPU que funciona a 120MHz o 120,000,000 ciclos por segundo.
+
+✅ Una PC o Mac promedio tiene una CPU con múltiples núcleos que funcionan a varios gigahercios, lo que significa que el reloj marca miles de millones de veces por segundo. Investiga la velocidad del reloj de tu computadora y compara cuántas veces es más rápida que el Wio Terminal.
+
+Cada ciclo del reloj consume energía y genera calor. Cuanto más rápidas sean las marcas, más energía se consume y más calor se genera. Las PCs tienen disipadores de calor y ventiladores para eliminar el calor, sin los cuales se sobrecalentarían y se apagarían en segundos. Los microcontroladores a menudo no tienen ninguno de estos, ya que funcionan mucho más fríos y, por lo tanto, mucho más lentos. Las PCs funcionan con energía de red o baterías grandes durante unas pocas horas, mientras que los microcontroladores pueden funcionar durante días, meses o incluso años con baterías pequeñas. Los microcontroladores también pueden tener núcleos que funcionan a diferentes velocidades, cambiando a núcleos más lentos y de bajo consumo cuando la demanda en la CPU es baja para reducir el consumo de energía.
+
+> 💁 Algunas PCs y Macs están adoptando la misma combinación de núcleos rápidos de alto rendimiento y núcleos más lentos de bajo consumo, cambiando entre ellos para ahorrar batería. Por ejemplo, el chip M1 en las últimas laptops de Apple puede alternar entre 4 núcleos de rendimiento y 4 núcleos de eficiencia para optimizar la duración de la batería o la velocidad dependiendo de la tarea que se esté ejecutando.
+
+✅ Investiga un poco: Lee sobre las CPUs en el [artículo de Wikipedia sobre CPUs](https://wikipedia.org/wiki/Central_processing_unit)
+
+#### Tarea
+
+Investiga el Wio Terminal.
+
+Si estás utilizando un Wio Terminal para estas lecciones, intenta encontrar la CPU. Busca la sección *Hardware Overview* en la [página del producto Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) para ver una imagen de los componentes internos, e intenta localizar la CPU a través de la ventana de plástico transparente en la parte trasera.
+
+### Memoria
+
+Los microcontroladores suelen tener dos tipos de memoria: memoria de programa y memoria de acceso aleatorio (RAM).
+
+La memoria de programa es no volátil, lo que significa que lo que se escribe en ella permanece incluso cuando no hay energía en el dispositivo. Esta es la memoria que almacena el código de tu programa.
+
+La RAM es la memoria utilizada por el programa para ejecutarse, conteniendo variables asignadas por tu programa y datos recopilados de periféricos. La RAM es volátil, lo que significa que cuando se corta la energía, su contenido se pierde, lo que efectivamente reinicia tu programa.
+> 🎓 La memoria del programa almacena tu código y permanece incluso cuando no hay energía.
+> 🎓 La RAM se utiliza para ejecutar tu programa y se reinicia cuando no hay energía
+
+Al igual que con la CPU, la memoria en un microcontrolador es órdenes de magnitud más pequeña que en un PC o Mac. Un PC típico podría tener 8 Gigabytes (GB) de RAM, o 8,000,000,000 bytes, con cada byte teniendo suficiente espacio para almacenar una sola letra o un número del 0 al 255. Un microcontrolador tendría solo Kilobytes (KB) de RAM, siendo un kilobyte 1,000 bytes. El Wio Terminal mencionado anteriormente tiene 192KB de RAM, o 192,000 bytes, ¡más de 40,000 veces menos que un PC promedio!
+
+El diagrama a continuación muestra la diferencia relativa de tamaño entre 192KB y 8GB: el pequeño punto en el centro representa 192KB.
+
+![Una comparación entre 192KB y 8GB - más de 40,000 veces más grande](../../../../../translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.es.png)
+
+El almacenamiento de programas también es más pequeño que en un PC. Un PC típico podría tener un disco duro de 500GB para almacenamiento de programas, mientras que un microcontrolador podría tener solo kilobytes o tal vez unos pocos megabytes (MB) de almacenamiento (1MB son 1,000KB, o 1,000,000 bytes). El Wio Terminal tiene 4MB de almacenamiento para programas.
+
+✅ Investiga un poco: ¿Cuánta RAM y almacenamiento tiene la computadora que estás usando para leer esto? ¿Cómo se compara con un microcontrolador?
+
+### Entrada/Salida
+
+Los microcontroladores necesitan conexiones de entrada y salida (I/O) para leer datos de sensores y enviar señales de control a actuadores. Generalmente contienen varios pines de entrada/salida de propósito general (GPIO). Estos pines pueden configurarse en el software como entrada (es decir, reciben una señal) o salida (envían una señal).
+
+🧠⬅️ Los pines de entrada se utilizan para leer valores de sensores.
+
+🧠➡️ Los pines de salida envían instrucciones a actuadores.
+
+✅ Aprenderás más sobre esto en una lección posterior.
+
+#### Tarea
+
+Investiga el Wio Terminal.
+
+Si estás utilizando un Wio Terminal para estas lecciones, encuentra los pines GPIO. Busca la sección *Pinout diagram* en la [página del producto Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) para aprender qué pines son cuáles. El Wio Terminal viene con una pegatina que puedes montar en la parte trasera con los números de los pines, así que colócala ahora si no lo has hecho.
+
+### Tamaño físico
+
+Los microcontroladores suelen ser pequeños en tamaño, siendo el más pequeño, un [Freescale Kinetis KL03 MCU lo suficientemente pequeño como para caber en el hoyuelo de una pelota de golf](https://www.edn.com/tiny-arm-cortex-m0-based-mcu-shrinks-package/). Solo la CPU en un PC puede medir 40mm x 40mm, y eso sin incluir los disipadores de calor y ventiladores necesarios para garantizar que la CPU pueda funcionar más de unos segundos sin sobrecalentarse, siendo sustancialmente más grande que un microcontrolador completo. El kit de desarrollo Wio Terminal con un microcontrolador, carcasa, pantalla y una gama de conexiones y componentes no es mucho más grande que una CPU Intel i9 desnuda, y sustancialmente más pequeño que la CPU con un disipador de calor y ventilador.
+
+| Dispositivo                      | Tamaño                |
+| -------------------------------- | --------------------- |
+| Freescale Kinetis KL03           | 1.6mm x 2mm x 1mm     |
+| Wio Terminal                     | 72mm x 57mm x 12mm    |
+| Intel i9 CPU, disipador y ventilador | 136mm x 145mm x 103mm |
+
+### Frameworks y sistemas operativos
+
+Debido a su baja velocidad y tamaño de memoria, los microcontroladores no ejecutan un sistema operativo (OS) en el sentido de escritorio de la palabra. El sistema operativo que hace que tu computadora funcione (Windows, Linux o macOS) necesita mucha memoria y potencia de procesamiento para ejecutar tareas que son completamente innecesarias para un microcontrolador. Recuerda que los microcontroladores suelen programarse para realizar una o más tareas muy específicas, a diferencia de una computadora de propósito general como un PC o Mac que necesita soportar una interfaz de usuario, reproducir música o películas, proporcionar herramientas para escribir documentos o código, jugar o navegar por Internet.
+
+Para programar un microcontrolador sin un OS necesitas algunas herramientas que te permitan construir tu código de una manera que el microcontrolador pueda ejecutar, utilizando APIs que puedan comunicarse con cualquier periférico. Cada microcontrolador es diferente, por lo que los fabricantes normalmente soportan frameworks estándar que te permiten seguir una 'receta' estándar para construir tu código y ejecutarlo en cualquier microcontrolador que soporte ese framework.
+
+Puedes programar microcontroladores utilizando un OS, a menudo referido como un sistema operativo en tiempo real (RTOS), ya que están diseñados para manejar el envío de datos hacia y desde periféricos en tiempo real. Estos sistemas operativos son muy ligeros y proporcionan características como:
+
+* Multitarea, permitiendo que tu código ejecute más de un bloque de código al mismo tiempo, ya sea en múltiples núcleos o turnándose en un núcleo.
+* Redes para permitir la comunicación segura a través de Internet.
+* Componentes de interfaz gráfica de usuario (GUI) para construir interfaces de usuario (UI) en dispositivos que tienen pantallas.
+
+✅ Investiga algunos RTOS diferentes: [Azure RTOS](https://azure.microsoft.com/services/rtos/?WT.mc_id=academic-17441-jabenn), [FreeRTOS](https://www.freertos.org), [Zephyr](https://www.zephyrproject.org)
+
+#### Arduino
+
+![El logo de Arduino](../../../../../images/arduino-logo.svg)
+
+[Arduino](https://www.arduino.cc) es probablemente el framework de microcontroladores más popular, especialmente entre estudiantes, aficionados y creadores. Arduino es una plataforma de electrónica de código abierto que combina software y hardware. Puedes comprar placas compatibles con Arduino de Arduino mismo o de otros fabricantes, y luego programarlas utilizando el framework Arduino.
+
+Las placas Arduino se programan en C o C++. Usar C/C++ permite que tu código se compile de manera muy compacta y se ejecute rápidamente, algo necesario en un dispositivo con recursos limitados como un microcontrolador. El núcleo de una aplicación Arduino se conoce como un sketch y es código C/C++ con 2 funciones: `setup` y `loop`. Cuando la placa se inicia, el código del framework Arduino ejecutará la función `setup` una vez, y luego ejecutará la función `loop` una y otra vez, ejecutándola continuamente hasta que se apague la energía.
+
+Escribirías tu código de configuración en la función `setup`, como conectarte a WiFi y servicios en la nube o inicializar pines para entrada y salida. Tu código de bucle estaría en la función `loop`, como leer de un sensor y enviar el valor a la nube. Normalmente incluirías un retraso en cada bucle, por ejemplo, si solo quieres que los datos del sensor se envíen cada 10 segundos, agregarías un retraso de 10 segundos al final del bucle para que el microcontrolador pueda dormir, ahorrando energía, y luego ejecutar el bucle nuevamente cuando sea necesario 10 segundos después.
+
+![Un sketch de Arduino ejecutando setup primero, luego ejecutando loop repetidamente](../../../../../translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.es.png)
+
+✅ Esta arquitectura de programa se conoce como un *bucle de eventos* o *bucle de mensajes*. Muchas aplicaciones utilizan esto en segundo plano y es el estándar para la mayoría de las aplicaciones de escritorio que se ejecutan en sistemas operativos como Windows, macOS o Linux. El `loop` escucha mensajes de componentes de la interfaz de usuario como botones o dispositivos como el teclado, y responde a ellos. Puedes leer más en este [artículo sobre el bucle de eventos](https://wikipedia.org/wiki/Event_loop).
+
+Arduino proporciona bibliotecas estándar para interactuar con microcontroladores y los pines de I/O, con diferentes implementaciones internas para ejecutarse en diferentes microcontroladores. Por ejemplo, la función [`delay`](https://www.arduino.cc/reference/en/language/functions/time/delay/) pausará el programa durante un período de tiempo dado, la función [`digitalRead`](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalread/) leerá un valor de `HIGH` o `LOW` del pin dado, independientemente de en qué placa se ejecute el código. Estas bibliotecas estándar significan que el código Arduino escrito para una placa puede recompilarse para cualquier otra placa Arduino y funcionará, suponiendo que los pines sean los mismos y las placas soporten las mismas características.
+
+Existe un gran ecosistema de bibliotecas de terceros para Arduino que te permiten agregar características adicionales a tus proyectos Arduino, como usar sensores y actuadores o conectarte a servicios IoT en la nube.
+
+##### Tarea
+
+Investiga el Wio Terminal.
+
+Si estás utilizando un Wio Terminal para estas lecciones, vuelve a leer el código que escribiste en la última lección. Encuentra las funciones `setup` y `loop`. Monitorea la salida serial para ver cómo se llama repetidamente a la función `loop`. Intenta agregar código a la función `setup` para escribir en el puerto serial y observa que este código solo se llama una vez cada vez que reinicias. Intenta reiniciar tu dispositivo con el interruptor de encendido en el lateral para mostrar que esto se llama cada vez que el dispositivo se reinicia.
+
+## Exploración más profunda de las computadoras de placa única
+
+En la última lección, introdujimos las computadoras de placa única. Ahora profundicemos en ellas.
+
+### Raspberry Pi
+
+![El logo de Raspberry Pi](../../../../../translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.es.png)
+
+La [Fundación Raspberry Pi](https://www.raspberrypi.org) es una organización benéfica del Reino Unido fundada en 2009 para promover el estudio de la informática, especialmente a nivel escolar. Como parte de esta misión, desarrollaron una computadora de placa única, llamada Raspberry Pi. Actualmente, las Raspberry Pi están disponibles en 3 variantes: una versión de tamaño completo, la más pequeña Pi Zero, y un módulo de computación que puede integrarse en tu dispositivo IoT final.
+
+![Un Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.es.jpg)
+
+La última iteración de la Raspberry Pi de tamaño completo es la Raspberry Pi 4B. Esta tiene una CPU de cuatro núcleos (4 núcleos) que funciona a 1.5GHz, 2, 4 u 8GB de RAM, ethernet gigabit, WiFi, 2 puertos HDMI que soportan pantallas 4k, un puerto de salida de audio y video compuesto, puertos USB (2 USB 2.0, 2 USB 3.0), 40 pines GPIO, un conector para cámara para un módulo de cámara Raspberry Pi, y una ranura para tarjeta SD. Todo esto en una placa que mide 88mm x 58mm x 19.5mm y se alimenta con una fuente de alimentación USB-C de 3A. Estas comienzan en US$35, mucho más baratas que un PC o Mac.
+
+> 💁 También hay una Pi400, una computadora todo en uno con una Pi4 integrada en un teclado.
+
+![Un Raspberry Pi Zero](../../../../../translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.es.jpg)
+
+El Pi Zero es mucho más pequeño y de menor potencia. Tiene una CPU de un solo núcleo a 1GHz, 512MB de RAM, WiFi (en el modelo Zero W), un solo puerto HDMI, un puerto micro-USB, 40 pines GPIO, un conector para cámara para un módulo de cámara Raspberry Pi, y una ranura para tarjeta SD. Mide 65mm x 30mm x 5mm y consume muy poca energía. El Zero cuesta US$5, mientras que la versión W con WiFi cuesta US$10.
+
+> 🎓 Las CPUs en ambos dispositivos son procesadores ARM, a diferencia de los procesadores Intel/AMD x86 o x64 que encuentras en la mayoría de los PCs y Macs. Son similares a las CPUs que encuentras en algunos microcontroladores, así como en casi todos los teléfonos móviles, el Microsoft Surface X y los nuevos Macs basados en Apple Silicon.
+
+Todas las variantes de Raspberry Pi ejecutan una versión de Debian Linux llamada Raspberry Pi OS. Está disponible en una versión ligera sin escritorio, perfecta para proyectos 'headless' donde no necesitas una pantalla, o una versión completa con un entorno de escritorio completo, con navegador web, aplicaciones de oficina, herramientas de programación y juegos. Como el sistema operativo es una versión de Debian Linux, puedes instalar cualquier aplicación o herramienta que funcione en Debian y esté construida para el procesador ARM dentro del Pi.
+
+#### Tarea
+
+Investiga el Raspberry Pi.
+
+Si estás utilizando un Raspberry Pi para estas lecciones, lee sobre los diferentes componentes de hardware en la placa.
+
+* Puedes encontrar detalles sobre los procesadores utilizados en la [página de documentación de hardware de Raspberry Pi](https://www.raspberrypi.org/documentation/hardware/raspberrypi/). Lee sobre el procesador utilizado en el Pi que estás usando.
+* Localiza los pines GPIO. Lee más sobre ellos en la [documentación GPIO de Raspberry Pi](https://www.raspberrypi.org/documentation/hardware/raspberrypi/gpio/README.md). Usa la [guía de uso de pines GPIO](https://www.raspberrypi.org/documentation/usage/gpio/README.md) para identificar los diferentes pines en tu Pi.
+
+### Programación de computadoras de placa única
+
+Las computadoras de placa única son computadoras completas que ejecutan un sistema operativo completo. Esto significa que hay una amplia gama de lenguajes de programación, frameworks y herramientas que puedes usar para programarlas, a diferencia de los microcontroladores que dependen del soporte de la placa en frameworks como Arduino. La mayoría de los lenguajes de programación tienen bibliotecas que pueden acceder a los pines GPIO para enviar y recibir datos de sensores y actuadores.
+
+✅ ¿Qué lenguajes de programación conoces? ¿Son compatibles con Linux?
+
+El lenguaje de programación más común para construir aplicaciones IoT en un Raspberry Pi es Python. Existe un enorme ecosistema de hardware diseñado para el Pi, y casi todos incluyen el código necesario para usarlos como bibliotecas de Python. Algunos de estos ecosistemas están basados en 'hats' (sombreros), llamados así porque se colocan encima del Pi como un sombrero y se conectan con un gran conector a los 40 pines GPIO. Estos hats proporcionan capacidades adicionales, como pantallas, sensores, autos controlados remotamente o adaptadores para conectar sensores con cables estandarizados.
+### Uso de computadoras de placa única en implementaciones profesionales de IoT
+
+Las computadoras de placa única se utilizan en implementaciones profesionales de IoT, no solo como kits de desarrollo. Pueden ser una forma poderosa de controlar hardware y ejecutar tareas complejas, como modelos de aprendizaje automático. Por ejemplo, existe un [módulo de cómputo Raspberry Pi 4](https://www.raspberrypi.org/blog/raspberry-pi-compute-module-4/) que ofrece toda la potencia de una Raspberry Pi 4 pero en un formato compacto y más económico, sin la mayoría de los puertos, diseñado para ser instalado en hardware personalizado.
+
+---
+
+## 🚀 Desafío
+
+El desafío de la última lección fue enumerar tantos dispositivos IoT como puedas que estén en tu hogar, escuela o lugar de trabajo. Para cada dispositivo en esta lista, ¿crees que están construidos alrededor de microcontroladores, computadoras de placa única o incluso una mezcla de ambos?
+
+## Cuestionario posterior a la lección
+
+[Cuestionario posterior a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/4)
+
+## Revisión y estudio autónomo
+
+* Lee la [guía de introducción a Arduino](https://www.arduino.cc/en/Guide/Introduction) para entender más sobre la plataforma Arduino.
+* Lee la [introducción a la Raspberry Pi 4](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/) para aprender más sobre las Raspberry Pi.
+* Aprende más sobre algunos de los conceptos y acrónimos en el artículo [¿Qué son los CPUs, MPUs, MCUs y GPUs? en la revista Electrical Engineering Journal](https://www.eejournal.com/article/what-the-faq-are-cpus-mpus-mcus-and-gpus/).
+
+✅ Utiliza estas guías, junto con los costos mostrados siguiendo los enlaces en la [guía de hardware](../../../hardware.md) para decidir qué plataforma de hardware deseas usar, o si prefieres usar un dispositivo virtual.
+
+## Tarea
+
+[Compara y contrasta microcontroladores y computadoras de placa única](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/2-deeper-dive/assignment.md b/translations/es/1-getting-started/lessons/2-deeper-dive/assignment.md
new file mode 100644
index 00000000..0ced8b07
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/2-deeper-dive/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "750bd75866471141f857240219084767",
+  "translation_date": "2025-08-26T15:19:42+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/assignment.md",
+  "language_code": "es"
+}
+-->
+# Comparar y contrastar microcontroladores y computadoras de placa única
+
+## Instrucciones
+
+Esta lección cubrió microcontroladores y computadoras de placa única. Crea una tabla comparándolos y contrastándolos, y señala al menos 2 razones por las que usarías un microcontrolador en lugar de una computadora de placa única, y al menos 2 razones por las que usarías una computadora de placa única en lugar de un microcontrolador.
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejorar |
+| --------- | -------- | -------- | ---------------- |
+| Crear una tabla comparando microcontroladores con computadoras de placa única | Creó una lista con múltiples elementos que comparan y contrastan correctamente | Creó una lista con solo un par de elementos | Solo pudo identificar un elemento, o no pudo identificar elementos para comparar y contrastar |
+| Razones para usar uno sobre el otro | Fue capaz de proporcionar 2 o más razones para los microcontroladores, y 2 o más para las computadoras de placa única | Solo pudo proporcionar 1-2 razones para un microcontrolador, y 1-2 razones para una computadora de placa única | No pudo proporcionar 1 o más razones para un microcontrolador o para una computadora de placa única |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/README.md
new file mode 100644
index 00000000..369744d5
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/README.md
@@ -0,0 +1,230 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e9ee00eb5fc55922a73762acc542166b",
+  "translation_date": "2025-08-26T15:04:04+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/README.md",
+  "language_code": "es"
+}
+-->
+# Interactúa con el mundo físico con sensores y actuadores
+
+![Una vista general de esta lección en formato sketchnote](../../../../../translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.es.jpg)
+
+> Sketchnote por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+Esta lección fue impartida como parte de la [serie Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) del [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). La lección se enseñó en 2 videos: una clase de 1 hora y una sesión de preguntas y respuestas de 1 hora para profundizar en partes de la lección y responder preguntas.
+
+[![Lección 3: Interactúa con el mundo físico con sensores y actuadores](https://img.youtube.com/vi/Lqalu1v6aF4/0.jpg)](https://youtu.be/Lqalu1v6aF4)
+
+[![Lección 3: Interactúa con el mundo físico con sensores y actuadores - Horas de oficina](https://img.youtube.com/vi/qR3ekcMlLWA/0.jpg)](https://youtu.be/qR3ekcMlLWA)
+
+> 🎥 Haz clic en las imágenes de arriba para ver los videos
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/5)
+
+## Introducción
+
+Esta lección introduce dos conceptos importantes para tu dispositivo IoT: sensores y actuadores. También trabajarás con ambos, añadiendo un sensor de luz a tu proyecto IoT y luego un LED controlado por niveles de luz, creando efectivamente una luz nocturna.
+
+En esta lección cubriremos:
+
+* [¿Qué son los sensores?](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Usar un sensor](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Tipos de sensores](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [¿Qué son los actuadores?](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Usar un actuador](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Tipos de actuadores](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+
+## ¿Qué son los sensores?
+
+Los sensores son dispositivos de hardware que detectan el mundo físico, es decir, miden una o más propiedades a su alrededor y envían la información a un dispositivo IoT. Los sensores abarcan una amplia gama de dispositivos, ya que hay muchas cosas que se pueden medir, desde propiedades naturales como la temperatura del aire hasta interacciones físicas como el movimiento.
+
+Algunos sensores comunes incluyen:
+
+* Sensores de temperatura: detectan la temperatura del aire o la temperatura de lo que están inmersos. Para aficionados y desarrolladores, a menudo se combinan con presión de aire y humedad en un solo sensor.
+* Botones: detectan cuando han sido presionados.
+* Sensores de luz: detectan niveles de luz y pueden ser para colores específicos, luz UV, luz IR o luz visible en general.
+* Cámaras: detectan una representación visual del mundo tomando una fotografía o transmitiendo video.
+* Acelerómetros: detectan movimiento en múltiples direcciones.
+* Micrófonos: detectan sonido, ya sea niveles generales de sonido o sonido direccional.
+
+✅ Investiga un poco. ¿Qué sensores tiene tu teléfono?
+
+Todos los sensores tienen algo en común: convierten lo que detectan en una señal eléctrica que puede ser interpretada por un dispositivo IoT. Cómo se interpreta esta señal eléctrica depende del sensor, así como del protocolo de comunicación utilizado para comunicarse con el dispositivo IoT.
+
+## Usar un sensor
+
+Sigue la guía correspondiente a continuación para añadir un sensor a tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-sensor.md)
+* [Computadora de placa única - Raspberry Pi](pi-sensor.md)
+* [Computadora de placa única - Dispositivo virtual](virtual-device-sensor.md)
+
+## Tipos de sensores
+
+Los sensores pueden ser analógicos o digitales.
+
+### Sensores analógicos
+
+Algunos de los sensores más básicos son analógicos. Estos sensores reciben un voltaje del dispositivo IoT, los componentes del sensor ajustan este voltaje, y el voltaje que regresa del sensor se mide para obtener el valor del sensor.
+
+> 🎓 El voltaje es una medida de cuánta fuerza hay para mover electricidad de un lugar a otro, como desde el terminal positivo de una batería al terminal negativo. Por ejemplo, una batería AA estándar es de 1.5V (V es el símbolo de voltios) y puede empujar electricidad con una fuerza de 1.5V desde su terminal positivo a su terminal negativo. Diferentes componentes eléctricos requieren diferentes voltajes para funcionar, por ejemplo, un LED puede iluminarse con entre 2-3V, pero una bombilla incandescente de 100W necesitaría 240V. Puedes leer más sobre voltaje en la [página de Voltaje en Wikipedia](https://wikipedia.org/wiki/Voltage).
+
+Un ejemplo de esto es un potenciómetro. Este es un dial que puedes girar entre dos posiciones y el sensor mide la rotación.
+
+![Un potenciómetro ajustado a un punto medio siendo enviado 5 voltios y devolviendo 3.8 voltios](../../../../../translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.es.png)
+
+El dispositivo IoT enviará una señal eléctrica al potenciómetro a un voltaje, como 5 voltios (5V). A medida que se ajusta el potenciómetro, cambia el voltaje que sale del otro lado. Imagina que tienes un potenciómetro etiquetado como un dial que va de 0 a [11](https://wikipedia.org/wiki/Up_to_eleven), como un control de volumen en un amplificador. Cuando el potenciómetro está en la posición completamente apagada (0), entonces saldrán 0V (0 voltios). Cuando está en la posición completamente encendida (11), saldrán 5V (5 voltios).
+
+> 🎓 Esto es una simplificación, y puedes leer más sobre potenciómetros y resistencias variables en la [página de Wikipedia sobre potenciómetros](https://wikipedia.org/wiki/Potentiometer).
+
+El voltaje que sale del sensor es leído por el dispositivo IoT, y el dispositivo puede responder a él. Dependiendo del sensor, este voltaje puede ser un valor arbitrario o puede mapearse a una unidad estándar. Por ejemplo, un sensor de temperatura analógico basado en un [termistor](https://wikipedia.org/wiki/Thermistor) cambia su resistencia dependiendo de la temperatura. El voltaje de salida puede luego convertirse en una temperatura en Kelvin, y correspondientemente en °C o °F, mediante cálculos en el código.
+
+✅ ¿Qué crees que sucede si el sensor devuelve un voltaje más alto del que se envió (por ejemplo, proveniente de una fuente de alimentación externa)? ⛔️ NO pruebes esto.
+
+#### Conversión de analógico a digital
+
+Los dispositivos IoT son digitales: no pueden trabajar con valores analógicos, solo trabajan con 0s y 1s. Esto significa que los valores de los sensores analógicos necesitan convertirse en una señal digital antes de que puedan ser procesados. Muchos dispositivos IoT tienen convertidores de analógico a digital (ADCs) para convertir entradas analógicas en representaciones digitales de su valor. Los sensores también pueden trabajar con ADCs a través de una placa conectora. Por ejemplo, en el ecosistema Seeed Grove con una Raspberry Pi, los sensores analógicos se conectan a puertos específicos en un 'hat' que se coloca sobre la Pi conectado a los pines GPIO de la Pi, y este hat tiene un ADC para convertir el voltaje en una señal digital que puede enviarse desde los pines GPIO de la Pi.
+
+Imagina que tienes un sensor de luz analógico conectado a un dispositivo IoT que usa 3.3V y está devolviendo un valor de 1V. Este 1V no significa nada en el mundo digital, por lo que necesita ser convertido. El voltaje será convertido a un valor analógico usando una escala dependiendo del dispositivo y sensor. Un ejemplo es el sensor de luz Seeed Grove que emite valores de 0 a 1,023. Para este sensor funcionando a 3.3V, una salida de 1V sería un valor de 300. Un dispositivo IoT no puede manejar 300 como un valor analógico, por lo que el valor sería convertido a `0000000100101100`, la representación binaria de 300 por el hat Grove. Esto luego sería procesado por el dispositivo IoT.
+
+✅ Si no conoces el sistema binario, investiga un poco para aprender cómo los números se representan con 0s y 1s. La [lección introductoria al sistema binario de BBC Bitesize](https://www.bbc.co.uk/bitesize/guides/zwsbwmn/revision/1) es un excelente lugar para comenzar.
+
+Desde una perspectiva de programación, todo esto generalmente es manejado por bibliotecas que vienen con los sensores, por lo que no necesitas preocuparte por esta conversión tú mismo. Para el sensor de luz Grove, usarías la biblioteca de Python y llamarías a la propiedad `light`, o usarías la biblioteca de Arduino y llamarías a `analogRead` para obtener un valor de 300.
+
+### Sensores digitales
+
+Los sensores digitales, al igual que los sensores analógicos, detectan el mundo que los rodea utilizando cambios en el voltaje eléctrico. La diferencia es que emiten una señal digital, ya sea midiendo solo dos estados o utilizando un ADC incorporado. Los sensores digitales son cada vez más comunes para evitar la necesidad de usar un ADC ya sea en una placa conectora o en el propio dispositivo IoT.
+
+El sensor digital más simple es un botón o interruptor. Este es un sensor con dos estados: encendido o apagado.
+
+![Un botón recibe 5 voltios. Cuando no se presiona devuelve 0 voltios, cuando se presiona devuelve 5 voltios](../../../../../translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.es.png)
+
+Los pines en dispositivos IoT como los pines GPIO pueden medir esta señal directamente como un 0 o 1. Si el voltaje enviado es el mismo que el voltaje devuelto, el valor leído es 1; de lo contrario, el valor leído es 0. No hay necesidad de convertir la señal, solo puede ser 1 o 0.
+
+> 💁 Los voltajes nunca son exactos, especialmente porque los componentes en un sensor tendrán algo de resistencia, por lo que generalmente hay una tolerancia. Por ejemplo, los pines GPIO en una Raspberry Pi funcionan con 3.3V y leen una señal de retorno por encima de 1.8V como un 1, por debajo de 1.8V como 0.
+
+* 3.3V entran al botón. El botón está apagado, por lo que salen 0V, dando un valor de 0.
+* 3.3V entran al botón. El botón está encendido, por lo que salen 3.3V, dando un valor de 1.
+
+Los sensores digitales más avanzados leen valores analógicos y luego los convierten utilizando ADCs integrados en señales digitales. Por ejemplo, un sensor de temperatura digital aún utilizará un termopar de la misma manera que un sensor analógico y aún medirá el cambio en el voltaje causado por la resistencia del termopar a la temperatura actual. En lugar de devolver un valor analógico y depender del dispositivo o placa conectora para convertirlo en una señal digital, un ADC incorporado en el sensor convertirá el valor y lo enviará como una serie de 0s y 1s al dispositivo IoT. Estos 0s y 1s se envían de la misma manera que la señal digital de un botón, con 1 siendo el voltaje completo y 0 siendo 0V.
+
+![Un sensor de temperatura digital convierte una lectura analógica en datos binarios con 0 como 0 voltios y 1 como 5 voltios antes de enviarlo a un dispositivo IoT](../../../../../translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.es.png)
+
+Enviar datos digitales permite que los sensores sean más complejos y envíen datos más detallados, incluso datos encriptados para sensores seguros. Un ejemplo es una cámara. Este es un sensor que captura una imagen y la envía como datos digitales que contienen esa imagen, generalmente en un formato comprimido como JPEG, para ser leído por el dispositivo IoT. Incluso puede transmitir video capturando imágenes y enviando ya sea el marco completo imagen por imagen o una transmisión de video comprimida.
+
+## ¿Qué son los actuadores?
+
+Los actuadores son lo opuesto a los sensores: convierten una señal eléctrica de tu dispositivo IoT en una interacción con el mundo físico, como emitir luz o sonido, o mover un motor.
+
+Algunos actuadores comunes incluyen:
+
+* LED: emiten luz cuando se encienden.
+* Altavoz: emiten sonido basado en la señal enviada, desde un simple zumbador hasta un altavoz de audio que puede reproducir música.
+* Motor paso a paso: convierten una señal en una cantidad definida de rotación, como girar un dial 90°.
+* Relé: son interruptores que pueden encenderse o apagarse mediante una señal eléctrica. Permiten que un pequeño voltaje de un dispositivo IoT encienda voltajes más grandes.
+* Pantallas: son actuadores más complejos y muestran información en una pantalla de múltiples segmentos. Las pantallas varían desde simples pantallas LED hasta monitores de video de alta resolución.
+
+✅ Investiga un poco. ¿Qué actuadores tiene tu teléfono?
+
+## Usar un actuador
+
+Sigue la guía correspondiente a continuación para añadir un actuador a tu dispositivo IoT, controlado por el sensor, para construir una luz nocturna IoT. Recogerá niveles de luz del sensor de luz y usará un actuador en forma de LED para emitir luz cuando el nivel de luz detectado sea demasiado bajo.
+
+![Un diagrama de flujo de la tarea que muestra los niveles de luz siendo leídos y verificados, y el LED siendo controlado](../../../../../translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.es.png)
+
+* [Arduino - Wio Terminal](wio-terminal-actuator.md)
+* [Computadora de placa única - Raspberry Pi](pi-actuator.md)
+* [Computadora de placa única - Dispositivo virtual](virtual-device-actuator.md)
+
+## Tipos de actuadores
+
+Al igual que los sensores, los actuadores pueden ser analógicos o digitales.
+
+### Actuadores analógicos
+
+Los actuadores analógicos toman una señal analógica y la convierten en algún tipo de interacción, donde la interacción cambia según el voltaje suministrado.
+
+Un ejemplo es una luz regulable, como las que podrías tener en tu casa. La cantidad de voltaje suministrado a la luz determina qué tan brillante es.
+![Una luz atenuada con un voltaje bajo y más brillante con un voltaje más alto](../../../../../translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.es.png)
+
+Al igual que con los sensores, el dispositivo IoT real funciona con señales digitales, no analógicas. Esto significa que, para enviar una señal analógica, el dispositivo IoT necesita un convertidor digital a analógico (DAC), ya sea directamente en el dispositivo IoT o en una placa de conexión. Esto convertirá los 0s y 1s del dispositivo IoT en un voltaje analógico que el actuador pueda usar.
+
+✅ ¿Qué crees que sucede si el dispositivo IoT envía un voltaje más alto del que el actuador puede manejar?  
+⛔️ NO pruebes esto.
+
+#### Modulación por Ancho de Pulso
+
+Otra opción para convertir señales digitales de un dispositivo IoT en una señal analógica es la modulación por ancho de pulso (PWM, por sus siglas en inglés). Esto implica enviar muchos pulsos digitales cortos que actúan como si fueran una señal analógica.
+
+Por ejemplo, puedes usar PWM para controlar la velocidad de un motor.
+
+Imagina que estás controlando un motor con un suministro de 5V. Envías un pulso corto a tu motor, cambiando el voltaje a alto (5V) durante dos centésimas de segundo (0.02s). En ese tiempo, tu motor puede girar una décima de vuelta, o 36°. Luego, la señal se detiene durante dos centésimas de segundo (0.02s), enviando una señal baja (0V). Cada ciclo de encendido y apagado dura 0.04s. El ciclo se repite.
+
+![Rotación de un motor con modulación por ancho de pulso a 150 RPM](../../../../../translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.es.png)
+
+Esto significa que en un segundo tienes 25 pulsos de 5V de 0.02s que hacen girar el motor, seguidos de 0.02s de pausa de 0V en los que el motor no gira. Cada pulso hace que el motor gire una décima de vuelta, lo que significa que el motor completa 2.5 vueltas por segundo. Has usado una señal digital para hacer girar el motor a 2.5 vueltas por segundo, o 150 [revoluciones por minuto](https://wikipedia.org/wiki/Revolutions_per_minute) (una medida no estándar de velocidad de rotación).
+
+```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
+```
+
+> 🎓 Cuando una señal PWM está activa la mitad del tiempo y desactivada la otra mitad, se le llama [ciclo de trabajo del 50%](https://wikipedia.org/wiki/Duty_cycle). Los ciclos de trabajo se miden como el porcentaje de tiempo que la señal está en estado activo en comparación con el estado inactivo.
+
+![Rotación de un motor con modulación por ancho de pulso a 75 RPM](../../../../../translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.es.png)
+
+Puedes cambiar la velocidad del motor ajustando el tamaño de los pulsos. Por ejemplo, con el mismo motor puedes mantener el mismo tiempo de ciclo de 0.04s, pero reducir el pulso activo a la mitad (0.01s) y aumentar el pulso inactivo a 0.03s. Tienes el mismo número de pulsos por segundo (25), pero cada pulso activo dura la mitad. Un pulso de la mitad de duración solo hace girar el motor una vigésima parte de una vuelta, y con 25 pulsos por segundo completará 1.25 vueltas por segundo o 75rpm. Al cambiar la duración de los pulsos de una señal digital, has reducido a la mitad la velocidad de un motor analógico.
+
+```output
+25 pulses per second x 0.05 rotations per pulse = 1.25 rotations per second
+1.25 rotations per second x 60 seconds in a minute = 75rpm
+```
+
+✅ ¿Cómo mantendrías la rotación del motor suave, especialmente a bajas velocidades? ¿Usarías un pequeño número de pulsos largos con pausas largas o muchos pulsos muy cortos con pausas muy cortas?
+
+> 💁 Algunos sensores también usan PWM para convertir señales analógicas en señales digitales.
+
+> 🎓 Puedes leer más sobre la modulación por ancho de pulso en la [página de Wikipedia sobre modulación por ancho de pulso](https://wikipedia.org/wiki/Pulse-width_modulation).
+
+### Actuadores digitales
+
+Los actuadores digitales, al igual que los sensores digitales, tienen dos estados controlados por un voltaje alto o bajo, o tienen un DAC incorporado que les permite convertir una señal digital en una analógica.
+
+Un actuador digital simple es un LED. Cuando un dispositivo envía una señal digital de 1, se envía un voltaje alto que enciende el LED. Cuando se envía una señal digital de 0, el voltaje cae a 0V y el LED se apaga.
+
+![Un LED está apagado a 0 voltios y encendido a 5V](../../../../../translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.es.png)
+
+✅ ¿Qué otros actuadores simples de dos estados se te ocurren? Un ejemplo es un solenoide, que es un electroimán que puede activarse para hacer cosas como mover un cerrojo de puerta para bloquear/desbloquear una puerta.
+
+Los actuadores digitales más avanzados, como las pantallas, requieren que los datos digitales se envíen en ciertos formatos. Por lo general, vienen con bibliotecas que facilitan el envío de los datos correctos para controlarlos.
+
+---
+
+## 🚀 Desafío
+
+El desafío en las dos últimas lecciones fue enumerar tantos dispositivos IoT como puedas que estén en tu hogar, escuela o lugar de trabajo y decidir si están construidos alrededor de microcontroladores o computadoras de placa única, o incluso una mezcla de ambos.
+
+Para cada dispositivo que enumeraste, ¿a qué sensores y actuadores están conectados? ¿Cuál es el propósito de cada sensor y actuador conectado a estos dispositivos?
+
+## Cuestionario posterior a la lección
+
+[Cuestionario posterior a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/6)
+
+## Revisión y autoestudio
+
+* Lee sobre electricidad y circuitos en [ThingLearn](http://thinglearn.jenlooper.com/curriculum/).  
+* Lee sobre los diferentes tipos de sensores de temperatura en la [guía de sensores de temperatura de Seeed Studios](https://www.seeedstudio.com/blog/2019/10/14/temperature-sensors-for-arduino-projects/).  
+* Lee sobre LEDs en la [página de Wikipedia sobre LEDs](https://wikipedia.org/wiki/Light-emitting_diode).  
+
+## Tarea
+
+[Investiga sensores y actuadores](assignment.md)  
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/3-sensors-and-actuators/assignment.md b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
new file mode 100644
index 00000000..6e202137
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c5a568320b1159394108544807895337",
+  "translation_date": "2025-08-26T15:05:22+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/assignment.md",
+  "language_code": "es"
+}
+-->
+# Investigar sensores y actuadores
+
+## Instrucciones
+
+Esta lección cubrió sensores y actuadores. Investiga y describe un sensor y un actuador que puedan usarse con un kit de desarrollo IoT, incluyendo:
+
+* Qué hace
+* La electrónica/hardware que utiliza internamente
+* Si es analógico o digital
+* Cuáles son las unidades y el rango de entradas o mediciones
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejorar |
+| --------- | --------- | -------- | ---------------- |
+| Describir un sensor | Describió un sensor incluyendo detalles para las 4 secciones mencionadas anteriormente. | Describió un sensor, pero solo pudo proporcionar detalles de 2-3 de las secciones mencionadas anteriormente. | Describió un sensor, pero solo pudo proporcionar detalles de 1 de las secciones mencionadas anteriormente. |
+| Describir un actuador | Describió un actuador incluyendo detalles para las 4 secciones mencionadas anteriormente. | Describió un actuador, pero solo pudo proporcionar detalles de 2-3 de las secciones mencionadas anteriormente. | Describió un actuador, pero solo pudo proporcionar detalles de 1 de las secciones mencionadas anteriormente. |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
new file mode 100644
index 00000000..07b456ac
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
@@ -0,0 +1,130 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4db8a3879a53490513571df2f6cf7641",
+  "translation_date": "2025-08-26T15:05:50+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md",
+  "language_code": "es"
+}
+-->
+# Construye una luz nocturna - Raspberry Pi
+
+En esta parte de la lección, agregarás un LED a tu Raspberry Pi y lo usarás para crear una luz nocturna.
+
+## Hardware
+
+La luz nocturna ahora necesita un actuador.
+
+El actuador es un **LED**, un [diodo emisor de luz](https://wikipedia.org/wiki/Diodo_emisor_de_luz) que emite luz cuando la corriente fluye a través de él. Este es un actuador digital que tiene 2 estados: encendido y apagado. Enviar un valor de 1 enciende el LED, y un valor de 0 lo apaga. El LED es un actuador externo Grove y necesita conectarse al Grove Base hat en la Raspberry Pi.
+
+La lógica de la luz nocturna en pseudocódigo es:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### Conecta el LED
+
+El LED Grove viene como un módulo con una selección de LEDs, lo que te permite elegir el color.
+
+#### Tarea - conecta el LED
+
+Conecta el LED.
+
+![Un LED Grove](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.es.png)
+
+1. Elige tu LED favorito e inserta las patas en los dos agujeros del módulo LED.
+
+    Los LEDs son diodos emisores de luz, y los diodos son dispositivos electrónicos que solo pueden conducir corriente en una dirección. Esto significa que el LED debe conectarse en la orientación correcta, de lo contrario, no funcionará.
+
+    Una de las patas del LED es el pin positivo, y la otra es el pin negativo. El LED no es perfectamente redondo y es ligeramente más plano en un lado. El lado ligeramente más plano es el pin negativo. Cuando conectes el LED al módulo, asegúrate de que la pata del lado redondeado esté conectada al enchufe marcado con **+** en el exterior del módulo, y el lado más plano esté conectado al enchufe más cercano al centro del módulo.
+
+1. El módulo LED tiene un botón giratorio que te permite controlar el brillo. Gíralo completamente hacia arriba al principio, rotándolo en sentido antihorario hasta el tope, usando un destornillador pequeño de cabeza Phillips.
+
+1. Inserta un extremo de un cable Grove en el enchufe del módulo LED. Solo encajará en una dirección.
+
+1. Con la Raspberry Pi apagada, conecta el otro extremo del cable Grove al enchufe digital marcado como **D5** en el Grove Base hat conectado a la Pi. Este enchufe es el segundo desde la izquierda, en la fila de enchufes junto a los pines GPIO.
+
+![El LED Grove conectado al enchufe D5](../../../../../translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.es.png)
+
+## Programa la luz nocturna
+
+Ahora se puede programar la luz nocturna usando el sensor de luz Grove y el LED Grove.
+
+### Tarea - programa la luz nocturna
+
+Programa la luz nocturna.
+
+1. Enciende la Raspberry Pi y espera a que arranque.
+
+1. Abre el proyecto de la luz nocturna en VS Code que creaste en la parte anterior de esta tarea, ya sea ejecutándolo directamente en la Pi o conectado usando la extensión Remote SSH.
+
+1. Agrega el siguiente código al archivo `app.py` para importar una biblioteca requerida. Esto debe añadirse al principio, debajo de las otras líneas `import`.
+
+    ```python
+    from grove.grove_led import GroveLed
+    ```
+
+    La declaración `from grove.grove_led import GroveLed` importa el `GroveLed` de las bibliotecas de Python de Grove. Esta biblioteca contiene el código para interactuar con un LED Grove.
+
+1. Agrega el siguiente código después de la declaración de `light_sensor` para crear una instancia de la clase que gestiona el LED:
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    La línea `led = GroveLed(5)` crea una instancia de la clase `GroveLed` conectada al pin **D5**, el pin digital Grove al que está conectado el LED.
+
+    > 💁 Todos los enchufes tienen números de pin únicos. Los pines 0, 2, 4 y 6 son pines analógicos, mientras que los pines 5, 16, 18, 22, 24 y 26 son pines digitales.
+
+1. Agrega una verificación dentro del bucle `while`, y antes del `time.sleep`, para comprobar los niveles de luz y encender o apagar el LED:
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    Este código verifica el valor de `light`. Si es menor que 300, llama al método `on` de la clase `GroveLed`, que envía un valor digital de 1 al LED, encendiéndolo. Si el valor de luz es mayor o igual a 300, llama al método `off`, enviando un valor digital de 0 al LED, apagándolo.
+
+    > 💁 Este código debe estar indentado al mismo nivel que la línea `print('Light level:', light)` para estar dentro del bucle while.
+
+    > 💁 Al enviar valores digitales a los actuadores, un valor de 0 es 0V, y un valor de 1 es el voltaje máximo para el dispositivo. Para la Raspberry Pi con sensores y actuadores Grove, el voltaje de 1 es 3.3V.
+
+1. Desde el Terminal de VS Code, ejecuta lo siguiente para ejecutar tu aplicación en Python:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Los valores de luz se mostrarán en la consola.
+
+    ```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. Cubre y descubre el sensor de luz. Observa cómo el LED se enciende si el nivel de luz es 300 o menos, y se apaga cuando el nivel de luz es mayor a 300.
+
+    > 💁 Si el LED no se enciende, asegúrate de que esté conectado en la orientación correcta y que el botón giratorio esté ajustado al máximo.
+
+![El LED conectado a la Pi encendiéndose y apagándose según cambian los niveles de luz](../../../../../images/pi-running-assignment-1-1.gif)
+
+> 💁 Puedes encontrar este código en la carpeta [code-actuator/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/pi).
+
+😀 ¡Tu programa de luz nocturna fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
new file mode 100644
index 00000000..a82bf2ce
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
@@ -0,0 +1,110 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ea733bd0cdf2479e082373f765a08678",
+  "translation_date": "2025-08-26T15:02:43+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md",
+  "language_code": "es"
+}
+-->
+# Construir una luz nocturna - Raspberry Pi
+
+En esta parte de la lección, agregarás un sensor de luz a tu Raspberry Pi.
+
+## Hardware
+
+El sensor para esta lección es un **sensor de luz** que utiliza un [fotodiodo](https://wikipedia.org/wiki/Photodiode) para convertir la luz en una señal eléctrica. Este es un sensor analógico que envía un valor entero de 0 a 1,000 indicando una cantidad relativa de luz que no se corresponde con ninguna unidad estándar de medida como el [lux](https://wikipedia.org/wiki/Lux).
+
+El sensor de luz es un sensor Grove externo y necesita estar conectado al Grove Base hat en la Raspberry Pi.
+
+### Conectar el sensor de luz
+
+El sensor de luz Grove que se utiliza para detectar los niveles de luz debe estar conectado a la Raspberry Pi.
+
+#### Tarea - conectar el sensor de luz
+
+Conecta el sensor de luz.
+
+![Un sensor de luz Grove](../../../../../translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.es.png)
+
+1. Inserta un extremo de un cable Grove en el conector del módulo del sensor de luz. Solo encajará de una manera.
+
+1. Con la Raspberry Pi apagada, conecta el otro extremo del cable Grove al conector analógico marcado como **A0** en el Grove Base hat conectado a la Pi. Este conector es el segundo desde la derecha, en la fila de conectores junto a los pines GPIO.
+
+![El sensor de luz Grove conectado al conector A0](../../../../../translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.es.png)
+
+## Programar el sensor de luz
+
+El dispositivo ahora puede ser programado utilizando el sensor de luz Grove.
+
+### Tarea - programar el sensor de luz
+
+Programa el dispositivo.
+
+1. Enciende la Pi y espera a que arranque.
+
+1. Abre el proyecto de luz nocturna en VS Code que creaste en la parte anterior de esta tarea, ya sea ejecutándolo directamente en la Pi o conectado mediante la extensión Remote SSH.
+
+1. Abre el archivo `app.py` y elimina todo el código que contiene.
+
+1. Agrega el siguiente código al archivo `app.py` para importar algunas bibliotecas necesarias:
+
+    ```python
+    import time
+    from grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    La declaración `import time` importa el módulo `time`, que se utilizará más adelante en esta tarea.
+
+    La declaración `from grove.grove_light_sensor_v1_2 import GroveLightSensor` importa el `GroveLightSensor` de las bibliotecas de Python Grove. Esta biblioteca contiene el código para interactuar con un sensor de luz Grove y se instaló globalmente durante la configuración de la Pi.
+
+1. Agrega el siguiente código después del código anterior para crear una instancia de la clase que gestiona el sensor de luz:
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    La línea `light_sensor = GroveLightSensor(0)` crea una instancia de la clase `GroveLightSensor` conectándose al pin **A0**, el pin analógico Grove al que está conectado el sensor de luz.
+
+1. Agrega un bucle infinito después del código anterior para consultar el valor del sensor de luz y mostrarlo en la consola:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    Esto leerá el nivel de luz actual en una escala de 0-1,023 utilizando la propiedad `light` de la clase `GroveLightSensor`. Esta propiedad lee el valor analógico del pin. Este valor se imprimirá en la consola.
+
+1. Agrega una pequeña pausa de un segundo al final del `loop`, ya que no es necesario verificar los niveles de luz continuamente. Una pausa reduce el consumo de energía del dispositivo.
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. Desde el Terminal de VS Code, ejecuta lo siguiente para ejecutar tu aplicación de Python:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Los valores de luz se mostrarán en la consola. Cubre y descubre el sensor de luz, y los valores cambiarán:
+
+    ```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
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-sensor/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/pi).
+
+😀 ¡Agregar un sensor a tu programa de luz nocturna fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
new file mode 100644
index 00000000..7d87d48c
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9c640f93263fd9adbfda920739e09feb",
+  "translation_date": "2025-08-26T15:07:19+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md",
+  "language_code": "es"
+}
+-->
+# Construir una luz nocturna - Hardware IoT Virtual
+
+En esta parte de la lección, agregarás un LED a tu dispositivo IoT virtual y lo usarás para crear una luz nocturna.
+
+## Hardware Virtual
+
+La luz nocturna necesita un actuador, creado en la aplicación CounterFit.
+
+El actuador es un **LED**. En un dispositivo IoT físico, sería un [diodo emisor de luz](https://wikipedia.org/wiki/Light-emitting_diode) que emite luz cuando la corriente fluye a través de él. Este es un actuador digital que tiene 2 estados: encendido y apagado. Enviar un valor de 1 enciende el LED, y un valor de 0 lo apaga.
+
+La lógica de la luz nocturna en pseudocódigo es:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### Agregar el actuador a CounterFit
+
+Para usar un LED virtual, necesitas agregarlo a la aplicación CounterFit.
+
+#### Tarea - agregar el actuador a CounterFit
+
+Agrega el LED a la aplicación CounterFit.
+
+1. Asegúrate de que la aplicación web CounterFit esté ejecutándose desde la parte anterior de esta tarea. Si no, iníciala y vuelve a agregar el sensor de luz.
+
+1. Crea un LED:
+
+    1. En el cuadro *Create actuator* en el panel *Actuator*, despliega el cuadro *Actuator type* y selecciona *LED*.
+
+    1. Configura el *Pin* en *5*.
+
+    1. Selecciona el botón **Add** para crear el LED en el Pin 5.
+
+    ![Configuración del LED](../../../../../translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.es.png)
+
+    El LED será creado y aparecerá en la lista de actuadores.
+
+    ![LED creado](../../../../../translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.es.png)
+
+    Una vez que el LED haya sido creado, puedes cambiar el color usando el selector *Color*. Selecciona el botón **Set** para cambiar el color después de haberlo seleccionado.
+
+### Programar la luz nocturna
+
+La luz nocturna ahora puede ser programada usando el sensor de luz y el LED de CounterFit.
+
+#### Tarea - programar la luz nocturna
+
+Programa la luz nocturna.
+
+1. Abre el proyecto de luz nocturna en VS Code que creaste en la parte anterior de esta tarea. Mata y vuelve a crear el terminal para asegurarte de que se esté ejecutando usando el entorno virtual si es necesario.
+
+1. Abre el archivo `app.py`.
+
+1. Agrega el siguiente código al archivo `app.py` para importar una biblioteca requerida. Esto debe ser agregado al principio, debajo de las otras líneas de `import`.
+
+    ```python
+    from counterfit_shims_grove.grove_led import GroveLed
+    ```
+
+    La declaración `from counterfit_shims_grove.grove_led import GroveLed` importa el `GroveLed` de las bibliotecas shim de Python de CounterFit Grove. Esta biblioteca tiene código para interactuar con un LED creado en la aplicación CounterFit.
+
+1. Agrega el siguiente código después de la declaración de `light_sensor` para crear una instancia de la clase que gestiona el LED:
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    La línea `led = GroveLed(5)` crea una instancia de la clase `GroveLed` conectándose al pin **5** - el pin de CounterFit Grove al que está conectado el LED.
+
+1. Agrega una verificación dentro del bucle `while`, y antes de `time.sleep`, para verificar los niveles de luz y encender o apagar el LED:
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    Este código verifica el valor de `light`. Si este es menor que 300, llama al método `on` de la clase `GroveLed`, que envía un valor digital de 1 al LED, encendiéndolo. Si el valor de luz es mayor o igual a 300, llama al método `off`, enviando un valor digital de 0 al LED, apagándolo.
+
+    > 💁 Este código debe estar indentado al mismo nivel que la línea `print('Light level:', light)` para estar dentro del bucle while.
+
+1. Desde el terminal de VS Code, ejecuta lo siguiente para ejecutar tu aplicación de Python:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Los valores de luz serán mostrados en la consola.
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+1. Cambia la configuración de *Value* o *Random* para variar el nivel de luz por encima y por debajo de 300. El LED se encenderá y apagará.
+
+![El LED en la aplicación CounterFit encendiéndose y apagándose a medida que cambia el nivel de luz](../../../../../images/virtual-device-running-assignment-1-1.gif)
+
+> 💁 Puedes encontrar este código en la carpeta [code-actuator/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/virtual-device).
+
+😀 ¡Tu programa de luz nocturna fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
new file mode 100644
index 00000000..91419bf2
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "11f10c6760fb8202cf368422702fdf70",
+  "translation_date": "2025-08-26T15:07:55+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md",
+  "language_code": "es"
+}
+-->
+# Construir una luz nocturna - Hardware IoT Virtual
+
+En esta parte de la lección, agregarás un sensor de luz a tu dispositivo IoT virtual.
+
+## Hardware Virtual
+
+La luz nocturna necesita un sensor, creado en la aplicación CounterFit.
+
+El sensor es un **sensor de luz**. En un dispositivo IoT físico, sería un [fotodiodo](https://wikipedia.org/wiki/Photodiode) que convierte la luz en una señal eléctrica. Los sensores de luz son sensores analógicos que envían un valor entero indicando una cantidad relativa de luz, que no se corresponde con ninguna unidad estándar de medida como el [lux](https://wikipedia.org/wiki/Lux).
+
+### Agregar los sensores a CounterFit
+
+Para usar un sensor de luz virtual, necesitas agregarlo a la aplicación CounterFit.
+
+#### Tarea - agregar los sensores a CounterFit
+
+Agrega el sensor de luz a la aplicación CounterFit.
+
+1. Asegúrate de que la aplicación web CounterFit esté ejecutándose desde la parte anterior de esta tarea. Si no, iníciala.
+
+1. Crea un sensor de luz:
+
+    1. En el cuadro *Create sensor* en el panel *Sensors*, despliega el cuadro *Sensor type* y selecciona *Light*.
+
+    1. Deja las *Units* configuradas como *NoUnits*.
+
+    1. Asegúrate de que el *Pin* esté configurado como *0*.
+
+    1. Selecciona el botón **Add** para crear el sensor de luz en el Pin 0.
+
+    ![Configuración del sensor de luz](../../../../../translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.es.png)
+
+    El sensor de luz será creado y aparecerá en la lista de sensores.
+
+    ![Sensor de luz creado](../../../../../translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.es.png)
+
+## Programar el sensor de luz
+
+El dispositivo ahora puede ser programado para usar el sensor de luz integrado.
+
+### Tarea - programar el sensor de luz
+
+Programa el dispositivo.
+
+1. Abre el proyecto de luz nocturna en VS Code que creaste en la parte anterior de esta tarea. Mata y vuelve a crear el terminal para asegurarte de que se esté ejecutando usando el entorno virtual si es necesario.
+
+1. Abre el archivo `app.py`.
+
+1. Agrega el siguiente código en la parte superior del archivo `app.py` junto con el resto de las declaraciones `import` para importar algunas bibliotecas necesarias:
+
+    ```python
+    import time
+    from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    La declaración `import time` importa el módulo `time` de Python que se usará más adelante en esta tarea.
+
+    La declaración `from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor` importa el `GroveLightSensor` de las bibliotecas Python de CounterFit Grove shim. Esta biblioteca tiene código para interactuar con un sensor de luz creado en la aplicación CounterFit.
+
+1. Agrega el siguiente código al final del archivo para crear instancias de clases que gestionan el sensor de luz:
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    La línea `light_sensor = GroveLightSensor(0)` crea una instancia de la clase `GroveLightSensor` conectándose al pin **0** - el pin de CounterFit Grove al que está conectado el sensor de luz.
+
+1. Agrega un bucle infinito después del código anterior para consultar el valor del sensor de luz y mostrarlo en la consola:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    Esto leerá el nivel de luz actual usando la propiedad `light` de la clase `GroveLightSensor`. Esta propiedad lee el valor analógico del pin. Este valor luego se imprime en la consola.
+
+1. Agrega una pequeña pausa de un segundo al final del bucle `while`, ya que no es necesario verificar los niveles de luz continuamente. Una pausa reduce el consumo de energía del dispositivo.
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. Desde el terminal de VS Code, ejecuta lo siguiente para ejecutar tu aplicación de Python:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Los valores de luz se mostrarán en la consola. Inicialmente este valor será 0.
+
+1. Desde la aplicación CounterFit, cambia el valor del sensor de luz que será leído por la aplicación. Puedes hacerlo de dos maneras:
+
+    * Ingresa un número en el cuadro *Value* del sensor de luz y luego selecciona el botón **Set**. El número que ingreses será el valor devuelto por el sensor.
+
+    * Marca la casilla *Random* y escribe un valor *Min* y *Max*, luego selecciona el botón **Set**. Cada vez que el sensor lea un valor, leerá un número aleatorio entre *Min* y *Max*.
+
+    Los valores que configures se mostrarán en la consola. Cambia el *Value* o la configuración *Random* para que el valor cambie.
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-sensor/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/virtual-device).
+
+😀 ¡Tu programa de luz nocturna fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
new file mode 100644
index 00000000..98ffa528
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "db44083b4dc6fb06eac83c4f16448940",
+  "translation_date": "2025-08-26T15:06:31+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md",
+  "language_code": "es"
+}
+-->
+# Construye una luz nocturna - Wio Terminal
+
+En esta parte de la lección, agregarás un LED a tu Wio Terminal y lo usarás para crear una luz nocturna.
+
+## Hardware
+
+La luz nocturna ahora necesita un actuador.
+
+El actuador es un **LED**, un [diodo emisor de luz](https://wikipedia.org/wiki/Light-emitting_diode) que emite luz cuando la corriente pasa a través de él. Este es un actuador digital que tiene dos estados: encendido y apagado. Enviar un valor de 1 enciende el LED, y un valor de 0 lo apaga. Este es un actuador externo Grove y necesita conectarse al Wio Terminal.
+
+La lógica de la luz nocturna en pseudocódigo es:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### Conecta el LED
+
+El Grove LED viene como un módulo con una selección de LEDs, permitiéndote elegir el color.
+
+#### Tarea - conecta el LED
+
+Conecta el LED.
+
+![Un Grove LED](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.es.png)
+
+1. Elige tu LED favorito e inserta las patas en los dos agujeros del módulo LED.
+
+    Los LEDs son diodos emisores de luz, y los diodos son dispositivos electrónicos que solo pueden conducir corriente en una dirección. Esto significa que el LED debe conectarse en la orientación correcta, de lo contrario no funcionará.
+
+    Una de las patas del LED es el pin positivo, la otra es el pin negativo. El LED no es perfectamente redondo y es ligeramente más plano en un lado. El lado más plano es el pin negativo. Cuando conectes el LED al módulo, asegúrate de que la pata del lado redondeado esté conectada al enchufe marcado con **+** en el exterior del módulo, y el lado más plano esté conectado al enchufe más cercano al centro del módulo.
+
+1. El módulo LED tiene un botón giratorio que te permite controlar el brillo. Gíralo completamente hacia arriba al principio, rotándolo en sentido antihorario hasta que no pueda girar más usando un pequeño destornillador de cabeza Phillips.
+
+1. Inserta un extremo de un cable Grove en el enchufe del módulo LED. Solo entrará en una dirección.
+
+1. Con el Wio Terminal desconectado de tu computadora u otra fuente de alimentación, conecta el otro extremo del cable Grove al enchufe Grove del lado derecho del Wio Terminal mientras miras la pantalla. Este es el enchufe más alejado del botón de encendido.
+
+    > 💁 El enchufe Grove del lado derecho puede usarse con sensores y actuadores analógicos o digitales. El enchufe del lado izquierdo es solo para sensores y actuadores digitales. C se cubrirá en una lección posterior.
+
+![El Grove LED conectado al enchufe del lado derecho](../../../../../translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.es.png)
+
+## Programa la luz nocturna
+
+La luz nocturna ahora puede programarse usando el sensor de luz incorporado y el Grove LED.
+
+### Tarea - programa la luz nocturna
+
+Programa la luz nocturna.
+
+1. Abre el proyecto de luz nocturna en VS Code que creaste en la parte anterior de esta asignación.
+
+1. Agrega la siguiente línea al final de la función `setup`:
+
+    ```cpp
+    pinMode(D0, OUTPUT);
+    ```
+
+    Esta línea configura el pin utilizado para comunicarse con el LED a través del puerto Grove.
+
+    El pin `D0` es el pin digital para el enchufe Grove del lado derecho. Este pin se configura como `OUTPUT`, lo que significa que se conecta a un actuador y se escribirán datos en el pin.
+
+1. Agrega el siguiente código inmediatamente antes del `delay` en la función loop:
+
+    ```cpp
+    if (light < 300)
+    {
+        digitalWrite(D0, HIGH);
+    }
+    else
+    {
+        digitalWrite(D0, LOW);
+    }
+    ```
+
+    Este código verifica el valor de `light`. Si es menor que 300, envía un valor `HIGH` al pin digital `D0`. Este `HIGH` es un valor de 1, encendiendo el LED. Si el valor de luz es mayor o igual a 300, se envía un valor `LOW` de 0 al pin, apagando el LED.
+
+    > 💁 Al enviar valores digitales a actuadores, un valor LOW es 0v, y un valor HIGH es el voltaje máximo para el dispositivo. Para el Wio Terminal, el voltaje HIGH es 3.3V.
+
+1. Reconecta el Wio Terminal a tu computadora y sube el nuevo código como lo hiciste antes.
+
+1. Conecta el Monitor Serial. Los valores de luz se mostrarán en el terminal.
+
+    ```output
+    > Executing task: platformio device monitor <
+
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Light value: 4
+    Light value: 5
+    Light value: 4
+    Light value: 158
+    Light value: 343
+    Light value: 348
+    Light value: 344
+    ```
+
+1. Cubre y descubre el sensor de luz. Observa cómo el LED se enciende si el nivel de luz es 300 o menos, y se apaga cuando el nivel de luz es mayor a 300.
+
+![El LED conectado al WIO encendiéndose y apagándose según cambia el nivel de luz](../../../../../images/wio-running-assignment-1-1.gif)
+
+> 💁 Puedes encontrar este código en la carpeta [code-actuator/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/wio-terminal).
+
+😀 ¡Tu programa de luz nocturna fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
new file mode 100644
index 00000000..0c06778a
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
@@ -0,0 +1,87 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7f4ad0ef54f248b85b92187c94cf9dcb",
+  "translation_date": "2025-08-26T15:08:37+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md",
+  "language_code": "es"
+}
+-->
+# Agregar un sensor - Wio Terminal
+
+En esta parte de la lección, usarás el sensor de luz en tu Wio Terminal.
+
+## Hardware
+
+El sensor para esta lección es un **sensor de luz** que utiliza un [fotodiodo](https://wikipedia.org/wiki/Photodiode) para convertir la luz en una señal eléctrica. Este es un sensor analógico que envía un valor entero de 0 a 1,023 indicando una cantidad relativa de luz que no se corresponde con ninguna unidad estándar de medida como [lux](https://wikipedia.org/wiki/Lux).
+
+El sensor de luz está integrado en el Wio Terminal y es visible a través de la ventana de plástico transparente en la parte trasera.
+
+![El sensor de luz en la parte trasera del Wio Terminal](../../../../../translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.es.png)
+
+## Programar el sensor de luz
+
+Ahora se puede programar el dispositivo para usar el sensor de luz integrado.
+
+### Tarea
+
+Programa el dispositivo.
+
+1. Abre el proyecto de luz nocturna en VS Code que creaste en la parte anterior de esta tarea.
+
+1. Agrega la siguiente línea al final de la función `setup`:
+
+    ```cpp
+    pinMode(WIO_LIGHT, INPUT);
+    ```
+
+    Esta línea configura los pines utilizados para comunicarse con el hardware del sensor.
+
+    El pin `WIO_LIGHT` es el número del pin GPIO conectado al sensor de luz integrado. Este pin se configura como `INPUT`, lo que significa que se conecta a un sensor y se leerán datos desde el pin.
+
+1. Elimina el contenido de la función `loop`.
+
+1. Agrega el siguiente código a la función `loop`, que ahora está vacía.
+
+    ```cpp
+    int light = analogRead(WIO_LIGHT);
+    Serial.print("Light value: ");
+    Serial.println(light);
+    ```
+
+    Este código lee un valor analógico del pin `WIO_LIGHT`. Esto lee un valor de 0-1,023 del sensor de luz integrado. Este valor luego se envía al puerto serial para que puedas leerlo en el Monitor Serial cuando este código esté en ejecución. `Serial.print` escribe el texto sin un salto de línea al final, por lo que cada línea comenzará con `Light value:` y terminará con el valor real de luz.
+
+1. Agrega un pequeño retraso de un segundo (1,000ms) al final del `loop`, ya que no es necesario verificar los niveles de luz de manera continua. Un retraso reduce el consumo de energía del dispositivo.
+
+    ```cpp
+    delay(1000);
+    ```
+
+1. Reconecta el Wio Terminal a tu computadora y sube el nuevo código como lo hiciste antes.
+
+1. Conecta el Monitor Serial. Los valores de luz se mostrarán en el terminal. Cubre y descubre el sensor de luz en la parte trasera del Wio Terminal, y los valores cambiarán.
+
+    ```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
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-sensor/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/wio-terminal).
+
+😀 ¡Agregar un sensor a tu programa de luz nocturna fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/4-connect-internet/README.md b/translations/es/1-getting-started/lessons/4-connect-internet/README.md
new file mode 100644
index 00000000..188c1139
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/4-connect-internet/README.md
@@ -0,0 +1,466 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "71b5040e0b3472f1c0949c9b55f224c0",
+  "translation_date": "2025-08-26T14:58:33+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/README.md",
+  "language_code": "es"
+}
+-->
+# Conecta tu dispositivo a Internet
+
+![Un resumen visual de esta lección](../../../../../translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.es.jpg)
+
+> Resumen visual por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para verla en tamaño completo.
+
+Esta lección fue impartida como parte de la serie [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) del [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). La lección se presentó en 2 videos: una clase de 1 hora y una sesión de preguntas y respuestas de 1 hora para profundizar en partes de la lección y responder preguntas.
+
+[![Lección 4: Conecta tu dispositivo a Internet](https://img.youtube.com/vi/O4dd172mZhs/0.jpg)](https://youtu.be/O4dd172mZhs)
+
+[![Lección 4: Conecta tu dispositivo a Internet - Sesión de preguntas](https://img.youtube.com/vi/j-cVCzRDE2Q/0.jpg)](https://youtu.be/j-cVCzRDE2Q)
+
+> 🎥 Haz clic en las imágenes de arriba para ver los videos
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/7)
+
+## Introducción
+
+La **I** en IoT significa **Internet**: la conectividad en la nube y los servicios que habilitan muchas de las funciones de los dispositivos IoT, desde recopilar mediciones de los sensores conectados al dispositivo hasta enviar mensajes para controlar los actuadores. Los dispositivos IoT suelen conectarse a un único servicio IoT en la nube utilizando un protocolo de comunicación estándar, y ese servicio está conectado al resto de tu aplicación IoT, desde servicios de inteligencia artificial para tomar decisiones inteligentes basadas en tus datos, hasta aplicaciones web para control o generación de informes.
+
+> 🎓 Los datos recopilados de los sensores y enviados a la nube se llaman telemetría.
+
+Los dispositivos IoT pueden recibir mensajes desde la nube. A menudo, estos mensajes contienen comandos, es decir, instrucciones para realizar una acción, ya sea internamente (como reiniciar o actualizar el firmware) o utilizando un actuador (como encender una luz).
+
+Esta lección introduce algunos de los protocolos de comunicación que los dispositivos IoT pueden usar para conectarse a la nube y los tipos de datos que podrían enviar o recibir. También tendrás la oportunidad de trabajar con ellos, añadiendo control por Internet a tu luz nocturna y moviendo la lógica de control del LED al código 'servidor' que se ejecuta localmente.
+
+En esta lección cubriremos:
+
+* [Protocolos de comunicación](../../../../../1-getting-started/lessons/4-connect-internet)
+* [Transporte de Telemetría en Cola de Mensajes (MQTT)](../../../../../1-getting-started/lessons/4-connect-internet)
+* [Telemetría](../../../../../1-getting-started/lessons/4-connect-internet)
+* [Comandos](../../../../../1-getting-started/lessons/4-connect-internet)
+
+## Protocolos de comunicación
+
+Existen varios protocolos de comunicación populares que los dispositivos IoT utilizan para comunicarse con Internet. Los más comunes se basan en la mensajería de publicación/suscripción a través de algún tipo de intermediario. Los dispositivos IoT se conectan al intermediario, publican telemetría y se suscriben a comandos. Los servicios en la nube también se conectan al intermediario, se suscriben a todos los mensajes de telemetría y publican comandos, ya sea para dispositivos específicos o para grupos de dispositivos.
+
+![Los dispositivos IoT se conectan a un intermediario, publican telemetría y se suscriben a comandos. Los servicios en la nube se conectan al intermediario, se suscriben a toda la telemetría y envían comandos a dispositivos específicos.](../../../../../translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.es.png)
+
+MQTT es el protocolo de comunicación más popular para dispositivos IoT y se cubre en esta lección. Otros protocolos incluyen AMQP y HTTP/HTTPS.
+
+## Transporte de Telemetría en Cola de Mensajes (MQTT)
+
+[MQTT](http://mqtt.org) es un protocolo de mensajería ligero y de estándar abierto que puede enviar mensajes entre dispositivos. Fue diseñado en 1999 para monitorear oleoductos, antes de ser liberado como estándar abierto 15 años después por IBM.
+
+MQTT tiene un único intermediario y múltiples clientes. Todos los clientes se conectan al intermediario, y este enruta los mensajes a los clientes relevantes. Los mensajes se enrutan utilizando temas nombrados, en lugar de enviarse directamente a un cliente individual. Un cliente puede publicar en un tema, y cualquier cliente que se suscriba a ese tema recibirá el mensaje.
+
+![Dispositivo IoT publicando telemetría en el tema /telemetry, y el servicio en la nube suscribiéndose a ese tema](../../../../../translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.es.png)
+
+✅ Investiga. Si tienes muchos dispositivos IoT, ¿cómo puedes asegurarte de que tu intermediario MQTT pueda manejar todos los mensajes?
+
+### Conecta tu dispositivo IoT a MQTT
+
+La primera parte para añadir control por Internet a tu luz nocturna es conectarla a un intermediario MQTT.
+
+#### Tarea
+
+Conecta tu dispositivo a un intermediario MQTT.
+
+En esta parte de la lección, conectarás tu luz nocturna IoT a Internet para permitir que sea controlada de forma remota. Más adelante en esta lección, tu dispositivo IoT enviará un mensaje de telemetría a través de MQTT a un intermediario MQTT público con el nivel de luz, donde será recogido por un código de servidor que escribirás. Este código verificará el nivel de luz y enviará un mensaje de comando de vuelta al dispositivo indicándole que encienda o apague el LED.
+
+El caso de uso real para una configuración como esta podría ser recopilar datos de múltiples sensores de luz antes de decidir encender las luces en un lugar con muchas luces, como un estadio. Esto podría evitar que las luces se enciendan si solo un sensor está cubierto por nubes o un pájaro, pero los otros sensores detectan suficiente luz.
+
+✅ ¿Qué otras situaciones requerirían evaluar datos de múltiples sensores antes de enviar comandos?
+
+En lugar de lidiar con las complejidades de configurar un intermediario MQTT como parte de esta tarea, puedes usar un servidor de prueba público que ejecuta [Eclipse Mosquitto](https://www.mosquitto.org), un intermediario MQTT de código abierto. Este intermediario de prueba está disponible públicamente en [test.mosquitto.org](https://test.mosquitto.org) y no requiere configurar una cuenta, lo que lo convierte en una excelente herramienta para probar clientes y servidores MQTT.
+
+> 💁 Este intermediario de prueba es público y no seguro. Cualquiera podría estar escuchando lo que publicas, por lo que no debe usarse con datos que necesiten mantenerse privados.
+
+![Un diagrama de flujo de la tarea mostrando los niveles de luz siendo leídos y verificados, y el LED siendo controlado](../../../../../translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.es.png)
+
+Sigue el paso relevante a continuación para conectar tu dispositivo al intermediario MQTT:
+
+* [Arduino - Wio Terminal](wio-terminal-mqtt.md)
+* [Computadora de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-mqtt.md)
+
+### Una mirada más profunda a MQTT
+
+Los temas pueden tener una jerarquía, y los clientes pueden suscribirse a diferentes niveles de la jerarquía utilizando comodines. Por ejemplo, puedes enviar mensajes de telemetría de temperatura al tema `/telemetry/temperature` y mensajes de humedad al tema `/telemetry/humidity`, luego en tu aplicación en la nube suscribirte al tema `/telemetry/*` para recibir tanto los mensajes de telemetría de temperatura como los de humedad.
+
+Los mensajes pueden enviarse con una calidad de servicio (QoS), que determina la garantía de que el mensaje sea recibido.
+
+* Una vez como máximo: el mensaje se envía solo una vez y el cliente y el intermediario no toman medidas adicionales para confirmar la entrega (enviar y olvidar).
+* Al menos una vez: el mensaje se reintenta varias veces por el remitente hasta que se recibe una confirmación (entrega confirmada).
+* Exactamente una vez: el remitente y el receptor realizan un proceso de dos niveles para garantizar que solo se reciba una copia del mensaje (entrega asegurada).
+
+✅ ¿Qué situaciones podrían requerir un mensaje de entrega asegurada en lugar de un mensaje de enviar y olvidar?
+
+Aunque el nombre es Transporte de Telemetría en Cola de Mensajes (MQTT), en realidad no admite colas de mensajes. Esto significa que si un cliente se desconecta y luego se vuelve a conectar, no recibirá mensajes enviados durante la desconexión, excepto aquellos mensajes que ya había comenzado a procesar utilizando el proceso de QoS. Los mensajes pueden tener una bandera de retención configurada. Si esta está configurada, el intermediario MQTT almacenará el último mensaje enviado en un tema con esta bandera y lo enviará a cualquier cliente que se suscriba posteriormente al tema. De esta manera, los clientes siempre recibirán el último mensaje.
+
+MQTT también admite una función de mantener vivo que verifica si la conexión sigue activa durante largos intervalos entre mensajes.
+
+> 🦟 [Mosquitto de la Fundación Eclipse](https://mosquitto.org) tiene un intermediario MQTT gratuito que puedes ejecutar tú mismo para experimentar con MQTT, junto con un intermediario MQTT público que puedes usar para probar tu código, alojado en [test.mosquitto.org](https://test.mosquitto.org).
+
+Las conexiones MQTT pueden ser públicas y abiertas, o encriptadas y seguras utilizando nombres de usuario y contraseñas, o certificados.
+
+> 💁 MQTT se comunica sobre TCP/IP, el mismo protocolo de red subyacente que HTTP, pero en un puerto diferente. También puedes usar MQTT sobre websockets para comunicarte con aplicaciones web que se ejecutan en un navegador, o en situaciones donde los firewalls u otras reglas de red bloquean las conexiones MQTT estándar.
+
+## Telemetría
+
+La palabra telemetría proviene de raíces griegas que significan medir de forma remota. La telemetría es el acto de recopilar datos de sensores y enviarlos a la nube.
+
+> 💁 Uno de los primeros dispositivos de telemetría fue inventado en Francia en 1874 y enviaba datos en tiempo real sobre el clima y la profundidad de la nieve desde Mont Blanc a París. Utilizaba cables físicos, ya que las tecnologías inalámbricas no estaban disponibles en ese momento.
+
+Volvamos al ejemplo del termostato inteligente de la Lección 1.
+
+![Un termostato conectado a Internet utilizando múltiples sensores de habitación](../../../../../translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.es.png)
+
+El termostato tiene sensores de temperatura para recopilar telemetría. Lo más probable es que tenga un sensor de temperatura incorporado, y podría conectarse a múltiples sensores de temperatura externos a través de un protocolo inalámbrico como [Bluetooth Low Energy](https://wikipedia.org/wiki/Bluetooth_Low_Energy) (BLE).
+
+Un ejemplo de los datos de telemetría que enviaría podría ser:
+
+| Nombre | Valor | Descripción |
+| ------ | ----- | ----------- |
+| `thermostat_temperature` | 18°C | La temperatura medida por el sensor de temperatura incorporado del termostato |
+| `livingroom_temperature` | 19°C | La temperatura medida por un sensor de temperatura remoto que ha sido nombrado `livingroom` para identificar la habitación en la que se encuentra |
+| `bedroom_temperature` | 21°C | La temperatura medida por un sensor de temperatura remoto que ha sido nombrado `bedroom` para identificar la habitación en la que se encuentra |
+
+El servicio en la nube puede usar estos datos de telemetría para tomar decisiones sobre qué comandos enviar para controlar la calefacción.
+
+### Envía telemetría desde tu dispositivo IoT
+
+La siguiente parte para añadir control por Internet a tu luz nocturna es enviar la telemetría del nivel de luz al intermediario MQTT en un tema de telemetría.
+
+#### Tarea - envía telemetría desde tu dispositivo IoT
+
+Envía telemetría del nivel de luz al intermediario MQTT.
+
+Los datos se envían codificados como JSON, abreviatura de JavaScript Object Notation, un estándar para codificar datos en texto utilizando pares clave/valor.
+
+✅ Si no has trabajado con JSON antes, puedes aprender más sobre él en la [documentación de JSON.org](https://www.json.org/).
+
+Sigue el paso relevante a continuación para enviar telemetría desde tu dispositivo al intermediario MQTT:
+
+* [Arduino - Wio Terminal](wio-terminal-telemetry.md)
+* [Computadora de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-telemetry.md)
+
+### Recibe telemetría del intermediario MQTT
+
+No tiene sentido enviar telemetría si no hay nada en el otro extremo para escucharla. La telemetría del nivel de luz necesita algo que la escuche para procesar los datos. Este código 'servidor' es el tipo de código que implementarás en un servicio en la nube como parte de una aplicación IoT más grande, pero aquí vas a ejecutar este código localmente en tu computadora (o en tu Pi si estás programando directamente allí). El código del servidor consiste en una aplicación Python que escucha mensajes de telemetría a través de MQTT con niveles de luz. Más adelante en esta lección, harás que responda con un mensaje de comando con instrucciones para encender o apagar el LED.
+
+✅ Investiga: ¿Qué sucede con los mensajes MQTT si no hay un receptor?
+
+#### Instala Python y VS Code
+
+Si no tienes Python y VS Code instalados localmente, necesitarás instalarlos ambos para programar el servidor. Si estás utilizando un dispositivo IoT virtual o estás trabajando en tu Raspberry Pi, puedes omitir este paso, ya que deberías tener esto instalado y configurado.
+
+##### Tarea - instala Python y VS Code
+
+Instala Python y VS Code.
+
+1. Instala Python. Consulta la [página de descargas de Python](https://www.python.org/downloads/) para obtener instrucciones sobre cómo instalar la última versión de Python.
+
+1. Instala Visual Studio Code (VS Code). Este es el editor que usarás para escribir tu código de dispositivo virtual en Python. Consulta la [documentación de VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) para obtener instrucciones sobre cómo instalar VS Code.
+💁 Eres libre de usar cualquier IDE o editor de Python para estas lecciones si tienes una herramienta preferida, pero las lecciones darán instrucciones basadas en el uso de VS Code.
+1. Instala la extensión Pylance de VS Code. Esta es una extensión para VS Code que proporciona soporte para el lenguaje Python. Consulta la [documentación de la extensión Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) para obtener instrucciones sobre cómo instalar esta extensión en VS Code.
+
+#### Configura un entorno virtual de Python
+
+Una de las características más potentes de Python es la capacidad de instalar [paquetes pip](https://pypi.org), que son paquetes de código escritos por otras personas y publicados en Internet. Puedes instalar un paquete pip en tu computadora con un solo comando y luego usar ese paquete en tu código. Usarás pip para instalar un paquete que permita la comunicación a través de MQTT.
+
+Por defecto, cuando instalas un paquete, este está disponible en toda tu computadora, lo que puede generar problemas con las versiones de los paquetes, como que una aplicación dependa de una versión específica de un paquete que se rompe al instalar una nueva versión para otra aplicación. Para evitar este problema, puedes usar un [entorno virtual de Python](https://docs.python.org/3/library/venv.html), que es esencialmente una copia de Python en una carpeta dedicada. Cuando instalas paquetes pip, estos se instalan solo en esa carpeta.
+
+##### Tarea - Configura un entorno virtual de Python
+
+Configura un entorno virtual de Python e instala los paquetes pip para MQTT.
+
+1. Desde tu terminal o línea de comandos, ejecuta lo siguiente en una ubicación de tu elección para crear y navegar a un nuevo directorio:
+
+    ```sh
+    mkdir nightlight-server
+    cd nightlight-server
+    ```
+
+1. Ahora ejecuta lo siguiente para crear un entorno virtual en la carpeta `.venv`:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 Debes llamar explícitamente a `python3` para crear el entorno virtual en caso de que tengas Python 2 instalado además de Python 3 (la última versión). Si tienes Python 2 instalado, al llamar a `python` se usará Python 2 en lugar de Python 3.
+
+1. Activa el entorno virtual:
+
+    * En Windows:
+        * Si estás usando el Command Prompt o el Command Prompt a través de Windows Terminal, ejecuta:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * Si estás usando PowerShell, ejecuta:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * En macOS o Linux, ejecuta:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Estos comandos deben ejecutarse desde la misma ubicación donde ejecutaste el comando para crear el entorno virtual. Nunca necesitarás navegar dentro de la carpeta `.venv`; siempre debes ejecutar el comando de activación y cualquier comando para instalar paquetes o ejecutar código desde la carpeta en la que estabas cuando creaste el entorno virtual.
+
+1. Una vez que el entorno virtual esté activado, el comando `python` por defecto ejecutará la versión de Python que se usó para crear el entorno virtual. Ejecuta lo siguiente para obtener la versión:
+
+    ```sh
+    python --version
+    ```
+
+    La salida será similar a la siguiente:
+
+    ```output
+    (.venv) ➜  nightlight-server python --version
+    Python 3.9.1
+    ```
+
+    > 💁 Tu versión de Python puede ser diferente; mientras sea la versión 3.6 o superior, está bien. Si no, elimina esta carpeta, instala una versión más reciente de Python e inténtalo de nuevo.
+
+1. Ejecuta los siguientes comandos para instalar el paquete pip para [Paho-MQTT](https://pypi.org/project/paho-mqtt/), una biblioteca popular de MQTT.
+
+    ```sh
+    pip install paho-mqtt
+    ```
+
+    Este paquete pip solo se instalará en el entorno virtual y no estará disponible fuera de este.
+
+#### Escribe el código del servidor
+
+Ahora se puede escribir el código del servidor en Python.
+
+##### Tarea - Escribe el código del servidor
+
+Escribe el código del servidor.
+
+1. Desde tu terminal o línea de comandos, ejecuta lo siguiente dentro del entorno virtual para crear un archivo Python llamado `app.py`:
+
+    * En Windows, ejecuta:
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * En macOS o Linux, ejecuta:
+
+        ```cmd
+        touch app.py
+        ```
+
+1. Abre la carpeta actual en VS Code:
+
+    ```sh
+    code .
+    ```
+
+1. Cuando VS Code se inicie, activará el entorno virtual de Python. Esto se mostrará en la barra de estado inferior:
+
+    ![VS Code mostrando el entorno virtual seleccionado](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.es.png)
+
+1. Si el terminal de VS Code ya está ejecutándose cuando VS Code se inicia, no tendrá el entorno virtual activado. Lo más fácil es cerrar el terminal usando el botón **Kill the active terminal instance**:
+
+    ![Botón de cerrar terminal activo en VS Code](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.es.png)
+
+1. Lanza un nuevo terminal en VS Code seleccionando *Terminal -> New Terminal*, o presionando `` CTRL+` ``. El nuevo terminal cargará el entorno virtual, con la llamada para activarlo apareciendo en el terminal. El nombre del entorno virtual (`.venv`) también estará en el prompt:
+
+    ```output
+    ➜  nightlight-server source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. Abre el archivo `app.py` desde el explorador de VS Code y agrega el siguiente código:
+
+    ```python
+    import json
+    import time
+    
+    import paho.mqtt.client as mqtt
+    
+    id = '<ID>'
+    
+    client_telemetry_topic = id + '/telemetry'
+    client_name = id + 'nightlight_server'
+    
+    mqtt_client = mqtt.Client(client_name)
+    mqtt_client.connect('test.mosquitto.org')
+    
+    mqtt_client.loop_start()
+    
+    def handle_telemetry(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+    mqtt_client.subscribe(client_telemetry_topic)
+    mqtt_client.on_message = handle_telemetry
+    
+    while True:
+        time.sleep(2)
+    ```
+
+    Reemplaza `<ID>` en la línea 6 con el ID único que usaste al crear el código de tu dispositivo.
+
+    ⚠️ Este **debe** ser el mismo ID que usaste en tu dispositivo, o el código del servidor no se suscribirá ni publicará en el tema correcto.
+
+    Este código crea un cliente MQTT con un nombre único y se conecta al broker *test.mosquitto.org*. Luego inicia un bucle de procesamiento que se ejecuta en un hilo en segundo plano escuchando mensajes en cualquier tema suscrito.
+
+    El cliente se suscribe a mensajes en el tema de telemetría y define una función que se llama cuando se recibe un mensaje. Cuando se recibe un mensaje de telemetría, se llama a la función `handle_telemetry`, que imprime el mensaje recibido en la consola.
+
+    Finalmente, un bucle infinito mantiene la aplicación en ejecución. El cliente MQTT está escuchando mensajes en un hilo en segundo plano y funciona todo el tiempo que la aplicación principal esté en ejecución.
+
+1. Desde el terminal de VS Code, ejecuta lo siguiente para ejecutar tu aplicación Python:
+
+    ```sh
+    python app.py
+    ```
+
+    La aplicación comenzará a escuchar mensajes del dispositivo IoT.
+
+1. Asegúrate de que tu dispositivo esté funcionando y enviando mensajes de telemetría. Ajusta los niveles de luz detectados por tu dispositivo físico o virtual. Los mensajes recibidos se imprimirán en el terminal.
+
+    ```output
+    (.venv) ➜  nightlight-server python app.py
+    Message received: {'light': 0}
+    Message received: {'light': 400}
+    ```
+
+    El archivo `app.py` en el entorno virtual del nightlight debe estar ejecutándose para que el archivo `app.py` en el entorno virtual del nightlight-server reciba los mensajes enviados.
+
+> 💁 Puedes encontrar este código en la carpeta [code-server/server](../../../../../1-getting-started/lessons/4-connect-internet/code-server/server).
+
+### ¿Con qué frecuencia se debe enviar telemetría?
+
+Una consideración importante con la telemetría es con qué frecuencia medir y enviar los datos. La respuesta es: depende. Si mides con frecuencia, puedes responder más rápido a los cambios en las mediciones, pero usas más energía, más ancho de banda, generas más datos y necesitas más recursos en la nube para procesarlos. Debes medir con la frecuencia suficiente, pero no demasiado.
+
+Para un termostato, medir cada pocos minutos probablemente sea más que suficiente, ya que las temperaturas no cambian tan rápido. Si solo mides una vez al día, podrías terminar calentando tu casa para temperaturas nocturnas en medio de un día soleado, mientras que si mides cada segundo tendrás miles de mediciones de temperatura innecesariamente duplicadas que consumirán la velocidad y el ancho de banda de Internet del usuario (un problema para personas con planes de ancho de banda limitado), usarán más energía, lo que puede ser un problema para dispositivos alimentados por batería como sensores remotos, y aumentarán el costo de los recursos de computación en la nube del proveedor para procesarlos y almacenarlos.
+
+Si estás monitoreando datos de una máquina en una fábrica que, si falla, podría causar daños catastróficos y millones de dólares en pérdidas, entonces medir varias veces por segundo podría ser necesario. Es mejor desperdiciar ancho de banda que perder telemetría que indique que una máquina necesita detenerse y repararse antes de que se rompa.
+
+> 💁 En esta situación, podrías considerar tener un dispositivo de borde para procesar primero la telemetría y reducir la dependencia de Internet.
+
+### Pérdida de conectividad
+
+Las conexiones a Internet pueden ser poco confiables, con cortes comunes. ¿Qué debería hacer un dispositivo IoT en estas circunstancias: perder los datos o almacenarlos hasta que se restablezca la conectividad? Nuevamente, la respuesta es: depende.
+
+Para un termostato, los datos probablemente puedan perderse tan pronto como se tome una nueva medición de temperatura. Al sistema de calefacción no le importa que hace 20 minutos la temperatura fuera de 20.5°C si ahora es de 19°C; es la temperatura actual la que determina si la calefacción debe estar encendida o apagada.
+
+Para maquinaria, podrías querer conservar los datos, especialmente si se usan para buscar tendencias. Hay modelos de aprendizaje automático que pueden detectar anomalías en flujos de datos observando datos de un período de tiempo definido (como la última hora) y detectando datos anómalos. Esto se usa a menudo para mantenimiento predictivo, buscando indicios de que algo podría romperse pronto para que puedas repararlo o reemplazarlo antes de que eso ocurra. Podrías querer que se envíe cada bit de telemetría de una máquina para que pueda procesarse para la detección de anomalías, por lo que una vez que el dispositivo IoT pueda reconectarse, enviará toda la telemetría generada durante el corte de Internet.
+
+Los diseñadores de dispositivos IoT también deberían considerar si el dispositivo IoT puede usarse durante un corte de Internet o pérdida de señal causada por la ubicación. Un termostato inteligente debería poder tomar algunas decisiones limitadas para controlar la calefacción si no puede enviar telemetría a la nube debido a un corte.
+
+[![Este Ferrari quedó inutilizado porque alguien intentó actualizarlo bajo tierra donde no hay recepción celular](../../../../../translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.es.png)](https://twitter.com/internetofshit/status/1315736960082808832)
+
+Para que MQTT maneje una pérdida de conectividad, el código del dispositivo y del servidor deberá ser responsable de garantizar la entrega de mensajes si es necesario, por ejemplo, exigiendo que todos los mensajes enviados sean respondidos con mensajes adicionales en un tema de respuesta, y si no lo son, se coloquen en cola manualmente para reproducirlos más tarde.
+
+## Comandos
+
+Los comandos son mensajes enviados desde la nube a un dispositivo, instruyéndolo para que haga algo. La mayoría de las veces esto implica dar algún tipo de salida a través de un actuador, pero también puede ser una instrucción para el propio dispositivo, como reiniciarse o recopilar telemetría adicional y devolverla como respuesta al comando.
+
+![Un termostato conectado a Internet recibiendo un comando para encender la calefacción](../../../../../translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.es.png)
+
+Un termostato podría recibir un comando desde la nube para encender la calefacción. Basándose en los datos de telemetría de todos los sensores, si el servicio en la nube ha decidido que la calefacción debe estar encendida, enviará el comando correspondiente.
+
+### Enviar comandos al broker MQTT
+
+El siguiente paso para nuestra luz nocturna controlada por Internet es que el código del servidor envíe un comando de vuelta al dispositivo IoT para controlar la luz según los niveles de luz que detecte.
+
+1. Abre el código del servidor en VS Code.
+
+1. Agrega la siguiente línea después de la declaración de `client_telemetry_topic` para definir en qué tema enviar comandos:
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+1. Agrega el siguiente código al final de la función `handle_telemetry`:
+
+    ```python
+    command = { 'led_on' : payload['light'] < 300 }
+    print("Sending message:", command)
+    
+    client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    Esto envía un mensaje JSON al tema de comandos con el valor de `led_on` configurado en true o false dependiendo de si la luz es menor a 300 o no. Si la luz es menor a 300, se envía true para instruir al dispositivo que encienda el LED.
+
+1. Ejecuta el código como antes.
+
+1. Ajusta los niveles de luz detectados por tu dispositivo físico o virtual. Los mensajes recibidos y los comandos enviados se escribirán en el terminal:
+
+    ```output
+    (.venv) ➜  nightlight-server python app.py
+    Message received: {'light': 0}
+    Sending message: {'led_on': True}
+    Message received: {'light': 400}
+    Sending message: {'led_on': False}
+    ```
+
+> 💁 La telemetría y los comandos se están enviando en un único tema cada uno. Esto significa que la telemetría de múltiples dispositivos aparecerá en el mismo tema de telemetría, y los comandos para múltiples dispositivos aparecerán en el mismo tema de comandos. Si quisieras enviar un comando a un dispositivo específico, podrías usar múltiples temas, nombrados con un ID único de dispositivo, como `/commands/device1`, `/commands/device2`. De esa manera, un dispositivo puede escuchar mensajes destinados solo a ese dispositivo.
+
+> 💁 Puedes encontrar este código en la carpeta [code-commands/server](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/server).
+
+### Manejar comandos en el dispositivo IoT
+
+Ahora que se están enviando comandos desde el servidor, puedes agregar código al dispositivo IoT para manejarlos y controlar el LED.
+
+Sigue el paso relevante a continuación para escuchar comandos desde el broker MQTT:
+
+* [Arduino - Wio Terminal](wio-terminal-commands.md)
+* [Computadora de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-commands.md)
+
+Una vez que este código esté escrito y en ejecución, experimenta cambiando los niveles de luz. Observa la salida del servidor y del dispositivo, y observa el LED mientras cambias los niveles de luz.
+
+### Pérdida de conectividad
+
+¿Qué debería hacer un servicio en la nube si necesita enviar un comando a un dispositivo IoT que está desconectado? Nuevamente, la respuesta es: depende.
+
+Si el último comando anula uno anterior, entonces probablemente se puedan ignorar los anteriores. Si un servicio en la nube envía un comando para encender la calefacción y luego envía un comando para apagarla, entonces el comando de encendido puede ignorarse y no reenviarse.
+
+Si los comandos necesitan procesarse en secuencia, como mover un brazo robótico hacia arriba y luego cerrar un agarrador, entonces deben enviarse en orden una vez que se restablezca la conectividad.
+
+✅ ¿Cómo podría el código del dispositivo o del servidor garantizar que los comandos siempre se envíen y manejen en orden a través de MQTT si es necesario?
+
+---
+
+## 🚀 Desafío
+
+El desafío en las últimas tres lecciones fue listar tantos dispositivos IoT como puedas que estén en tu hogar, escuela o lugar de trabajo, y decidir si están construidos alrededor de microcontroladores o computadoras de placa única, o incluso una mezcla de ambos, y pensar en qué sensores y actuadores están utilizando.
+Para estos dispositivos, piensa en qué mensajes podrían estar enviando o recibiendo. ¿Qué telemetría envían? ¿Qué mensajes o comandos podrían recibir? ¿Crees que son seguros?
+
+## Cuestionario posterior a la clase
+
+[Cuestionario posterior a la clase](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/8)
+
+## Revisión y estudio autónomo
+
+Lee más sobre MQTT en la [página de Wikipedia de MQTT](https://wikipedia.org/wiki/MQTT).
+
+Intenta ejecutar un broker MQTT tú mismo usando [Mosquitto](https://www.mosquitto.org) y conéctalo desde tu dispositivo IoT y código de servidor.
+
+> 💁 Consejo - por defecto, Mosquitto no permite conexiones anónimas (es decir, conectarse sin un nombre de usuario y contraseña), y no permite conexiones desde fuera del ordenador en el que se está ejecutando.  
+> Puedes solucionar esto con un [archivo de configuración `mosquitto.conf`](https://www.mosquitto.org/man/mosquitto-conf-5.html) con lo siguiente:  
+>
+> ```sh
+> listener 1883 0.0.0.0
+> allow_anonymous true
+> ```
+
+## Tarea
+
+[Compara y contrasta MQTT con otros protocolos de comunicación](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/4-connect-internet/assignment.md b/translations/es/1-getting-started/lessons/4-connect-internet/assignment.md
new file mode 100644
index 00000000..b7ea8bd0
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/4-connect-internet/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d4033cdd7b5b5475c63770102e38480",
+  "translation_date": "2025-08-26T15:00:31+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/assignment.md",
+  "language_code": "es"
+}
+-->
+# Comparar y contrastar MQTT con otros protocolos de comunicación
+
+## Instrucciones
+
+Esta lección cubrió MQTT como un protocolo de comunicación. Hay otros, incluyendo AMQP y HTTP/HTTPS.
+
+Investiga ambos y compáralos/contrástalos con MQTT. Piensa en el uso de energía, la seguridad y la persistencia de mensajes si se pierden las conexiones.
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejorar |
+| --------- | --------- | -------- | ---------------- |
+| Comparar AMQP con MQTT | Es capaz de comparar y contrastar AMQP con MQTT y cubre uso de energía, seguridad y persistencia de mensajes. | Es parcialmente capaz de comparar y contrastar AMQP con MQTT y cubre dos de uso de energía, seguridad y persistencia de mensajes. | Es parcialmente capaz de comparar y contrastar AMQP con MQTT y cubre uno de uso de energía, seguridad y persistencia de mensajes. |
+| Comparar HTTP/HTTPS con MQTT | Es capaz de comparar y contrastar HTTP/HTTPS con MQTT y cubre uso de energía, seguridad y persistencia de mensajes. | Es parcialmente capaz de comparar y contrastar HTTP/HTTPS con MQTT y cubre dos de uso de energía, seguridad y persistencia de mensajes. | Es parcialmente capaz de comparar y contrastar HTTP/HTTPS con MQTT y cubre uno de uso de energía, seguridad y persistencia de mensajes. |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md b/translations/es/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
new file mode 100644
index 00000000..5133de3f
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
@@ -0,0 +1,67 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c527ce85d69b1a3875366ec61cbed8aa",
+  "translation_date": "2025-08-26T14:56:34+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md",
+  "language_code": "es"
+}
+-->
+# Controla tu luz nocturna a través de Internet - Hardware IoT Virtual y Raspberry Pi
+
+En esta parte de la lección, te suscribirás a los comandos enviados desde un broker MQTT a tu Raspberry Pi o dispositivo IoT virtual.
+
+## Suscribirse a comandos
+
+El siguiente paso es suscribirse a los comandos enviados desde el broker MQTT y responder a ellos.
+
+### Tarea
+
+Suscríbete a los comandos.
+
+1. Abre el proyecto de la luz nocturna en VS Code.
+
+1. Si estás utilizando un dispositivo IoT virtual, asegúrate de que la terminal esté ejecutando el entorno virtual. Si estás utilizando una Raspberry Pi, no estarás usando un entorno virtual.
+
+1. Agrega el siguiente código después de las definiciones de `client_telemetry_topic`:
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+    El `server_command_topic` es el tema MQTT al que el dispositivo se suscribirá para recibir comandos para el LED.
+
+1. Agrega el siguiente código justo encima del bucle principal, después de la línea `mqtt_client.loop_start()`:
+
+    ```python
+    def handle_command(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+        if payload['led_on']:
+            led.on()
+        else:
+            led.off()
+    
+    mqtt_client.subscribe(server_command_topic)
+    mqtt_client.on_message = handle_command
+    ```
+
+    Este código define una función, `handle_command`, que lee un mensaje como un documento JSON y busca el valor de la propiedad `led_on`. Si está configurado en `True`, el LED se enciende; de lo contrario, se apaga.
+
+    El cliente MQTT se suscribe al tema en el que el servidor enviará mensajes y establece la función `handle_command` para que se llame cuando se reciba un mensaje.
+
+    > 💁 El controlador `on_message` se llama para todos los temas a los que se está suscrito. Si más adelante escribes código que escuche múltiples temas, puedes obtener el tema al que se envió el mensaje desde el objeto `message` que se pasa a la función del controlador.
+
+1. Ejecuta el código de la misma manera que ejecutaste el código de la parte anterior de la tarea. Si estás utilizando un dispositivo IoT virtual, asegúrate de que la aplicación CounterFit esté en ejecución y que el sensor de luz y el LED se hayan creado en los pines correctos.
+
+1. Ajusta los niveles de luz detectados por tu dispositivo físico o virtual. Los mensajes recibidos y los comandos enviados se escribirán en la terminal. El LED también se encenderá y apagará dependiendo del nivel de luz.
+
+> 💁 Puedes encontrar este código en la carpeta [code-commands/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/virtual-device) o en la carpeta [code-commands/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/pi).
+
+😀 Has codificado con éxito tu dispositivo para responder a los comandos de un broker MQTT.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md b/translations/es/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
new file mode 100644
index 00000000..f89afdf3
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "90fb93446e03c38f3c0e4009c2471906",
+  "translation_date": "2025-08-26T15:00:59+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md",
+  "language_code": "es"
+}
+-->
+# Controla tu luz nocturna a través de Internet - Hardware IoT Virtual y Raspberry Pi
+
+El dispositivo IoT necesita ser programado para comunicarse con *test.mosquitto.org* utilizando MQTT, con el fin de enviar valores de telemetría basados en la lectura del sensor de luz y recibir comandos para controlar el LED.
+
+En esta parte de la lección, conectarás tu Raspberry Pi o dispositivo IoT virtual a un broker MQTT.
+
+## Instalar el paquete del cliente MQTT
+
+Para comunicarte con el broker MQTT, necesitas instalar una biblioteca MQTT como paquete de pip, ya sea en tu Raspberry Pi o en tu entorno virtual si estás utilizando un dispositivo virtual.
+
+### Tarea
+
+Instala el paquete pip
+
+1. Abre el proyecto de luz nocturna en VS Code.
+
+1. Si estás utilizando un dispositivo IoT virtual, asegúrate de que la terminal esté ejecutando el entorno virtual. Si estás utilizando una Raspberry Pi, no estarás usando un entorno virtual.
+
+1. Ejecuta el siguiente comando para instalar el paquete pip de MQTT:
+
+    ```sh
+    pip3 install paho-mqtt
+    ```
+
+## Programa el dispositivo
+
+El dispositivo está listo para ser programado.
+
+### Tarea
+
+Escribe el código del dispositivo.
+
+1. Agrega la siguiente importación al inicio del archivo `app.py`:
+
+    ```python
+    import paho.mqtt.client as mqtt
+    ```
+
+    La biblioteca `paho.mqtt.client` permite que tu aplicación se comunique mediante MQTT.
+
+1. Agrega el siguiente código después de las definiciones del sensor de luz y el LED:
+
+    ```python
+    id = '<ID>'
+
+    client_name = id + 'nightlight_client'
+    ```
+
+    Reemplaza `<ID>` con un ID único que será utilizado como el nombre de este cliente del dispositivo y, más adelante, para los temas que este dispositivo publique y a los que se suscriba. El broker *test.mosquitto.org* es público y es utilizado por muchas personas, incluidos otros estudiantes que están trabajando en esta tarea. Tener un nombre único para el cliente MQTT y nombres únicos para los temas asegura que tu código no entre en conflicto con el de otros. También necesitarás este ID cuando crees el código del servidor más adelante en esta tarea.
+
+    > 💁 Puedes usar un sitio web como [GUIDGen](https://www.guidgen.com) para generar un ID único.
+
+    El `client_name` es un nombre único para este cliente MQTT en el broker.
+
+1. Agrega el siguiente código debajo de este nuevo código para crear un objeto cliente MQTT y conectarte al broker MQTT:
+
+    ```python
+    mqtt_client = mqtt.Client(client_name)
+    mqtt_client.connect('test.mosquitto.org')
+    
+    mqtt_client.loop_start()
+
+    print("MQTT connected!")
+    ```
+
+    Este código crea el objeto cliente, se conecta al broker MQTT público y comienza un bucle de procesamiento que se ejecuta en un hilo en segundo plano, escuchando mensajes en cualquier tema suscrito.
+
+1. Ejecuta el código de la misma manera que ejecutaste el código de la parte anterior de la tarea. Si estás utilizando un dispositivo IoT virtual, asegúrate de que la aplicación CounterFit esté ejecutándose y que el sensor de luz y el LED hayan sido creados en los pines correctos.
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Light level: 0
+    Light level: 0
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-mqtt/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/virtual-device) o en la carpeta [code-mqtt/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/pi).
+
+😀 Has conectado exitosamente tu dispositivo a un broker MQTT.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md b/translations/es/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
new file mode 100644
index 00000000..2ee3f2a8
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
@@ -0,0 +1,74 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1226517aae5f5b6f904434670394c688",
+  "translation_date": "2025-08-26T14:56:54+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md",
+  "language_code": "es"
+}
+-->
+# Controla tu luz nocturna a través de Internet - Hardware IoT Virtual y Raspberry Pi
+
+En esta parte de la lección, enviarás telemetría con niveles de luz desde tu Raspberry Pi o dispositivo IoT virtual a un broker MQTT.
+
+## Publicar telemetría
+
+El siguiente paso es crear un documento JSON con telemetría y enviarlo al broker MQTT.
+
+### Tarea
+
+Publica telemetría en el broker MQTT.
+
+1. Abre el proyecto de luz nocturna en VS Code.
+
+1. Si estás utilizando un dispositivo IoT virtual, asegúrate de que el terminal esté ejecutando el entorno virtual. Si estás utilizando una Raspberry Pi, no estarás usando un entorno virtual.
+
+1. Agrega la siguiente importación al inicio del archivo `app.py`:
+
+    ```python
+    import json
+    ```
+
+    La biblioteca `json` se utiliza para codificar la telemetría como un documento JSON.
+
+1. Agrega lo siguiente después de la declaración de `client_name`:
+
+    ```python
+    client_telemetry_topic = id + '/telemetry'
+    ```
+
+    El `client_telemetry_topic` es el tema MQTT al que el dispositivo publicará los niveles de luz.
+
+1. Reemplaza el contenido del bucle `while True:` al final del archivo con lo siguiente:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        telemetry = json.dumps({'light' : light})
+
+        print("Sending telemetry ", telemetry)
+    
+        mqtt_client.publish(client_telemetry_topic, telemetry)
+    
+        time.sleep(5)
+    ```
+
+    Este código empaqueta el nivel de luz en un documento JSON y lo publica en el broker MQTT. Luego, se detiene por un momento para reducir la frecuencia con la que se envían los mensajes.
+
+1. Ejecuta el código de la misma manera que ejecutaste el código de la parte anterior de la tarea. Si estás utilizando un dispositivo IoT virtual, asegúrate de que la aplicación CounterFit esté ejecutándose y que el sensor de luz y el LED hayan sido creados en los pines correctos.
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Sending telemetry  {"light": 0}
+    Sending telemetry  {"light": 0}
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-telemetry/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/virtual-device) o en la carpeta [code-telemetry/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/pi).
+
+😀 Has enviado telemetría desde tu dispositivo con éxito.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md b/translations/es/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
new file mode 100644
index 00000000..44bbd61b
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6754c915dae64ba70fcd5e52c37f3adf",
+  "translation_date": "2025-08-26T15:02:20+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md",
+  "language_code": "es"
+}
+-->
+# Controla tu luz nocturna a través de Internet - Wio Terminal
+
+En esta parte de la lección, te suscribirás a los comandos enviados desde un broker MQTT a tu Wio Terminal.
+
+## Suscribirse a comandos
+
+El siguiente paso es suscribirse a los comandos enviados desde el broker MQTT y responder a ellos.
+
+### Tarea
+
+Suscríbete a los comandos.
+
+1. Abre el proyecto de luz nocturna en VS Code.
+
+1. Agrega el siguiente código al final del archivo `config.h` para definir el nombre del tema para los comandos:
+
+    ```cpp
+    const string SERVER_COMMAND_TOPIC = ID + "/commands";
+    ```
+
+    El `SERVER_COMMAND_TOPIC` es el tema al que el dispositivo se suscribirá para recibir comandos de LED.
+
+1. Agrega la siguiente línea al final de la función `reconnectMQTTClient` para suscribirte al tema de comandos cuando el cliente MQTT se reconecte:
+
+    ```cpp
+    client.subscribe(SERVER_COMMAND_TOPIC.c_str());
+    ```
+
+1. Agrega el siguiente código debajo de la función `reconnectMQTTClient`.
+
+    ```cpp
+    void clientCallback(char *topic, uint8_t *payload, unsigned int length)
+    {
+        char buff[length + 1];
+        for (int i = 0; i < length; i++)
+        {
+            buff[i] = (char)payload[i];
+        }
+        buff[length] = '\0';
+    
+        Serial.print("Message received:");
+        Serial.println(buff);
+    
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, buff);
+        JsonObject obj = doc.as<JsonObject>();
+    
+        bool led_on = obj["led_on"];
+    
+        if (led_on)
+            digitalWrite(D0, HIGH);
+        else
+            digitalWrite(D0, LOW);
+    }
+    ```
+
+    Esta función será el callback que el cliente MQTT llamará cuando reciba un mensaje del servidor.
+
+    El mensaje se recibe como un array de enteros sin signo de 8 bits, por lo que necesita ser convertido a un array de caracteres para tratarlo como texto.
+
+    El mensaje contiene un documento JSON, y se decodifica utilizando la biblioteca ArduinoJson. La propiedad `led_on` del documento JSON se lee, y dependiendo de su valor, el LED se enciende o se apaga.
+
+1. Agrega el siguiente código a la función `createMQTTClient`:
+
+    ```cpp
+    client.setCallback(clientCallback);
+    ```
+
+    Este código establece el `clientCallback` como el callback que se llamará cuando se reciba un mensaje del broker MQTT.
+
+    > 💁 El manejador `clientCallback` se llama para todos los temas suscritos. Si más adelante escribes código que escucha múltiples temas, puedes obtener el tema al que se envió el mensaje desde el parámetro `topic` que se pasa a la función callback.
+
+1. Sube el código a tu Wio Terminal y utiliza el Monitor Serial para ver los niveles de luz que se envían al broker MQTT.
+
+1. Ajusta los niveles de luz detectados por tu dispositivo físico o virtual. Verás mensajes siendo recibidos y comandos siendo enviados en el terminal. También verás el LED encendiéndose y apagándose dependiendo del nivel de luz.
+
+> 💁 Puedes encontrar este código en la carpeta [code-commands/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/wio-terminal).
+
+😀 Has codificado exitosamente tu dispositivo para responder a comandos de un broker MQTT.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md b/translations/es/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
new file mode 100644
index 00000000..e530da6d
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
@@ -0,0 +1,251 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6faf0e8d3c2d6d20c0aef2a305dab18",
+  "translation_date": "2025-08-26T15:01:46+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md",
+  "language_code": "es"
+}
+-->
+# Controla tu luz nocturna a través de Internet - Wio Terminal
+
+El dispositivo IoT necesita ser programado para comunicarse con *test.mosquitto.org* utilizando MQTT, enviar valores de telemetría con la lectura del sensor de luz y recibir comandos para controlar el LED.
+
+En esta parte de la lección, conectarás tu Wio Terminal a un broker MQTT.
+
+## Instalar las bibliotecas de WiFi y MQTT para Arduino
+
+Para comunicarte con el broker MQTT, necesitas instalar algunas bibliotecas de Arduino para usar el chip WiFi en el Wio Terminal y comunicarte con MQTT. Al desarrollar para dispositivos Arduino, puedes usar una amplia gama de bibliotecas que contienen código de código abierto e implementan una gran variedad de funcionalidades. Seeed publica bibliotecas para el Wio Terminal que le permiten comunicarse a través de WiFi. Otros desarrolladores han publicado bibliotecas para comunicarse con brokers MQTT, y usarás estas con tu dispositivo.
+
+Estas bibliotecas se proporcionan como código fuente que puede ser importado automáticamente en PlatformIO y compilado para tu dispositivo. De esta manera, las bibliotecas de Arduino funcionarán en cualquier dispositivo que soporte el marco de Arduino, siempre que el dispositivo tenga el hardware específico necesario para esa biblioteca. Algunas bibliotecas, como las bibliotecas WiFi de Seeed, son específicas para ciertos hardware.
+
+Las bibliotecas pueden instalarse globalmente y compilarse si es necesario, o dentro de un proyecto específico. Para esta tarea, las bibliotecas se instalarán en el proyecto.
+
+✅ Puedes aprender más sobre la gestión de bibliotecas y cómo encontrar e instalar bibliotecas en la [documentación de bibliotecas de PlatformIO](https://docs.platformio.org/en/latest/librarymanager/index.html).
+
+### Tarea - instalar las bibliotecas de WiFi y MQTT para Arduino
+
+Instala las bibliotecas de Arduino.
+
+1. Abre el proyecto de luz nocturna en VS Code.
+
+1. Agrega lo siguiente al final del archivo `platformio.ini`:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
+        seeed-studio/Seeed Arduino FS @ 2.1.1
+        seeed-studio/Seeed Arduino SFUD @ 2.0.2
+        seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
+        seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
+    ```
+
+    Esto importa las bibliotecas WiFi de Seeed. La sintaxis `@ <número>` se refiere a una versión específica de la biblioteca.
+
+    > 💁 Puedes eliminar el `@ <número>` para usar siempre la última versión de las bibliotecas, pero no hay garantías de que las versiones posteriores funcionen con el código a continuación. El código aquí ha sido probado con esta versión de las bibliotecas.
+
+    Esto es todo lo que necesitas hacer para agregar las bibliotecas. La próxima vez que PlatformIO compile el proyecto, descargará el código fuente de estas bibliotecas y lo compilará en tu proyecto.
+
+1. Agrega lo siguiente a los `lib_deps`:
+
+    ```ini
+    knolleary/PubSubClient @ 2.8
+    ```
+
+    Esto importa [PubSubClient](https://github.com/knolleary/pubsubclient), un cliente MQTT para Arduino.
+
+## Conectar a WiFi
+
+El Wio Terminal ahora puede conectarse a WiFi.
+
+### Tarea - conectar a WiFi
+
+Conecta el Wio Terminal a WiFi.
+
+1. Crea un nuevo archivo en la carpeta `src` llamado `config.h`. Puedes hacerlo seleccionando la carpeta `src`, o el archivo `main.cpp` dentro, y seleccionando el botón **Nuevo archivo** desde el explorador. Este botón solo aparece cuando tu cursor está sobre el explorador.
+
+    ![El botón de nuevo archivo](../../../../../translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.es.png)
+
+1. Agrega el siguiente código a este archivo para definir constantes con tus credenciales de WiFi:
+
+    ```cpp
+    #pragma once
+
+    #include <string>
+    
+    using namespace std;
+    
+    // WiFi credentials
+    const char *SSID = "<SSID>";
+    const char *PASSWORD = "<PASSWORD>";
+    ```
+
+    Reemplaza `<SSID>` con el SSID de tu WiFi. Reemplaza `<PASSWORD>` con tu contraseña de WiFi.
+
+1. Abre el archivo `main.cpp`.
+
+1. Agrega las siguientes directivas `#include` al inicio del archivo:
+
+    ```cpp
+    #include <PubSubClient.h>
+    #include <rpcWiFi.h>
+    #include <SPI.h>
+    
+    #include "config.h"
+    ```
+
+    Esto incluye los archivos de encabezado de las bibliotecas que agregaste anteriormente, así como el archivo de encabezado de configuración. Estos archivos de encabezado son necesarios para indicarle a PlatformIO que traiga el código de las bibliotecas. Sin incluir explícitamente estos archivos de encabezado, parte del código no se compilará y obtendrás errores de compilación.
+
+1. Agrega el siguiente código encima de la función `setup`:
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+    Este código realiza un bucle mientras el dispositivo no está conectado a WiFi e intenta conectarse utilizando el SSID y la contraseña del archivo de encabezado de configuración.
+
+1. Agrega una llamada a esta función al final de la función `setup`, después de que se hayan configurado los pines.
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. Sube este código a tu dispositivo para verificar que la conexión WiFi está funcionando. Deberías ver esto en el monitor serial.
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    ```
+
+## Conectar a MQTT
+
+Una vez que el Wio Terminal esté conectado a WiFi, puede conectarse al broker MQTT.
+
+### Tarea - conectar a MQTT
+
+Conéctate al broker MQTT.
+
+1. Agrega el siguiente código al final del archivo `config.h` para definir los detalles de conexión al broker MQTT:
+
+    ```cpp
+    // MQTT settings
+    const string ID = "<ID>";
+    
+    const string BROKER = "test.mosquitto.org";
+    const string CLIENT_NAME = ID + "nightlight_client";
+    ```
+
+    Reemplaza `<ID>` con un ID único que se usará como el nombre del cliente de este dispositivo y más adelante para los temas que este dispositivo publique y suscriba. El broker *test.mosquitto.org* es público y es utilizado por muchas personas, incluidos otros estudiantes que están trabajando en esta tarea. Tener un nombre único para el cliente MQTT y los temas asegura que tu código no entre en conflicto con el de otros. También necesitarás este ID cuando crees el código del servidor más adelante en esta tarea.
+
+    > 💁 Puedes usar un sitio web como [GUIDGen](https://www.guidgen.com) para generar un ID único.
+
+    El `BROKER` es la URL del broker MQTT.
+
+    El `CLIENT_NAME` es un nombre único para este cliente MQTT en el broker.
+
+1. Abre el archivo `main.cpp` y agrega el siguiente código debajo de la función `connectWiFi` y encima de la función `setup`:
+
+    ```cpp
+    WiFiClient wioClient;
+    PubSubClient client(wioClient);
+    ```
+
+    Este código crea un cliente WiFi utilizando las bibliotecas WiFi del Wio Terminal y lo usa para crear un cliente MQTT.
+
+1. Debajo de este código, agrega lo siguiente:
+
+    ```cpp
+    void reconnectMQTTClient()
+    {
+        while (!client.connected())
+        {
+            Serial.print("Attempting MQTT connection...");
+    
+            if (client.connect(CLIENT_NAME.c_str()))
+            {
+                Serial.println("connected");
+            }
+            else
+            {
+                Serial.print("Retying in 5 seconds - failed, rc=");
+                Serial.println(client.state());
+                
+                delay(5000);
+            }
+        }
+    }
+    ```
+
+    Esta función prueba la conexión al broker MQTT y se reconecta si no está conectado. Realiza un bucle todo el tiempo que no está conectado e intenta conectarse utilizando el nombre único del cliente definido en el archivo de encabezado de configuración.
+
+    Si la conexión falla, vuelve a intentarlo después de 5 segundos.
+
+1. Agrega el siguiente código debajo de la función `reconnectMQTTClient`:
+
+    ```cpp
+    void createMQTTClient()
+    {
+        client.setServer(BROKER.c_str(), 1883);
+        reconnectMQTTClient();
+    }
+    ```
+
+    Este código configura el broker MQTT para el cliente, así como la función de callback cuando se recibe un mensaje. Luego intenta conectarse al broker.
+
+1. Llama a la función `createMQTTClient` en la función `setup` después de que se haya conectado a WiFi.
+
+1. Reemplaza toda la función `loop` con lo siguiente:
+
+    ```cpp
+    void loop()
+    {
+        reconnectMQTTClient();
+        client.loop();
+    
+        delay(2000);
+    }
+    ```
+
+    Este código comienza reconectándose al broker MQTT. Estas conexiones pueden romperse fácilmente, por lo que vale la pena verificar regularmente y reconectar si es necesario. Luego llama al método `loop` en el cliente MQTT para procesar cualquier mensaje que esté llegando en el tema suscrito. Esta aplicación es de un solo hilo, por lo que los mensajes no pueden recibirse en un hilo de fondo; por lo tanto, se necesita tiempo en el hilo principal para procesar cualquier mensaje que esté esperando en la conexión de red.
+
+    Finalmente, un retraso de 2 segundos asegura que los niveles de luz no se envíen con demasiada frecuencia y reduce el consumo de energía del dispositivo.
+
+1. Sube el código a tu Wio Terminal y usa el Monitor Serial para ver el dispositivo conectándose a WiFi y 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
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-mqtt/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal).
+
+😀 Has conectado exitosamente tu dispositivo a un broker MQTT.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md b/translations/es/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
new file mode 100644
index 00000000..8935dd62
--- /dev/null
+++ b/translations/es/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4bcc29fe2b65e56eada83d2476279227",
+  "translation_date": "2025-08-26T15:00:11+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md",
+  "language_code": "es"
+}
+-->
+# Controla tu luz nocturna a través de Internet - Wio Terminal
+
+En esta parte de la lección, enviarás telemetría con los niveles de luz desde tu Wio Terminal al broker MQTT.
+
+## Instalar las bibliotecas JSON para Arduino
+
+Una forma popular de enviar mensajes a través de MQTT es utilizando JSON. Existe una biblioteca de Arduino para JSON que facilita la lectura y escritura de documentos JSON.
+
+### Tarea
+
+Instala la biblioteca Arduino JSON.
+
+1. Abre el proyecto de la luz nocturna en VS Code.
+
+1. Agrega la siguiente línea adicional a la lista `lib_deps` en el archivo `platformio.ini`:
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    Esto importa [ArduinoJson](https://arduinojson.org), una biblioteca JSON para Arduino.
+
+## Publicar telemetría
+
+El siguiente paso es crear un documento JSON con la telemetría y enviarlo al broker MQTT.
+
+### Tarea - publicar telemetría
+
+Publica telemetría en el broker MQTT.
+
+1. Agrega el siguiente código al final del archivo `config.h` para definir el nombre del tema de telemetría para el broker MQTT:
+
+    ```cpp
+    const string CLIENT_TELEMETRY_TOPIC = ID + "/telemetry";
+    ```
+
+    El `CLIENT_TELEMETRY_TOPIC` es el tema al que el dispositivo publicará los niveles de luz.
+
+1. Abre el archivo `main.cpp`.
+
+1. Agrega la siguiente directiva `#include` al principio del archivo:
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. Agrega el siguiente código dentro de la función `loop`, justo antes del `delay`:
+
+    ```cpp
+    int light = analogRead(WIO_LIGHT);
+
+    DynamicJsonDocument doc(1024);
+    doc["light"] = light;
+
+    string telemetry;
+    serializeJson(doc, telemetry);
+
+    Serial.print("Sending telemetry ");
+    Serial.println(telemetry.c_str());
+
+    client.publish(CLIENT_TELEMETRY_TOPIC.c_str(), telemetry.c_str());
+    ```
+
+    Este código lee el nivel de luz y crea un documento JSON utilizando ArduinoJson que contiene este nivel. Luego, se serializa a una cadena y se publica en el tema de telemetría MQTT mediante el cliente MQTT.
+
+1. Sube el código a tu Wio Terminal y utiliza el Monitor Serial para ver los niveles de luz que se envían al broker MQTT.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    Sending telemetry {"light":652}
+    Sending telemetry {"light":612}
+    Sending telemetry {"light":583}
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-telemetry/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/wio-terminal).
+
+😀 Has enviado telemetría desde tu dispositivo con éxito.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/README.md b/translations/es/2-farm/README.md
new file mode 100644
index 00000000..55a55d2c
--- /dev/null
+++ b/translations/es/2-farm/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "428bda82d9e6016ecea7c797564bf081",
+  "translation_date": "2025-08-26T14:26:47+00:00",
+  "source_file": "2-farm/README.md",
+  "language_code": "es"
+}
+-->
+# Agricultura con IoT
+
+A medida que la población crece, también lo hace la demanda en la agricultura. La cantidad de tierra disponible no cambia, pero el clima sí, lo que plantea aún más desafíos para los agricultores, especialmente los 2 mil millones de [agricultores de subsistencia](https://wikipedia.org/wiki/Subsistence_agriculture) que dependen de lo que cultivan para poder comer y alimentar a sus familias. El IoT puede ayudar a los agricultores a tomar decisiones más inteligentes sobre qué cultivar y cuándo cosechar, aumentar los rendimientos, reducir la cantidad de trabajo manual y detectar y tratar las plagas.
+
+En estas 6 lecciones aprenderás cómo aplicar el Internet de las Cosas para mejorar y automatizar la agricultura.
+
+> 💁 Estas lecciones utilizarán algunos recursos en la nube. Si no completas todas las lecciones de este proyecto, asegúrate de [limpiar tu proyecto](../clean-up.md).
+
+## Temas
+
+1. [Predecir el crecimiento de las plantas con IoT](lessons/1-predict-plant-growth/README.md)
+1. [Detectar la humedad del suelo](lessons/2-detect-soil-moisture/README.md)
+1. [Riego automatizado de plantas](lessons/3-automated-plant-watering/README.md)
+1. [Migrar tu planta a la nube](lessons/4-migrate-your-plant-to-the-cloud/README.md)
+1. [Migrar la lógica de tu aplicación a la nube](lessons/5-migrate-application-to-the-cloud/README.md)
+1. [Mantén tu planta segura](lessons/6-keep-your-plant-secure/README.md)
+
+## Créditos
+
+Todas las lecciones fueron escritas con ♥️ por [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/1-predict-plant-growth/README.md b/translations/es/2-farm/lessons/1-predict-plant-growth/README.md
new file mode 100644
index 00000000..eca1bd3e
--- /dev/null
+++ b/translations/es/2-farm/lessons/1-predict-plant-growth/README.md
@@ -0,0 +1,278 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d105b44deae539165855c976dcdeca99",
+  "translation_date": "2025-08-26T14:27:56+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/README.md",
+  "language_code": "es"
+}
+-->
+## Pre-lecture quiz
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/9)
+
+## Introducción
+
+Las plantas necesitan ciertos elementos para crecer: agua, dióxido de carbono, nutrientes, luz y calor. En esta lección, aprenderás cómo calcular las tasas de crecimiento y madurez de las plantas midiendo la temperatura del aire.
+
+En esta lección cubriremos:
+
+* [Agricultura digital](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [¿Por qué es importante la temperatura en la agricultura?](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Medir la temperatura ambiente](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Días grado de crecimiento (GDD)](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Calcular GDD usando datos de sensores de temperatura](../../../../../2-farm/lessons/1-predict-plant-growth)
+
+## Agricultura digital
+
+La agricultura digital está transformando la forma en que cultivamos, utilizando herramientas para recopilar, almacenar y analizar datos agrícolas. Actualmente estamos en un período descrito como la 'Cuarta Revolución Industrial' por el Foro Económico Mundial, y el auge de la agricultura digital ha sido denominado la 'Cuarta Revolución Agrícola' o 'Agricultura 4.0'.
+
+> 🎓 El término Agricultura Digital también incluye toda la 'cadena de valor agrícola', es decir, todo el recorrido desde la granja hasta la mesa. Incluye el seguimiento de la calidad de los productos mientras se transportan y procesan, sistemas de almacén y comercio electrónico, e incluso aplicaciones para alquilar tractores.
+
+Estos cambios permiten a los agricultores aumentar los rendimientos, usar menos fertilizantes y pesticidas, y optimizar el uso del agua. Aunque principalmente se utiliza en países más ricos, los sensores y otros dispositivos están reduciendo lentamente su precio, haciéndolos más accesibles en países en desarrollo.
+
+Algunas técnicas habilitadas por la agricultura digital son:
+
+* Medición de temperatura: medir la temperatura permite a los agricultores predecir el crecimiento y la madurez de las plantas.
+* Riego automatizado: medir la humedad del suelo y activar los sistemas de riego cuando el suelo está demasiado seco, en lugar de regar según un horario. El riego programado puede llevar a que los cultivos reciban poca agua durante una ola de calor y sequía, o demasiada agua durante la lluvia. Al regar solo cuando el suelo lo necesita, los agricultores pueden optimizar el uso del agua.
+* Control de plagas: los agricultores pueden usar cámaras en robots automatizados o drones para buscar plagas y luego aplicar pesticidas solo donde sea necesario, reduciendo la cantidad de pesticidas utilizados y minimizando el impacto en los suministros de agua locales.
+
+✅ Investiga. ¿Qué otras técnicas se utilizan para mejorar los rendimientos agrícolas?
+
+> 🎓 El término 'Agricultura de Precisión' se utiliza para definir la observación, medición y respuesta a los cultivos en función de cada campo, o incluso de partes de un campo. Esto incluye medir niveles de agua, nutrientes y plagas y responder con precisión, como regar solo una pequeña parte de un campo.
+
+## ¿Por qué es importante la temperatura en la agricultura?
+
+Cuando aprendemos sobre las plantas, la mayoría de los estudiantes son enseñados sobre la necesidad de agua, luz, dióxido de carbono y nutrientes. Las plantas también necesitan calor para crecer; por eso florecen en primavera cuando la temperatura aumenta, por qué los narcisos o campanillas pueden brotar temprano debido a un breve período cálido, y por qué los invernaderos son tan efectivos para hacer crecer las plantas.
+
+> 🎓 Los invernaderos y los hothouses hacen un trabajo similar, pero con una diferencia importante. Los hothouses se calientan artificialmente y permiten a los agricultores controlar las temperaturas con mayor precisión, mientras que los invernaderos dependen del sol para el calor y generalmente solo tienen ventanas u otras aperturas para dejar salir el calor.
+
+Las plantas tienen una temperatura base o mínima, una temperatura óptima y una temperatura máxima, todas basadas en temperaturas promedio diarias.
+
+* Temperatura base: es la temperatura promedio diaria mínima necesaria para que una planta crezca.
+* Temperatura óptima: es la mejor temperatura promedio diaria para obtener el mayor crecimiento.
+* Temperatura máxima: es la temperatura máxima que una planta puede soportar. Por encima de esta, la planta detendrá su crecimiento para conservar agua y sobrevivir.
+
+> 💁 Estas son temperaturas promedio, calculadas a partir de las temperaturas diurnas y nocturnas. Las plantas también necesitan diferentes temperaturas durante el día y la noche para fotosintetizar de manera más eficiente y ahorrar energía por la noche.
+
+Cada especie de planta tiene valores diferentes para su temperatura base, óptima y máxima. Por eso algunas plantas prosperan en países cálidos y otras en países fríos.
+
+✅ Investiga. Para las plantas que tengas en tu jardín, escuela o parque local, ¿puedes encontrar la temperatura base?
+
+![Un gráfico que muestra la tasa de crecimiento aumentando a medida que la temperatura sube, y luego disminuyendo cuando la temperatura es demasiado alta](../../../../../translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.es.png)
+
+El gráfico anterior muestra un ejemplo de la relación entre la tasa de crecimiento y la temperatura. Hasta la temperatura base no hay crecimiento. La tasa de crecimiento aumenta hasta la temperatura óptima y luego disminuye después de alcanzar este pico. A la temperatura máxima, el crecimiento se detiene.
+
+La forma de este gráfico varía según la especie de planta. Algunas tienen caídas más pronunciadas por encima de la temperatura óptima, otras tienen aumentos más lentos desde la base hasta la óptima.
+
+> 💁 Para que un agricultor obtenga el mejor crecimiento, necesitará conocer los tres valores de temperatura y entender la forma de los gráficos para las plantas que está cultivando.
+
+Si un agricultor tiene control de la temperatura, por ejemplo, en un hothouse comercial, entonces puede optimizar para sus plantas. Un hothouse comercial que cultiva tomates, por ejemplo, tendrá la temperatura configurada alrededor de 25°C durante el día y 20°C por la noche para obtener el crecimiento más rápido.
+
+> 🍅 Combinando estas temperaturas con luces artificiales, fertilizantes y niveles controlados de dióxido de carbono, los productores comerciales pueden cultivar y cosechar durante todo el año.
+
+## Medir la temperatura ambiente
+
+Los sensores de temperatura pueden usarse con dispositivos IoT para medir la temperatura ambiente.
+
+### Tarea - medir la temperatura
+
+Sigue la guía correspondiente para monitorear temperaturas usando tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-temp.md)
+* [Computadora de placa única - Raspberry Pi](pi-temp.md)
+* [Computadora de placa única - Dispositivo virtual](virtual-device-temp.md)
+
+## Días grado de crecimiento
+
+Los días grado de crecimiento (también conocidos como unidades grado de crecimiento) son una forma de medir el crecimiento de las plantas en función de la temperatura. Suponiendo que una planta tiene suficiente agua, nutrientes y dióxido de carbono, la temperatura determina la tasa de crecimiento.
+
+Los días grado de crecimiento, o GDD, se calculan por día como la temperatura promedio en Celsius de un día por encima de la temperatura base de la planta. Cada planta necesita un cierto número de GDD para crecer, florecer o producir y madurar un cultivo. Cuantos más GDD por día, más rápido crecerá la planta.
+
+> 🇺🇸 Para los estadounidenses, los días grado de crecimiento también pueden calcularse usando Fahrenheit. 5 GDD (en Celsius) equivalen a 9 GDD (en Fahrenheit).
+
+La fórmula completa para calcular GDD es un poco complicada, pero hay una ecuación simplificada que a menudo se utiliza como una buena aproximación:
+
+![GDD = T max + T min dividido por 2, todo menos T base](../../../../../translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.es.png)
+
+* **GDD** - este es el número de días grado de crecimiento
+* **T max** - esta es la temperatura máxima diaria en grados Celsius
+* **T min** - esta es la temperatura mínima diaria en grados Celsius
+* **T base** - esta es la temperatura base de la planta en grados Celsius
+
+> 💁 Hay variaciones que consideran T max por encima de 30°C o T min por debajo de T base, pero las ignoraremos por ahora.
+
+### Ejemplo - Maíz 🌽
+
+Dependiendo de la variedad, el maíz necesita entre 800 y 2,700 GDD para madurar, con una temperatura base de 10°C.
+
+En el primer día por encima de la temperatura base, se midieron las siguientes temperaturas:
+
+| Medición    | Temp °C |
+| :---------- | :-----: |
+| Máxima      | 16      |
+| Mínima      | 12      |
+
+Usando estos números en nuestra fórmula:
+
+* T max = 16
+* T min = 12
+* T base = 10
+
+Esto da un cálculo de:
+
+![GDD = 16 + 12 dividido por 2, todo menos 10, dando un resultado de 4](../../../../../translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.es.png)
+
+El maíz recibió 4 GDD ese día. Suponiendo una variedad de maíz que necesita 800 GDD para madurar, necesitará otros 796 GDD para alcanzar la madurez.
+
+✅ Investiga. Para las plantas que tengas en tu jardín, escuela o parque local, ¿puedes encontrar el número de GDD necesarios para alcanzar la madurez o producir cultivos?
+
+## Calcular GDD usando datos de sensores de temperatura
+
+Las plantas no crecen en fechas fijas; por ejemplo, no puedes plantar una semilla y saber que la planta dará frutos exactamente 100 días después. En cambio, como agricultor puedes tener una idea aproximada de cuánto tiempo tarda una planta en crecer y luego verificar diariamente para ver cuándo los cultivos están listos.
+
+Esto tiene un gran impacto en la mano de obra en una granja y corre el riesgo de que el agricultor pase por alto cultivos que estén listos inesperadamente temprano. Al medir las temperaturas, el agricultor puede calcular los GDD que una planta ha recibido, permitiéndole verificar solo cerca de la madurez esperada.
+
+Al recopilar datos de temperatura usando un dispositivo IoT, un agricultor puede ser notificado automáticamente cuando las plantas están cerca de la madurez. Una arquitectura típica para esto es que los dispositivos IoT midan la temperatura y luego publiquen estos datos de telemetría a través de Internet usando algo como MQTT. El código del servidor escucha estos datos y los guarda en algún lugar, como en una base de datos. Esto significa que los datos pueden analizarse más tarde, como un trabajo nocturno para calcular los GDD del día, sumar los GDD totales para cada cultivo hasta ahora y alertar si una planta está cerca de la madurez.
+
+![Los datos de telemetría se envían a un servidor y luego se guardan en una base de datos](../../../../../translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.es.png)
+
+El código del servidor también puede complementar los datos agregando información adicional. Por ejemplo, el dispositivo IoT puede publicar un identificador para indicar qué dispositivo es, y el código del servidor puede usar esto para buscar la ubicación del dispositivo y qué cultivos está monitoreando. También puede agregar datos básicos como la hora actual, ya que algunos dispositivos IoT no tienen el hardware necesario para llevar un registro preciso del tiempo o requieren código adicional para leer la hora actual a través de Internet.
+
+✅ ¿Por qué crees que diferentes campos pueden tener diferentes temperaturas?
+
+### Tarea - publicar información de temperatura
+
+Sigue la guía correspondiente para publicar datos de temperatura a través de MQTT usando tu dispositivo IoT para que puedan analizarse más tarde:
+
+* [Arduino - Wio Terminal](wio-terminal-temp-publish.md)
+* [Computadora de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-temp-publish.md)
+
+### Tarea - capturar y almacenar la información de temperatura
+
+Una vez que el dispositivo IoT esté publicando telemetría, se puede escribir el código del servidor para suscribirse a estos datos y almacenarlos. En lugar de guardarlos en una base de datos, el código del servidor los guardará en un archivo de valores separados por comas (CSV). Los archivos CSV almacenan datos como filas de valores en texto, con cada valor separado por una coma y cada registro en una nueva línea. Son una forma conveniente, legible y ampliamente compatible de guardar datos como archivo.
+
+El archivo CSV tendrá dos columnas: *fecha* y *temperatura*. La columna *fecha* se establece como la fecha y hora actuales en que el mensaje fue recibido por el servidor, y la *temperatura* proviene del mensaje de telemetría.
+
+1. Repite los pasos de la lección 4 para crear el código del servidor que se suscriba a la telemetría. No necesitas agregar código para publicar comandos.
+
+    Los pasos para esto son:
+
+    * Configurar y activar un entorno virtual de Python
+
+    * Instalar el paquete pip paho-mqtt
+
+    * Escribir el código para escuchar mensajes MQTT publicados en el tema de telemetría
+
+      > ⚠️ Puedes consultar [las instrucciones en la lección 4 para crear una aplicación Python que reciba telemetría si es necesario](../../../1-getting-started/lessons/4-connect-internet/README.md#receive-telemetry-from-the-mqtt-broker).
+
+    Nombra la carpeta para este proyecto `temperature-sensor-server`.
+
+1. Asegúrate de que el `client_name` refleje este proyecto:
+
+    ```cpp
+    client_name = id + 'temperature_sensor_server'
+    ```
+
+1. Agrega las siguientes importaciones al inicio del archivo, debajo de las importaciones existentes:
+
+    ```python
+    from os import path
+    import csv
+    from datetime import datetime
+    ```
+
+    Esto importa una biblioteca para leer archivos, una biblioteca para interactuar con archivos CSV y una biblioteca para trabajar con fechas y horas.
+
+1. Agrega el siguiente código antes de la función `handle_telemetry`:
+
+    ```python
+    temperature_file_name = 'temperature.csv'
+    fieldnames = ['date', 'temperature']
+    
+    if not path.exists(temperature_file_name):
+        with open(temperature_file_name, mode='w') as csv_file:
+            writer = csv.DictWriter(csv_file, fieldnames=fieldnames)
+            writer.writeheader()
+    ```
+
+    Este código declara algunas constantes para el nombre del archivo donde se escribirá y los nombres de las columnas del archivo CSV. La primera fila de un archivo CSV tradicionalmente contiene encabezados de columna separados por comas.
+
+    Luego, el código verifica si el archivo CSV ya existe. Si no existe, se crea con los encabezados de columna en la primera fila.
+
+1. Agrega el siguiente código al final de la función `handle_telemetry`:
+
+    ```python
+    with open(temperature_file_name, mode='a') as temperature_file:        
+        temperature_writer = csv.DictWriter(temperature_file, fieldnames=fieldnames)
+        temperature_writer.writerow({'date' : datetime.now().astimezone().replace(microsecond=0).isoformat(), 'temperature' : payload['temperature']})
+    ```
+Este código abre el archivo CSV y luego agrega una nueva fila al final. La fila contiene la fecha y hora actual formateadas en un formato legible para humanos, seguido de la temperatura recibida del dispositivo IoT. Los datos se almacenan en [formato ISO 8601](https://wikipedia.org/wiki/ISO_8601) con la zona horaria, pero sin microsegundos.
+
+1. Ejecuta este código de la misma manera que antes, asegurándote de que tu dispositivo IoT esté enviando datos. Se creará un archivo CSV llamado `temperature.csv` en la misma carpeta. Si lo abres, verás fechas/horas y mediciones de temperatura:
+
+    ```output
+    date,temperature
+    2021-04-19T17:21:36-07:00,25
+    2021-04-19T17:31:36-07:00,24
+    2021-04-19T17:41:36-07:00,25
+    ```
+
+1. Ejecuta este código durante un tiempo para capturar datos. Idealmente, deberías ejecutarlo durante todo un día para recopilar suficientes datos para los cálculos de GDD.
+
+    
+> 💁 Si estás utilizando un dispositivo IoT virtual, selecciona la casilla de aleatoriedad y establece un rango para evitar obtener la misma temperatura cada vez que se devuelva el valor de temperatura.
+    ![Selecciona la casilla de aleatoriedad y establece un rango](../../../../../translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.es.png) 
+
+    > 💁 Si deseas ejecutarlo durante todo un día, debes asegurarte de que la computadora donde se ejecuta tu código de servidor no entre en modo de suspensión, ya sea cambiando la configuración de energía o ejecutando algo como [este script de Python para mantener el sistema activo](https://github.com/jaqsparow/keep-system-active).
+    
+> 💁 Puedes encontrar este código en la carpeta [code-server/temperature-sensor-server](../../../../../2-farm/lessons/1-predict-plant-growth/code-server/temperature-sensor-server).
+
+### Tarea - calcular GDD usando los datos almacenados
+
+Una vez que el servidor haya capturado los datos de temperatura, se puede calcular el GDD para una planta.
+
+Los pasos para hacerlo manualmente son:
+
+1. Encuentra la temperatura base para la planta. Por ejemplo, para las fresas la temperatura base es de 10°C.
+
+1. En el archivo `temperature.csv`, encuentra las temperaturas más altas y más bajas del día.
+
+1. Usa el cálculo de GDD dado anteriormente para calcular el GDD.
+
+Por ejemplo, si la temperatura más alta del día es 25°C y la más baja es 12°C:
+
+![GDD = 25 + 12 dividido por 2, luego resta 10 del resultado dando 8.5](../../../../../translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.es.png)
+
+* 25 + 12 = 37
+* 37 / 2 = 18.5
+* 18.5 - 10 = 8.5
+
+Por lo tanto, las fresas han recibido **8.5** GDD. Las fresas necesitan alrededor de 250 GDD para dar fruto, así que aún falta un tiempo.
+
+---
+
+## 🚀 Desafío
+
+Las plantas necesitan más que calor para crecer. ¿Qué otras cosas son necesarias?
+
+Para estas, investiga si hay sensores que puedan medirlas. ¿Qué hay de los actuadores para controlar estos niveles? ¿Cómo podrías ensamblar uno o más dispositivos IoT para optimizar el crecimiento de las plantas?
+
+## Cuestionario posterior a la clase
+
+[Cuestionario posterior a la clase](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/10)
+
+## Revisión y autoestudio
+
+* Lee más sobre agricultura digital en la [página de Wikipedia sobre Agricultura Digital](https://wikipedia.org/wiki/Digital_agriculture). También lee más sobre agricultura de precisión en la [página de Wikipedia sobre Agricultura de Precisión](https://wikipedia.org/wiki/Precision_agriculture).
+* El cálculo completo de los grados día de crecimiento es más complicado que el simplificado dado aquí. Lee más sobre la ecuación más compleja y cómo manejar temperaturas por debajo del umbral en la [página de Wikipedia sobre Grados Día de Crecimiento](https://wikipedia.org/wiki/Growing_degree-day).
+* Los alimentos podrían escasear en el futuro si seguimos utilizando los mismos métodos de cultivo. Aprende más sobre técnicas de agricultura de alta tecnología en este [video sobre Granjas de Alta Tecnología del Futuro en YouTube](https://www.youtube.com/watch?v=KIEOuKD9KX8).
+
+## Asignación
+
+[Visualiza los datos de GDD usando un Jupyter Notebook](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de ningún malentendido o interpretación errónea que surja del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/es/2-farm/lessons/1-predict-plant-growth/assignment.md
new file mode 100644
index 00000000..13a57b5d
--- /dev/null
+++ b/translations/es/2-farm/lessons/1-predict-plant-growth/assignment.md
@@ -0,0 +1,57 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1e21b012c6685f8bf73e0e76cdca3347",
+  "translation_date": "2025-08-26T14:29:25+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/assignment.md",
+  "language_code": "es"
+}
+-->
+# Visualizar datos de GDD usando un Jupyter Notebook
+
+## Instrucciones
+
+En esta lección recopilaste datos de GDD utilizando un sensor IoT. Para obtener buenos datos de GDD, necesitas recopilar datos durante varios días. Para ayudar a visualizar los datos de temperatura y calcular el GDD, puedes usar herramientas como [Jupyter Notebooks](https://jupyter.org) para analizar los datos.
+
+Comienza recopilando datos durante algunos días. Deberás asegurarte de que el código de tu servidor esté funcionando todo el tiempo que tu dispositivo IoT esté activo, ya sea ajustando la configuración de administración de energía o ejecutando algo como [este script de Python para mantener el sistema activo](https://github.com/jaqsparow/keep-system-active).
+
+Una vez que tengas los datos de temperatura, puedes usar el Jupyter Notebook en este repositorio para visualizarlos y calcular el GDD. Los Jupyter Notebooks combinan código e instrucciones en bloques llamados *celdas*, a menudo con código en Python. Puedes leer las instrucciones y luego ejecutar cada bloque de código, uno por uno. También puedes editar el código. En este notebook, por ejemplo, puedes editar la temperatura base utilizada para calcular el GDD de tu planta.
+
+1. Crea una carpeta llamada `gdd-calculation`
+
+1. Descarga el archivo [gdd.ipynb](./code-notebook/gdd.ipynb) y cópialo en la carpeta `gdd-calculation`.
+
+1. Copia el archivo `temperature.csv` creado por el servidor MQTT.
+
+1. Crea un nuevo entorno virtual de Python en la carpeta `gdd-calculation`.
+
+1. Instala algunos paquetes de pip para Jupyter Notebooks, junto con las bibliotecas necesarias para gestionar y graficar los datos:
+
+    ```sh
+    pip install --upgrade pip
+    pip install pandas
+    pip install matplotlib
+    pip install jupyter
+    ```
+
+1. Ejecuta el notebook en Jupyter:
+
+    ```sh
+    jupyter notebook gdd.ipynb
+    ```
+
+    Jupyter se iniciará y abrirá el notebook en tu navegador. Sigue las instrucciones en el notebook para visualizar las temperaturas medidas y calcular los días grado de crecimiento.
+
+    ![El jupyter notebook](../../../../../translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.es.png)
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejorar |
+| --------- | -------- | -------- | ---------------- |
+| Captura de datos | Captura al menos 2 días completos de datos | Captura al menos 1 día completo de datos | Captura algunos datos |
+| Cálculo de GDD | Ejecuta exitosamente el notebook y calcula el GDD | Ejecuta exitosamente el notebook | No logra ejecutar el notebook |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/es/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
new file mode 100644
index 00000000..6c7bf353
--- /dev/null
+++ b/translations/es/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Días Grado de Crecimiento\n",
+    "\n",
+    "Este cuaderno carga datos de temperatura guardados en un archivo CSV y los analiza. Traza las temperaturas, muestra el valor más alto y más bajo de cada día, y calcula los GDD.\n",
+    "\n",
+    "Para usar este cuaderno:\n",
+    "\n",
+    "* Copia el archivo `temperature.csv` en la misma carpeta que este cuaderno.\n",
+    "* Ejecuta todas las celdas usando el botón **▶︎ Run** de arriba. Esto ejecutará la celda seleccionada y luego pasará a la siguiente.\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "En la celda de abajo, establece `base_temperature` a la temperatura base de la planta.\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "base_temperature = 10"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "El archivo CSV ahora necesita ser cargado, usando pandas\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd\n",
+    "import matplotlib.pyplot as plt\n",
+    "\n",
+    "# Read the temperature CSV file\n",
+    "df = pd.read_csv('temperature.csv')"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": []
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "plt.figure(figsize=(20, 10))\n",
+    "plt.plot(df['date'], df['temperature'])\n",
+    "plt.xticks(rotation='vertical');"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Una vez que se hayan leído los datos, se pueden agrupar por la columna `date`, y se pueden extraer las temperaturas mínimas y máximas para cada fecha.\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": [
+    "La GDD se puede calcular utilizando la ecuación estándar de GDD\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "def calculate_gdd(row):\n",
+    "    return ((row['temperature_max'] + row['temperature_min']) / 2) - base_temperature\n",
+    "\n",
+    "# Calculate the GDD for each row\n",
+    "min_max_by_date['gdd'] = min_max_by_date.apply (lambda row: calculate_gdd(row), axis=1)\n",
+    "\n",
+    "# Print the results\n",
+    "print(min_max_by_date[['date', 'gdd']].to_string(index=False))"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "\n---\n\n**Descargo de responsabilidad**:  \nEste documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.\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": "2025-08-26T15:59:36+00:00",
+   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
+   "language_code": "es"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/es/2-farm/lessons/1-predict-plant-growth/pi-temp.md
new file mode 100644
index 00000000..89911eb3
--- /dev/null
+++ b/translations/es/2-farm/lessons/1-predict-plant-growth/pi-temp.md
@@ -0,0 +1,125 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7678f7c67b97ee52d5727496dcd7d346",
+  "translation_date": "2025-08-26T14:31:53+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/pi-temp.md",
+  "language_code": "es"
+}
+-->
+# Medir la temperatura - Raspberry Pi
+
+En esta parte de la lección, agregarás un sensor de temperatura a tu Raspberry Pi.
+
+## Hardware
+
+El sensor que usarás es un [sensor de humedad y temperatura DHT11](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html), que combina 2 sensores en un solo paquete. Este sensor es bastante popular, con varios modelos comerciales que combinan temperatura, humedad y, a veces, presión atmosférica. El componente del sensor de temperatura es un termistor de coeficiente de temperatura negativo (NTC), un tipo de termistor cuya resistencia disminuye a medida que aumenta la temperatura.
+
+Este es un sensor digital, por lo que tiene un ADC integrado que genera una señal digital con los datos de temperatura y humedad que el microcontrolador puede leer.
+
+### Conectar el sensor de temperatura
+
+El sensor de temperatura Grove se puede conectar a la Raspberry Pi.
+
+#### Tarea
+
+Conecta el sensor de temperatura.
+
+![Un sensor de temperatura Grove](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.es.png)
+
+1. Inserta un extremo de un cable Grove en el conector del sensor de humedad y temperatura. Solo encajará de una manera.
+
+1. Con la Raspberry Pi apagada, conecta el otro extremo del cable Grove al conector digital marcado como **D5** en el Grove Base Hat conectado a la Pi. Este conector es el segundo desde la izquierda, en la fila de conectores junto a los pines GPIO.
+
+![El sensor de temperatura Grove conectado al conector A0](../../../../../translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.es.png)
+
+## Programar el sensor de temperatura
+
+Ahora se puede programar el dispositivo para usar el sensor de temperatura conectado.
+
+### Tarea
+
+Programa el dispositivo.
+
+1. Enciende la Raspberry Pi y espera a que inicie.
+
+1. Abre VS Code, ya sea directamente en la Pi o conectándote a través de la extensión Remote SSH.
+
+    > ⚠️ Puedes consultar [las instrucciones para configurar y abrir VS Code en la lección 1 si es necesario](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md).
+
+1. Desde el terminal, crea una nueva carpeta en el directorio de inicio del usuario `pi` llamada `temperature-sensor`. Crea un archivo en esta carpeta llamado `app.py`:
+
+    ```sh
+    mkdir temperature-sensor
+    cd temperature-sensor
+    touch app.py
+    ```
+
+1. Abre esta carpeta en VS Code.
+
+1. Para usar el sensor de temperatura y humedad, es necesario instalar un paquete adicional de Pip. Desde el terminal en VS Code, ejecuta el siguiente comando para instalar este paquete en la Pi:
+
+    ```sh
+    pip3 install seeed-python-dht
+    ```
+
+1. Agrega el siguiente código al archivo `app.py` para importar las bibliotecas necesarias:
+
+    ```python
+    import time
+    from seeed_dht import DHT
+    ```
+
+    La instrucción `from seeed_dht import DHT` importa la clase `DHT` para interactuar con un sensor de temperatura Grove desde el módulo `seeed_dht`.
+
+1. Agrega el siguiente código después del anterior para crear una instancia de la clase que gestiona el sensor de temperatura:
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    Esto declara una instancia de la clase `DHT` que gestiona el sensor de **H**umedad y **T**emperatura **D**igital. El primer parámetro indica que el sensor utilizado es el *DHT11* (la biblioteca que estás usando admite otras variantes de este sensor). El segundo parámetro indica que el sensor está conectado al puerto digital `D5` en el Grove Base Hat.
+
+    > ✅ Recuerda, todos los conectores tienen números de pines únicos. Los pines 0, 2, 4 y 6 son pines analógicos, mientras que los pines 5, 16, 18, 22, 24 y 26 son pines digitales.
+
+1. Agrega un bucle infinito después del código anterior para consultar el valor del sensor de temperatura y mostrarlo en la consola:
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    La llamada a `sensor.read()` devuelve una tupla con la humedad y la temperatura. Solo necesitas el valor de la temperatura, por lo que se ignora la humedad. El valor de la temperatura se imprime en la consola.
+
+1. Agrega una pequeña pausa de diez segundos al final del `loop`, ya que no es necesario verificar los niveles de temperatura continuamente. Una pausa reduce el consumo de energía del dispositivo.
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. Desde el terminal de VS Code, ejecuta lo siguiente para ejecutar tu aplicación en Python:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Deberías ver los valores de temperatura en la consola. Usa algo para calentar el sensor, como presionar tu pulgar sobre él o usar un ventilador, para observar cómo cambian los valores:
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py 
+    Temperature 26°C
+    Temperature 26°C
+    Temperature 28°C
+    Temperature 30°C
+    Temperature 32°C
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/pi).
+
+😀 ¡Tu programa del sensor de temperatura fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md b/translations/es/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
new file mode 100644
index 00000000..6107f425
--- /dev/null
+++ b/translations/es/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
@@ -0,0 +1,71 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4efc74299e19f5d08f2f3f34451a11ba",
+  "translation_date": "2025-08-26T14:29:04+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md",
+  "language_code": "es"
+}
+-->
+# Publicar temperatura - Hardware IoT Virtual y Raspberry Pi
+
+En esta parte de la lección, publicarás los valores de temperatura detectados por el Raspberry Pi o el Dispositivo IoT Virtual a través de MQTT para que puedan ser utilizados posteriormente en el cálculo de GDD.
+
+## Publicar la temperatura
+
+Una vez que se haya leído la temperatura, se puede publicar a través de MQTT a algún código 'servidor' que leerá los valores y los almacenará listos para ser utilizados en un cálculo de GDD.
+
+### Tarea - publicar la temperatura
+
+Programa el dispositivo para publicar los datos de temperatura.
+
+1. Abre el proyecto de la aplicación `temperature-sensor` si aún no está abierto.
+
+1. Repite los pasos que realizaste en la lección 4 para conectarte a MQTT y enviar telemetría. Utilizarás el mismo broker público de Mosquitto.
+
+    Los pasos para esto son:
+
+    - Agregar el paquete pip de MQTT.
+    - Agregar el código para conectarte al broker MQTT.
+    - Agregar el código para publicar telemetría.
+
+    > ⚠️ Consulta las [instrucciones para conectarte a MQTT](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md) y las [instrucciones para enviar telemetría](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md) de la lección 4 si es necesario.
+
+1. Asegúrate de que el `client_name` refleje el nombre de este proyecto:
+
+    ```python
+    client_name = id + 'temperature_sensor_client'
+    ```
+
+1. Para la telemetría, en lugar de enviar un valor de luz, envía el valor de temperatura leído del sensor DHT en una propiedad del documento JSON llamada `temperature`:
+
+    ```python
+    _, temp = sensor.read()
+    telemetry = json.dumps({'temperature' : temp})
+    ```
+
+1. No es necesario leer el valor de temperatura con mucha frecuencia, ya que no cambiará mucho en un corto período de tiempo. Por lo tanto, establece el `time.sleep` en 10 minutos:
+
+    ```cpp
+    time.sleep(10 * 60);
+    ```
+
+    > 💁 La función `sleep` toma el tiempo en segundos, por lo que para hacerlo más fácil de leer, el valor se pasa como el resultado de un cálculo. 60 segundos en un minuto, así que 10 x (60 segundos en un minuto) da un retraso de 10 minutos.
+
+1. Ejecuta el código de la misma manera que ejecutaste el código de la parte anterior de la tarea. Si estás utilizando un dispositivo IoT virtual, asegúrate de que la aplicación CounterFit esté ejecutándose y que los sensores de humedad y temperatura hayan sido creados en los pines correctos.
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py
+    MQTT connected!
+    Sending telemetry  {"temperature": 25}
+    Sending telemetry  {"temperature": 25}
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-publish-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/virtual-device) o en la carpeta [code-publish-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/pi).
+
+😀 Has publicado exitosamente la temperatura como telemetría desde tu dispositivo.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/es/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
new file mode 100644
index 00000000..83ac2dfd
--- /dev/null
+++ b/translations/es/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "70e5a428b607cd5a9a4f422c2a4df03d",
+  "translation_date": "2025-08-26T14:31:02+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md",
+  "language_code": "es"
+}
+-->
+# Medir la temperatura - Hardware IoT Virtual
+
+En esta parte de la lección, agregarás un sensor de temperatura a tu dispositivo IoT virtual.
+
+## Hardware Virtual
+
+El dispositivo IoT virtual usará un sensor simulado de Humedad y Temperatura Digital Grove. Esto mantiene este laboratorio igual que usar un Raspberry Pi con un sensor físico Grove DHT11.
+
+El sensor combina un **sensor de temperatura** con un **sensor de humedad**, pero en este laboratorio solo te interesará el componente del sensor de temperatura. En un dispositivo IoT físico, el sensor de temperatura sería un [termistor](https://wikipedia.org/wiki/Thermistor) que mide la temperatura detectando un cambio en la resistencia a medida que cambia la temperatura. Los sensores de temperatura suelen ser sensores digitales que convierten internamente la resistencia medida en una temperatura en grados Celsius (o Kelvin, o Fahrenheit).
+
+### Agregar los sensores a CounterFit
+
+Para usar un sensor virtual de humedad y temperatura, necesitas agregar los dos sensores a la aplicación CounterFit.
+
+#### Tarea - agregar los sensores a CounterFit
+
+Agrega los sensores de humedad y temperatura a la aplicación CounterFit.
+
+1. Crea una nueva aplicación de Python en tu computadora en una carpeta llamada `temperature-sensor` con un único archivo llamado `app.py`, un entorno virtual de Python, y agrega los paquetes pip de CounterFit.
+
+    > ⚠️ Puedes consultar [las instrucciones para crear y configurar un proyecto de Python de CounterFit en la lección 1 si es necesario](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Instala un paquete adicional de Pip para instalar un shim de CounterFit para el sensor DHT11. Asegúrate de instalarlo desde una terminal con el entorno virtual activado.
+
+    ```sh
+    pip install counterfit-shims-seeed-python-dht
+    ```
+
+1. Asegúrate de que la aplicación web de CounterFit esté en ejecución.
+
+1. Crea un sensor de humedad:
+
+    1. En el cuadro *Create sensor* en el panel *Sensors*, despliega el cuadro *Sensor type* y selecciona *Humidity*.
+
+    1. Deja las *Units* configuradas en *Percentage*.
+
+    1. Asegúrate de que el *Pin* esté configurado en *5*.
+
+    1. Selecciona el botón **Add** para crear el sensor de humedad en el Pin 5.
+
+    ![Configuración del sensor de humedad](../../../../../translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.es.png)
+
+    El sensor de humedad será creado y aparecerá en la lista de sensores.
+
+    ![Sensor de humedad creado](../../../../../translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.es.png)
+
+1. Crea un sensor de temperatura:
+
+    1. En el cuadro *Create sensor* en el panel *Sensors*, despliega el cuadro *Sensor type* y selecciona *Temperature*.
+
+    1. Deja las *Units* configuradas en *Celsius*.
+
+    1. Asegúrate de que el *Pin* esté configurado en *6*.
+
+    1. Selecciona el botón **Add** para crear el sensor de temperatura en el Pin 6.
+
+    ![Configuración del sensor de temperatura](../../../../../translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.es.png)
+
+    El sensor de temperatura será creado y aparecerá en la lista de sensores.
+
+    ![Sensor de temperatura creado](../../../../../translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.es.png)
+
+## Programar la aplicación del sensor de temperatura
+
+Ahora se puede programar la aplicación del sensor de temperatura utilizando los sensores de CounterFit.
+
+### Tarea - programar la aplicación del sensor de temperatura
+
+Programa la aplicación del sensor de temperatura.
+
+1. Asegúrate de que la aplicación `temperature-sensor` esté abierta en VS Code.
+
+1. Abre el archivo `app.py`.
+
+1. Agrega el siguiente código al inicio de `app.py` para conectar la aplicación a CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Agrega el siguiente código al archivo `app.py` para importar las bibliotecas necesarias:
+
+    ```python
+    import time
+    from counterfit_shims_seeed_python_dht import DHT
+    ```
+
+    La declaración `from seeed_dht import DHT` importa la clase `DHT` para interactuar con un sensor virtual de temperatura Grove utilizando un shim del módulo `counterfit_shims_seeed_python_dht`.
+
+1. Agrega el siguiente código después del anterior para crear una instancia de la clase que gestiona el sensor virtual de humedad y temperatura:
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    Esto declara una instancia de la clase `DHT` que gestiona el sensor virtual de **H**umedad y **T**emperatura **D**igital. El primer parámetro indica que el sensor utilizado es un sensor virtual *DHT11*. El segundo parámetro indica que el sensor está conectado al puerto `5`.
+
+    > 💁 CounterFit simula este sensor combinado de humedad y temperatura conectándose a 2 sensores: un sensor de humedad en el pin indicado al crear la clase `DHT`, y un sensor de temperatura que funciona en el pin siguiente. Si el sensor de humedad está en el pin 5, el shim espera que el sensor de temperatura esté en el pin 6.
+
+1. Agrega un bucle infinito después del código anterior para consultar el valor del sensor de temperatura e imprimirlo en la consola:
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    La llamada a `sensor.read()` devuelve una tupla de humedad y temperatura. Solo necesitas el valor de la temperatura, por lo que se ignora la humedad. El valor de la temperatura se imprime en la consola.
+
+1. Agrega una pequeña pausa de diez segundos al final del `loop`, ya que no es necesario verificar continuamente los niveles de temperatura. Una pausa reduce el consumo de energía del dispositivo.
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. Desde la Terminal de VS Code con un entorno virtual activado, ejecuta lo siguiente para ejecutar tu aplicación de Python:
+
+    ```sh
+    python app.py
+    ```
+
+1. Desde la aplicación CounterFit, cambia el valor del sensor de temperatura que será leído por la aplicación. Puedes hacerlo de dos maneras:
+
+    * Ingresa un número en el cuadro *Value* del sensor de temperatura y selecciona el botón **Set**. El número que ingreses será el valor devuelto por el sensor.
+
+    * Marca la casilla *Random* e ingresa un valor *Min* y *Max*, luego selecciona el botón **Set**. Cada vez que el sensor lea un valor, leerá un número aleatorio entre *Min* y *Max*.
+
+    Deberías ver los valores que configures apareciendo en la consola. Cambia el *Value* o la configuración de *Random* para ver cómo cambia el valor.
+
+    ```output
+    (.venv) ➜  temperature-sensor python app.py
+    Temperature 28.25°C
+    Temperature 30.71°C
+    Temperature 25.17°C
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/virtual-device).
+
+😀 ¡Tu programa del sensor de temperatura fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md b/translations/es/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
new file mode 100644
index 00000000..ffc30c0b
--- /dev/null
+++ b/translations/es/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
@@ -0,0 +1,82 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "df28cd649cd892bcce034e064913b2f3",
+  "translation_date": "2025-08-26T14:30:28+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md",
+  "language_code": "es"
+}
+-->
+# Publicar temperatura - Wio Terminal
+
+En esta parte de la lección, publicarás los valores de temperatura detectados por el Wio Terminal a través de MQTT para que puedan ser utilizados posteriormente para calcular GDD.
+
+## Publicar la temperatura
+
+Una vez que se haya leído la temperatura, se puede publicar a través de MQTT a algún código 'servidor' que leerá los valores y los almacenará listos para ser utilizados en un cálculo de GDD. Los microcontroladores no leen la hora de Internet ni rastrean el tiempo con un reloj en tiempo real de forma predeterminada; el dispositivo necesita ser programado para hacerlo, suponiendo que tenga el hardware necesario.
+
+Para simplificar las cosas en esta lección, el tiempo no se enviará junto con los datos del sensor; en su lugar, puede ser agregado por el código del servidor más tarde cuando reciba los mensajes.
+
+### Tarea
+
+Programa el dispositivo para publicar los datos de temperatura.
+
+1. Abre el proyecto `temperature-sensor` de Wio Terminal.
+
+1. Repite los pasos que realizaste en la lección 4 para conectarte a MQTT y enviar telemetría. Utilizarás el mismo broker público de Mosquitto.
+
+    Los pasos para esto son:
+
+    - Agregar las bibliotecas Seeed WiFi y MQTT al archivo `.ini`.
+    - Agregar el archivo de configuración y el código para conectarse a WiFi.
+    - Agregar el código para conectarse al broker MQTT.
+    - Agregar el código para publicar telemetría.
+
+    > ⚠️ Consulta las [instrucciones para conectarte a MQTT](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md) y las [instrucciones para enviar telemetría](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md) de la lección 4 si es necesario.
+
+1. Asegúrate de que el `CLIENT_NAME` en el archivo de encabezado `config.h` refleje este proyecto:
+
+    ```cpp
+    const string CLIENT_NAME = ID + "temperature_sensor_client";
+    ```
+
+1. Para la telemetría, en lugar de enviar un valor de luz, envía el valor de temperatura leído del sensor DHT en una propiedad del documento JSON llamada `temperature` cambiando la función `loop` en `main.cpp`:
+
+    ```cpp
+    float temp_hum_val[2] = {0};
+    dht.readTempAndHumidity(temp_hum_val);
+
+    DynamicJsonDocument doc(1024);
+    doc["temperature"] = temp_hum_val[1];
+    ```
+
+1. El valor de la temperatura no necesita ser leído con mucha frecuencia, ya que no cambiará mucho en un corto período de tiempo. Por lo tanto, establece el `delay` en la función `loop` a 10 minutos:
+
+    ```cpp
+    delay(10 * 60 * 1000);
+    ```
+
+    > 💁 La función `delay` toma el tiempo en milisegundos, por lo que para hacerlo más fácil de leer, el valor se pasa como el resultado de un cálculo. 1,000ms en un segundo, 60s en un minuto, así que 10 x (60s en un minuto) x (1000ms en un segundo) da un retraso de 10 minutos.
+
+1. Carga esto en tu Wio Terminal y utiliza el monitor serial para ver la temperatura siendo enviada al broker MQTT.
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    Sending telemetry {"temperature":25}
+    Sending telemetry {"temperature":25}
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-publish-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/wio-terminal).
+
+😀 Has publicado exitosamente la temperatura como telemetría desde tu dispositivo.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/es/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
new file mode 100644
index 00000000..c017b273
--- /dev/null
+++ b/translations/es/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
@@ -0,0 +1,143 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "59263d094f20b302053888cd236880c3",
+  "translation_date": "2025-08-26T14:29:55+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md",
+  "language_code": "es"
+}
+-->
+# Medir la temperatura - Wio Terminal
+
+En esta parte de la lección, agregarás un sensor de temperatura a tu Wio Terminal y leerás los valores de temperatura desde él.
+
+## Hardware
+
+El Wio Terminal necesita un sensor de temperatura.
+
+El sensor que usarás es un [sensor de humedad y temperatura DHT11](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html), que combina 2 sensores en un solo paquete. Este es bastante popular, con varios sensores disponibles comercialmente que combinan temperatura, humedad y, a veces, presión atmosférica. El componente del sensor de temperatura es un termistor de coeficiente de temperatura negativo (NTC), un termistor cuya resistencia disminuye a medida que aumenta la temperatura.
+
+Este es un sensor digital, por lo que tiene un ADC integrado para crear una señal digital que contiene los datos de temperatura y humedad que el microcontrolador puede leer.
+
+### Conectar el sensor de temperatura
+
+El sensor de temperatura Grove se puede conectar al puerto digital del Wio Terminal.
+
+#### Tarea - conectar el sensor de temperatura
+
+Conecta el sensor de temperatura.
+
+![Un sensor de temperatura Grove](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.es.png)
+
+1. Inserta un extremo de un cable Grove en el conector del sensor de humedad y temperatura. Solo encajará de una manera.
+
+1. Con el Wio Terminal desconectado de tu computadora u otra fuente de alimentación, conecta el otro extremo del cable Grove al conector Grove del lado derecho del Wio Terminal, mirando la pantalla. Este es el conector más alejado del botón de encendido.
+
+![El sensor de temperatura Grove conectado al conector derecho](../../../../../translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.es.png)
+
+## Programar el sensor de temperatura
+
+Ahora se puede programar el Wio Terminal para usar el sensor de temperatura conectado.
+
+### Tarea - programar el sensor de temperatura
+
+Programa el dispositivo.
+
+1. Crea un nuevo proyecto de Wio Terminal usando PlatformIO. Llama a este proyecto `temperature-sensor`. Agrega código en la función `setup` para configurar el puerto serial.
+
+    > ⚠️ Puedes consultar [las instrucciones para crear un proyecto PlatformIO en el proyecto 1, lección 1 si es necesario](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project).
+
+1. Agrega una dependencia de biblioteca para la biblioteca Seeed Grove Humidity and Temperature sensor al archivo `platformio.ini` del proyecto:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Temperature And Humidity Sensor @ 1.0.1
+    ```
+
+    > ⚠️ Puedes consultar [las instrucciones para agregar bibliotecas a un proyecto PlatformIO en el proyecto 1, lección 4 si es necesario](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md#install-the-wifi-and-mqtt-arduino-libraries).
+
+1. Agrega las siguientes directivas `#include` al principio del archivo, debajo del existente `#include <Arduino.h>`:
+
+    ```cpp
+    #include <DHT.h>
+    #include <SPI.h>
+    ```
+
+    Esto importa los archivos necesarios para interactuar con el sensor. El archivo de encabezado `DHT.h` contiene el código para el sensor en sí, y agregar el encabezado `SPI.h` asegura que el código necesario para comunicarse con el sensor se vincule cuando se compile la aplicación.
+
+1. Antes de la función `setup`, declara el sensor DHT:
+
+    ```cpp
+    DHT dht(D0, DHT11);
+    ```
+
+    Esto declara una instancia de la clase `DHT` que gestiona el sensor de **H**umedad y **T**emperatura **D**igital. Este está conectado al puerto `D0`, el conector Grove del lado derecho del Wio Terminal. El segundo parámetro indica que el sensor que se está utilizando es el sensor *DHT11*; la biblioteca que estás usando admite otras variantes de este sensor.
+
+1. En la función `setup`, agrega código para configurar la conexión serial:
+
+    ```cpp
+    void setup()
+    {
+        Serial.begin(9600);
+    
+        while (!Serial)
+            ; // Wait for Serial to be ready
+    
+        delay(1000);
+    }
+    ```
+
+1. Al final de la función `setup`, después del último `delay`, agrega una llamada para iniciar el sensor DHT:
+
+    ```cpp
+    dht.begin();
+    ```
+
+1. En la función `loop`, agrega código para llamar al sensor e imprimir la temperatura en el puerto serial:
+
+    ```cpp
+    void loop()
+    {
+        float temp_hum_val[2] = {0};
+        dht.readTempAndHumidity(temp_hum_val);
+        Serial.print("Temperature: ");
+        Serial.print(temp_hum_val[1]);
+        Serial.println ("°C");
+    
+        delay(10000);
+    }
+    ```
+
+    Este código declara un arreglo vacío de 2 flotantes y lo pasa a la llamada a `readTempAndHumidity` en la instancia `DHT`. Esta llamada llena el arreglo con 2 valores: la humedad se coloca en el elemento 0 del arreglo (recuerda que en C++ los arreglos son basados en 0, por lo que el elemento 0 es el 'primero' en el arreglo), y la temperatura se coloca en el elemento 1.
+
+    La temperatura se lee del elemento 1 del arreglo y se imprime en el puerto serial.
+
+    > 🇺🇸 La temperatura se lee en Celsius. Para los estadounidenses, para convertir esto a Fahrenheit, divide el valor en Celsius leído entre 5, luego multiplícalo por 9 y luego suma 32. Por ejemplo, una lectura de temperatura de 20°C se convierte en ((20/5)*9) + 32 = 68°F.
+
+1. Compila y sube el código al Wio Terminal.
+
+    > ⚠️ Puedes consultar [las instrucciones para crear un proyecto PlatformIO en el proyecto 1, lección 1 si es necesario](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app).
+
+1. Una vez subido, puedes monitorear la temperatura usando el monitor serial:
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Temperature: 25.00°C
+    Temperature: 25.00°C
+    Temperature: 25.00°C
+    Temperature: 24.00°C
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/wio-terminal).
+
+😀 ¡Tu programa del sensor de temperatura fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/es/2-farm/lessons/2-detect-soil-moisture/README.md
new file mode 100644
index 00000000..e5ee9eac
--- /dev/null
+++ b/translations/es/2-farm/lessons/2-detect-soil-moisture/README.md
@@ -0,0 +1,169 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4fb20273d299dc8d07a8f06c9cd0cdd9",
+  "translation_date": "2025-08-26T14:43:49+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/README.md",
+  "language_code": "es"
+}
+-->
+C, pronunciado como *I-cuadrado-C*, es un protocolo multi-controlador y multi-periférico, donde cualquier dispositivo conectado puede actuar como controlador o periférico comunicándose a través del bus I²C (el nombre para un sistema de comunicación que transfiere datos). Los datos se envían como paquetes dirigidos, y cada paquete contiene la dirección del dispositivo conectado al que está destinado.
+
+> 💁 Este modelo solía denominarse maestro/esclavo, pero esta terminología está siendo eliminada debido a su asociación con la esclavitud. La [Open Source Hardware Association ha adoptado los términos controlador/periférico](https://www.oshwa.org/a-resolution-to-redefine-spi-signal-names/), aunque aún puedes encontrar referencias a la terminología anterior.
+
+Los dispositivos tienen una dirección que se utiliza cuando se conectan al bus I²C, y generalmente está codificada en el dispositivo. Por ejemplo, cada tipo de sensor Grove de Seeed tiene la misma dirección, por lo que todos los sensores de luz tienen la misma dirección, todos los botones tienen la misma dirección, que es diferente de la dirección del sensor de luz. Algunos dispositivos permiten cambiar la dirección, modificando configuraciones de jumpers o soldando pines.
+
+I²C tiene un bus compuesto por 2 cables principales, junto con 2 cables de alimentación:
+
+| Cable | Nombre | Descripción |
+| ---- | --------- | ----------- |
+| SDA | Datos en serie | Este cable se utiliza para enviar datos entre dispositivos. |
+| SCL | Reloj en serie | Este cable envía una señal de reloj a una velocidad establecida por el controlador. |
+| VCC | Colector común de voltaje | La fuente de alimentación para los dispositivos. Este cable está conectado a los cables SDA y SCL para proporcionarles energía a través de una resistencia pull-up que apaga la señal cuando ningún dispositivo actúa como controlador. |
+| GND | Tierra | Proporciona una tierra común para el circuito eléctrico. |
+
+![Bus I2C con 3 dispositivos conectados a los cables SDA y SCL, compartiendo un cable de tierra común](../../../../../translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.es.png)
+
+Para enviar datos, un dispositivo emitirá una condición de inicio para indicar que está listo para enviar datos. Luego se convertirá en el controlador. El controlador envía la dirección del dispositivo con el que desea comunicarse, junto con la indicación de si quiere leer o escribir datos. Después de que los datos han sido transmitidos, el controlador envía una condición de parada para indicar que ha terminado. Después de esto, otro dispositivo puede convertirse en el controlador y enviar o recibir datos.
+
+2</sup>C tiene límites de velocidad, con 3 modos diferentes que funcionan a velocidades fijas. El más rápido es el modo de Alta Velocidad con una velocidad máxima de 3.4Mbps (megabits por segundo), aunque muy pocos dispositivos admiten esa velocidad. Por ejemplo, la Raspberry Pi está limitada al modo rápido a 400Kbps (kilobits por segundo). El modo estándar funciona a 100Kbps.
+
+> 💁 Si estás utilizando una Raspberry Pi con un Grove Base hat como tu hardware IoT, podrás ver varios conectores I<sup>2</sup>C en la placa que puedes usar para comunicarte con sensores I<sup>2</sup>C. Los sensores analógicos Grove también utilizan I<sup>2</sup>C con un ADC para enviar valores analógicos como datos digitales, por lo que el sensor de luz que usaste simuló un pin analógico, con el valor enviado a través de I<sup>2</sup>C, ya que la Raspberry Pi solo admite pines digitales.
+
+### Receptor-transmisor asíncrono universal (UART)
+
+UART implica circuitos físicos que permiten que dos dispositivos se comuniquen. Cada dispositivo tiene 2 pines de comunicación: transmitir (Tx) y recibir (Rx), con el pin Tx del primer dispositivo conectado al pin Rx del segundo, y el pin Tx del segundo dispositivo conectado al pin Rx del primero. Esto permite que los datos se envíen en ambas direcciones.
+
+* El dispositivo 1 transmite datos desde su pin Tx, que son recibidos por el dispositivo 2 en su pin Rx.
+* El dispositivo 1 recibe datos en su pin Rx que son transmitidos por el dispositivo 2 desde su pin Tx.
+
+![UART con el pin Tx de un chip conectado al pin Rx de otro, y viceversa](../../../../../translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.es.png)
+
+> 🎓 Los datos se envían un bit a la vez, y esto se conoce como comunicación *serial*. La mayoría de los sistemas operativos y microcontroladores tienen *puertos seriales*, es decir, conexiones que pueden enviar y recibir datos seriales disponibles para tu código.
+
+Los dispositivos UART tienen una [tasa de baudios](https://wikipedia.org/wiki/Symbol_rate) (también conocida como tasa de símbolos), que es la velocidad a la que los datos se enviarán y recibirán en bits por segundo. Una tasa de baudios común es 9,600, lo que significa que se envían 9,600 bits (0s y 1s) de datos cada segundo.
+
+UART utiliza bits de inicio y parada: envía un bit de inicio para indicar que está a punto de enviar un byte (8 bits) de datos, y luego un bit de parada después de enviar los 8 bits.
+
+La velocidad de UART depende del hardware, pero incluso las implementaciones más rápidas no superan los 6.5 Mbps (megabits por segundo, o millones de bits, 0 o 1, enviados por segundo).
+
+Puedes usar UART sobre pines GPIO: puedes configurar un pin como Tx y otro como Rx, y luego conectarlos a otro dispositivo.
+
+> 💁 Si estás utilizando una Raspberry Pi con un Grove Base hat como tu hardware IoT, podrás ver un conector UART en la placa que puedes usar para comunicarte con sensores que utilizan el protocolo UART.
+
+### Interfaz Periférica Serial (SPI)
+
+SPI está diseñado para comunicarse a corta distancia, como en un microcontrolador para interactuar con un dispositivo de almacenamiento como memoria flash. Se basa en un modelo de controlador/periférico con un único controlador (generalmente el procesador del dispositivo IoT) interactuando con múltiples periféricos. El controlador controla todo seleccionando un periférico y enviando o solicitando datos.
+
+> 💁 Al igual que I<sup>2</sup>C, los términos controlador y periférico son cambios recientes, por lo que es posible que veas los términos más antiguos aún en uso.
+
+Los controladores SPI utilizan 3 cables, junto con 1 cable adicional por periférico. Los periféricos utilizan 4 cables. Estos cables son:
+
+| Cable | Nombre | Descripción |
+| ---- | --------- | ----------- |
+| COPI | Salida del controlador, entrada del periférico | Este cable es para enviar datos del controlador al periférico. |
+| CIPO | Entrada del controlador, salida del periférico | Este cable es para enviar datos del periférico al controlador. |
+| SCLK | Reloj serial | Este cable envía una señal de reloj a una velocidad establecida por el controlador. |
+| CS   | Selección de chip | El controlador tiene múltiples cables, uno por periférico, y cada cable se conecta al cable CS en el periférico correspondiente. |
+
+![SPI con un controlador y dos periféricos](../../../../../translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.es.png)
+
+El cable CS se utiliza para activar un periférico a la vez, comunicándose a través de los cables COPI y CIPO. Cuando el controlador necesita cambiar de periférico, desactiva el cable CS conectado al periférico actualmente activo, y luego activa el cable conectado al periférico con el que desea comunicarse a continuación.
+
+SPI es *full-duplex*, lo que significa que el controlador puede enviar y recibir datos al mismo tiempo desde el mismo periférico utilizando los cables COPI y CIPO. SPI utiliza una señal de reloj en el cable SCLK para mantener los dispositivos sincronizados, por lo que, a diferencia de enviar directamente a través de UART, no necesita bits de inicio y parada.
+
+No hay límites de velocidad definidos para SPI, con implementaciones que a menudo pueden transmitir múltiples megabytes de datos por segundo.
+
+Los kits de desarrollo IoT suelen admitir SPI en algunos de los pines GPIO. Por ejemplo, en una Raspberry Pi puedes usar los pines GPIO 19, 21, 23, 24 y 26 para SPI.
+
+### Inalámbrico
+
+Algunos sensores pueden comunicarse a través de protocolos inalámbricos estándar, como Bluetooth (principalmente Bluetooth Low Energy, o BLE), LoRaWAN (un protocolo de red de bajo consumo de **Lo**ng **Ra**nge), o WiFi. Estos permiten sensores remotos que no están físicamente conectados a un dispositivo IoT.
+
+Un ejemplo de esto son los sensores comerciales de humedad del suelo. Estos medirán la humedad del suelo en un campo y luego enviarán los datos a través de LoRaWAN a un dispositivo concentrador, que procesará los datos o los enviará a través de Internet. Esto permite que el sensor esté lejos del dispositivo IoT que gestiona los datos, reduciendo el consumo de energía y la necesidad de grandes redes WiFi o cables largos.
+
+BLE es popular para sensores avanzados como rastreadores de actividad física que funcionan en la muñeca. Estos combinan múltiples sensores y envían los datos del sensor a un dispositivo IoT en forma de tu teléfono a través de BLE.
+
+✅ ¿Tienes algún sensor Bluetooth contigo, en tu casa o en tu escuela? Estos podrían incluir sensores de temperatura, sensores de ocupación, rastreadores de dispositivos y dispositivos de fitness.
+
+Una forma popular para que los dispositivos comerciales se conecten es Zigbee. Zigbee utiliza WiFi para formar redes de malla entre dispositivos, donde cada dispositivo se conecta a tantos dispositivos cercanos como sea posible, formando una gran cantidad de conexiones como una telaraña. Cuando un dispositivo quiere enviar un mensaje a Internet, puede enviarlo a los dispositivos más cercanos, que luego lo reenvían a otros dispositivos cercanos y así sucesivamente, hasta que llega a un coordinador y puede enviarse a Internet.
+
+> 🐝 El nombre Zigbee hace referencia al baile de meneo de las abejas melíferas después de regresar a la colmena.
+
+## Medir los niveles de humedad en el suelo
+
+Puedes medir el nivel de humedad en el suelo utilizando un sensor de humedad del suelo, un dispositivo IoT y una planta de interior o un parche de suelo cercano.
+
+### Tarea - medir la humedad del suelo
+
+Sigue la guía correspondiente para medir la humedad del suelo utilizando tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-soil-moisture.md)
+* [Computadora de placa única - Raspberry Pi](pi-soil-moisture.md)
+* [Computadora de placa única - Dispositivo virtual](virtual-device-soil-moisture.md)
+
+## Calibración de sensores
+
+Los sensores dependen de medir propiedades eléctricas como la resistencia o la capacitancia.
+
+> 🎓 La resistencia, medida en ohmios (Ω), es cuánta oposición hay a la corriente eléctrica que viaja a través de algo. Cuando se aplica un voltaje a un material, la cantidad de corriente que pasa a través de él depende de la resistencia del material. Puedes leer más en la [página de resistencia eléctrica en Wikipedia](https://wikipedia.org/wiki/Electrical_resistance_and_conductance).
+
+> 🎓 La capacitancia, medida en faradios (F), es la capacidad de un componente o circuito para recolectar y almacenar energía eléctrica. Puedes leer más sobre capacitancia en la [página de capacitancia en Wikipedia](https://wikipedia.org/wiki/Capacitance).
+
+Estas mediciones no siempre son útiles: imagina un sensor de temperatura que te diera una medición de 22.5KΩ. En cambio, el valor medido necesita convertirse en una unidad útil mediante la calibración, es decir, igualar los valores medidos con la cantidad medida para permitir que las nuevas mediciones se conviertan a la unidad correcta.
+
+Algunos sensores vienen pre-calibrados. Por ejemplo, el sensor de temperatura que usaste en la última lección ya estaba calibrado para que pudiera devolver una medición de temperatura en °C. En la fábrica, el primer sensor creado se expondría a una gama de temperaturas conocidas y se mediría la resistencia. Esto luego se usaría para construir un cálculo que pueda convertir del valor medido en Ω (la unidad de resistencia) a °C.
+
+> 💁 La fórmula para calcular la resistencia a partir de la temperatura se llama la [ecuación de Steinhart–Hart](https://wikipedia.org/wiki/Steinhart–Hart_equation).
+
+### Calibración del sensor de humedad del suelo
+
+La humedad del suelo se mide utilizando contenido de agua gravimétrico o volumétrico.
+
+* Gravimétrico es el peso del agua en una unidad de peso de suelo medido, como el número de kilogramos de agua por kilogramo de suelo seco.
+* Volumétrico es el volumen de agua en una unidad de volumen de suelo medido, como el número de metros cúbicos de agua por metros cúbicos de suelo seco.
+
+> 🇺🇸 Para los estadounidenses, debido a la consistencia de las unidades, estos pueden medirse en libras en lugar de kilogramos o pies cúbicos en lugar de metros cúbicos.
+
+Los sensores de humedad del suelo miden resistencia eléctrica o capacitancia: esto no solo varía según la humedad del suelo, sino también según el tipo de suelo, ya que los componentes en el suelo pueden cambiar sus características eléctricas. Idealmente, los sensores deben calibrarse, es decir, tomar lecturas del sensor y compararlas con mediciones obtenidas utilizando un enfoque más científico. Por ejemplo, un laboratorio puede calcular la humedad gravimétrica del suelo utilizando muestras de un campo específico tomadas unas pocas veces al año, y estos números se utilizan para calibrar el sensor, igualando la lectura del sensor con la humedad gravimétrica del suelo.
+
+![Un gráfico de voltaje vs contenido de humedad del suelo](../../../../../translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.es.png)
+
+El gráfico anterior muestra cómo calibrar un sensor. El voltaje se captura para una muestra de suelo que luego se mide en un laboratorio comparando el peso húmedo con el peso seco (midiendo el peso húmedo, luego secándolo en un horno y midiendo el peso seco). Una vez que se han tomado algunas lecturas, esto puede graficarse y ajustarse una línea a los puntos. Esta línea luego puede usarse para convertir las lecturas del sensor de humedad del suelo tomadas por un dispositivo IoT en mediciones reales de humedad del suelo.
+
+💁 Para los sensores de humedad del suelo resistivos, el voltaje aumenta a medida que aumenta la humedad del suelo. Para los sensores de humedad del suelo capacitivos, el voltaje disminuye a medida que aumenta la humedad del suelo, por lo que los gráficos para estos se inclinarían hacia abajo, no hacia arriba.
+
+![Un valor de humedad del suelo interpolado desde el gráfico](../../../../../translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.es.png)
+
+El gráfico anterior muestra una lectura de voltaje de un sensor de humedad del suelo, y al seguir esa lectura hasta la línea en el gráfico, se puede calcular la humedad real del suelo.
+
+Este enfoque significa que el agricultor solo necesita obtener algunas mediciones de laboratorio para un campo, luego puede usar dispositivos IoT para medir la humedad del suelo, acelerando drásticamente el tiempo para tomar mediciones.
+
+---
+
+## 🚀 Desafío
+
+Los sensores de humedad del suelo resistivos y capacitivos tienen varias diferencias. ¿Cuáles son estas diferencias y cuál tipo (si alguno) es el mejor para que un agricultor lo use? ¿Cambia esta respuesta entre países en desarrollo y desarrollados?
+
+## Cuestionario posterior a la lección
+
+[Cuestionario posterior a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/12)
+
+## Revisión y autoestudio
+
+Investiga sobre el hardware y los protocolos utilizados por sensores y actuadores:
+
+* [Página de Wikipedia sobre GPIO](https://wikipedia.org/wiki/General-purpose_input/output)
+* [Página de Wikipedia sobre UART](https://wikipedia.org/wiki/Universal_asynchronous_receiver-transmitter)
+* [Página de Wikipedia sobre SPI](https://wikipedia.org/wiki/Serial_Peripheral_Interface)
+* [Página de Wikipedia sobre I<sup>2</sup>C](https://wikipedia.org/wiki/I²C)
+* [Página de Wikipedia sobre Zigbee](https://wikipedia.org/wiki/Zigbee)
+
+## Asignación
+
+[Calibra tu sensor](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/es/2-farm/lessons/2-detect-soil-moisture/assignment.md
new file mode 100644
index 00000000..683a8a06
--- /dev/null
+++ b/translations/es/2-farm/lessons/2-detect-soil-moisture/assignment.md
@@ -0,0 +1,61 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "506d21b544d5de47406c89ad496a21cd",
+  "translation_date": "2025-08-26T14:45:31+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/assignment.md",
+  "language_code": "es"
+}
+-->
+# Calibra tu sensor
+
+## Instrucciones
+
+En esta lección obtuviste lecturas del sensor de humedad del suelo, medidas como valores de 0-1023. Para convertir estos valores en lecturas reales de humedad del suelo, necesitas calibrar tu sensor. Puedes hacerlo tomando lecturas de muestras de suelo y luego calculando el contenido gravimétrico de humedad del suelo a partir de estas muestras.
+
+Necesitarás repetir estos pasos varias veces para obtener las lecturas necesarias, utilizando suelos con diferentes niveles de humedad cada vez.
+
+1. Toma una lectura de humedad del suelo utilizando el sensor de humedad del suelo. Anota esta lectura.
+
+1. Toma una muestra del suelo y pésala. Anota este peso.
+
+1. Seca el suelo. Un horno cálido a 110°C (230°F) durante unas horas es la mejor opción. También puedes hacerlo al sol o colocarlo en un lugar cálido y seco hasta que el suelo esté completamente seco. Debe quedar pulverizado y suelto.
+
+    > 💁 En un laboratorio, para obtener resultados más precisos, deberías secar el suelo en un horno durante 48-72 horas. Si tu escuela tiene hornos de secado, consulta si puedes utilizarlos para secar las muestras por más tiempo. Cuanto más tiempo, más seco estará el suelo y más precisos serán los resultados.
+
+1. Pesa el suelo nuevamente.
+
+    > 🔥 Si lo secaste en un horno, asegúrate de que se haya enfriado primero.
+
+La humedad gravimétrica del suelo se calcula como:
+
+![La humedad del suelo % es el peso húmedo menos el peso seco, dividido por el peso seco, multiplicado por 100](../../../../../translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.es.png)
+
+* W - el peso del suelo húmedo  
+* W - el peso del suelo seco  
+
+Por ejemplo, supongamos que tienes una muestra de suelo que pesa 212g húmeda y 197g seca.
+
+![El cálculo completado](../../../../../translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.es.png)
+
+* W = 212g  
+* W = 197g  
+* 212 - 197 = 15  
+* 15 / 197 = 0.076  
+* 0.076 * 100 = 7.6%  
+
+En este ejemplo, el suelo tiene una humedad gravimétrica del 7.6%.
+
+Una vez que tengas las lecturas de al menos 3 muestras, traza un gráfico del porcentaje de humedad del suelo frente a la lectura del sensor de humedad del suelo y añade una línea que se ajuste mejor a los puntos. Luego, puedes usar esto para calcular el contenido gravimétrico de humedad del suelo para una lectura específica del sensor leyendo el valor de la línea.
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejorar |
+| --------- | -------- | -------- | ---------------- |
+| Recopilar datos de calibración | Captura al menos 3 muestras de calibración | Captura al menos 2 muestras de calibración | Captura al menos 1 muestra de calibración |
+| Realizar una lectura calibrada | Traza exitosamente el gráfico de calibración y realiza una lectura del sensor, convirtiéndola en contenido gravimétrico de humedad del suelo | Traza exitosamente el gráfico de calibración | No logra trazar el gráfico |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/es/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
new file mode 100644
index 00000000..2c79d08e
--- /dev/null
+++ b/translations/es/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9d4d00a47d5d0f3e6ce42c0d1020064a",
+  "translation_date": "2025-08-26T14:46:48+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md",
+  "language_code": "es"
+}
+-->
+# Medir la humedad del suelo - Raspberry Pi
+
+En esta parte de la lección, agregarás un sensor capacitivo de humedad del suelo a tu Raspberry Pi y leerás valores de él.
+
+## Hardware
+
+La Raspberry Pi necesita un sensor capacitivo de humedad del suelo.
+
+El sensor que usarás es un [Sensor Capacitivo de Humedad del Suelo](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html), que mide la humedad del suelo detectando la capacitancia del mismo, una propiedad que cambia a medida que varía la humedad del suelo. A medida que aumenta la humedad del suelo, el voltaje disminuye.
+
+Este es un sensor analógico, por lo que utiliza un pin analógico y el ADC de 10 bits en el Grove Base Hat de la Pi para convertir el voltaje en una señal digital de 1-1,023. Luego, esta señal se envía a través de I
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/es/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
new file mode 100644
index 00000000..2293821d
--- /dev/null
+++ b/translations/es/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2bf65f162bcebd35fbcba5fd245afac4",
+  "translation_date": "2025-08-26T14:46:07+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md",
+  "language_code": "es"
+}
+-->
+# Medir la humedad del suelo - Hardware IoT Virtual
+
+En esta parte de la lección, agregarás un sensor capacitivo de humedad del suelo a tu dispositivo IoT virtual y leerás valores de él.
+
+## Hardware Virtual
+
+El dispositivo IoT virtual utilizará un sensor capacitivo de humedad del suelo simulado Grove. Esto mantiene este laboratorio igual que usar un Raspberry Pi con un sensor capacitivo de humedad del suelo físico.
+
+En un dispositivo IoT físico, el sensor de humedad del suelo sería un sensor capacitivo que mide la humedad del suelo detectando la capacitancia del mismo, una propiedad que cambia a medida que cambia la humedad del suelo. A medida que aumenta la humedad del suelo, el voltaje disminuye.
+
+Este es un sensor analógico, por lo que utiliza un ADC simulado de 10 bits para reportar un valor entre 1 y 1,023.
+
+### Agregar el sensor de humedad del suelo a CounterFit
+
+Para usar un sensor virtual de humedad del suelo, necesitas agregarlo a la aplicación CounterFit.
+
+#### Tarea - Agregar el sensor de humedad del suelo a CounterFit
+
+Agrega el sensor de humedad del suelo a la aplicación CounterFit.
+
+1. Crea una nueva aplicación de Python en tu computadora en una carpeta llamada `soil-moisture-sensor` con un único archivo llamado `app.py` y un entorno virtual de Python, y agrega los paquetes pip de CounterFit.
+
+    > ⚠️ Puedes consultar [las instrucciones para crear y configurar un proyecto de Python en CounterFit en la lección 1 si es necesario](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Asegúrate de que la aplicación web de CounterFit esté ejecutándose.
+
+1. Crea un sensor de humedad del suelo:
+
+    1. En el cuadro *Create sensor* en el panel *Sensors*, despliega el cuadro *Sensor type* y selecciona *Soil Moisture*.
+
+    1. Deja las *Units* configuradas en *NoUnits*.
+
+    1. Asegúrate de que el *Pin* esté configurado en *0*.
+
+    1. Selecciona el botón **Add** para crear el sensor *Soil Moisture* en el Pin 0.
+
+    ![Configuración del sensor de humedad del suelo](../../../../../translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.es.png)
+
+    El sensor de humedad del suelo será creado y aparecerá en la lista de sensores.
+
+    ![Sensor de humedad del suelo creado](../../../../../translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.es.png)
+
+## Programar la aplicación del sensor de humedad del suelo
+
+La aplicación del sensor de humedad del suelo ahora puede ser programada utilizando los sensores de CounterFit.
+
+### Tarea - Programar la aplicación del sensor de humedad del suelo
+
+Programa la aplicación del sensor de humedad del suelo.
+
+1. Asegúrate de que la aplicación `soil-moisture-sensor` esté abierta en VS Code.
+
+1. Abre el archivo `app.py`.
+
+1. Agrega el siguiente código al inicio de `app.py` para conectar la aplicación a CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Agrega el siguiente código al archivo `app.py` para importar algunas bibliotecas necesarias:
+
+    ```python
+    import time
+    from counterfit_shims_grove.adc import ADC
+    ```
+
+    La declaración `import time` importa el módulo `time`, que se utilizará más adelante en esta tarea.
+
+    La declaración `from counterfit_shims_grove.adc import ADC` importa la clase `ADC` para interactuar con un convertidor analógico a digital virtual que puede conectarse a un sensor de CounterFit.
+
+1. Agrega el siguiente código debajo de esto para crear una instancia de la clase `ADC`:
+
+    ```python
+    adc = ADC()
+    ```
+
+1. Agrega un bucle infinito que lea desde este ADC en el pin 0 y escriba el resultado en la consola. Este bucle puede luego dormir durante 10 segundos entre lecturas.
+
+    ```python
+    while True:
+        soil_moisture = adc.read(0)
+        print("Soil moisture:", soil_moisture)
+    
+        time.sleep(10)
+    ```
+
+1. Desde la aplicación CounterFit, cambia el valor del sensor de humedad del suelo que será leído por la aplicación. Puedes hacerlo de dos maneras:
+
+    * Ingresa un número en el cuadro *Value* del sensor de humedad del suelo y luego selecciona el botón **Set**. El número que ingreses será el valor devuelto por el sensor.
+
+    * Marca la casilla *Random* y establece un valor *Min* y *Max*, luego selecciona el botón **Set**. Cada vez que el sensor lea un valor, leerá un número aleatorio entre *Min* y *Max*.
+
+1. Ejecuta la aplicación de Python. Verás las mediciones de humedad del suelo escritas en la consola. Cambia el *Value* o la configuración de *Random* para ver cómo cambia el valor.
+
+    ```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
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code/virtual-device](../../../../../2-farm/lessons/2-detect-soil-moisture/code/virtual-device).
+
+😀 ¡Tu programa del sensor de humedad del suelo fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/es/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
new file mode 100644
index 00000000..17caa993
--- /dev/null
+++ b/translations/es/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
@@ -0,0 +1,117 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d55caa8c23d73635b7559102cd17b8a",
+  "translation_date": "2025-08-26T14:44:59+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md",
+  "language_code": "es"
+}
+-->
+# Medir la humedad del suelo - Wio Terminal
+
+En esta parte de la lección, agregarás un sensor capacitivo de humedad del suelo a tu Wio Terminal y leerás valores de él.
+
+## Hardware
+
+El Wio Terminal necesita un sensor capacitivo de humedad del suelo.
+
+El sensor que usarás es un [Sensor Capacitivo de Humedad del Suelo](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html), que mide la humedad del suelo detectando la capacitancia del mismo, una propiedad que cambia a medida que varía la humedad del suelo. A medida que aumenta la humedad del suelo, el voltaje disminuye.
+
+Este es un sensor analógico, por lo que se conecta a los pines analógicos del Wio Terminal, utilizando un ADC integrado para generar un valor de 0 a 1,023.
+
+### Conecta el sensor de humedad del suelo
+
+El sensor de humedad del suelo Grove puede conectarse al puerto analógico/digital configurable del Wio Terminal.
+
+#### Tarea - conectar el sensor de humedad del suelo
+
+Conecta el sensor de humedad del suelo.
+
+![Un sensor Grove de humedad del suelo](../../../../../translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.es.png)
+
+1. Inserta un extremo de un cable Grove en el conector del sensor de humedad del suelo. Solo encajará de una manera.
+
+1. Con el Wio Terminal desconectado de tu computadora u otra fuente de alimentación, conecta el otro extremo del cable Grove al conector Grove del lado derecho del Wio Terminal, mirando la pantalla. Este es el conector más alejado del botón de encendido.
+
+![El sensor Grove de humedad del suelo conectado al conector derecho](../../../../../translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.es.png)
+
+1. Inserta el sensor de humedad del suelo en la tierra. Tiene una 'línea de posición máxima' - una línea blanca a través del sensor. Inserta el sensor hasta esta línea, pero no más allá.
+
+![El sensor Grove de humedad del suelo en la tierra](../../../../../translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.es.png)
+
+1. Ahora puedes conectar el Wio Terminal a tu computadora.
+
+## Programa el sensor de humedad del suelo
+
+El Wio Terminal ahora puede ser programado para usar el sensor de humedad del suelo conectado.
+
+### Tarea - programar el sensor de humedad del suelo
+
+Programa el dispositivo.
+
+1. Crea un nuevo proyecto de Wio Terminal usando PlatformIO. Llama a este proyecto `soil-moisture-sensor`. Agrega código en la función `setup` para configurar el puerto serial.
+
+    > ⚠️ Puedes consultar [las instrucciones para crear un proyecto PlatformIO en el proyecto 1, lección 1 si es necesario](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project).
+
+1. No existe una biblioteca para este sensor, en su lugar puedes leer desde el pin analógico usando la función [`analogRead`](https://www.arduino.cc/reference/en/language/functions/analog-io/analogread/) incorporada de Arduino. Comienza configurando el pin analógico como entrada para que se puedan leer valores de él, agregando lo siguiente a la función `setup`.
+
+    ```cpp
+    pinMode(A0, INPUT);
+    ```
+
+    Esto configura el pin `A0`, el pin combinado analógico/digital, como un pin de entrada desde el cual se puede leer voltaje.
+
+1. Agrega lo siguiente a la función `loop` para leer el voltaje de este pin:
+
+    ```cpp
+    int soil_moisture = analogRead(A0);
+    ```
+
+1. Debajo de este código, agrega el siguiente código para imprimir el valor en el puerto serial:
+
+    ```cpp
+    Serial.print("Soil Moisture: ");
+    Serial.println(soil_moisture);
+    ```
+
+1. Finalmente, agrega un retraso al final de 10 segundos:
+
+    ```cpp
+    delay(10000);
+    ```
+
+1. Compila y sube el código al Wio Terminal.
+
+    > ⚠️ Puedes consultar [las instrucciones para crear un proyecto PlatformIO en el proyecto 1, lección 1 si es necesario](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app).
+
+1. Una vez subido, puedes monitorear la humedad del suelo usando el monitor serial. Agrega un poco de agua a la tierra o retira el sensor de la tierra y observa cómo cambia el valor.
+
+    ```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
+    ```
+
+    En el ejemplo de salida anterior, puedes ver cómo el voltaje disminuye a medida que se agrega agua.
+
+> 💁 Puedes encontrar este código en la carpeta [code/wio-terminal](../../../../../2-farm/lessons/2-detect-soil-moisture/code/wio-terminal).
+
+😀 ¡Tu programa para el sensor de humedad del suelo fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/3-automated-plant-watering/README.md b/translations/es/2-farm/lessons/3-automated-plant-watering/README.md
new file mode 100644
index 00000000..205bb495
--- /dev/null
+++ b/translations/es/2-farm/lessons/3-automated-plant-watering/README.md
@@ -0,0 +1,314 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f7bb24ba53fb627ddb38a8b24a05e594",
+  "translation_date": "2025-08-26T14:33:40+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/README.md",
+  "language_code": "es"
+}
+-->
+# Riego automatizado de plantas
+
+![Una vista general en sketchnote de esta lección](../../../../../translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.es.jpg)
+
+> Sketchnote por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+Esta lección fue impartida como parte de la serie [IoT para principiantes Proyecto 2 - Agricultura digital](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) del [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![Riego automatizado de plantas impulsado por IoT](https://img.youtube.com/vi/g9FfZwv9R58/0.jpg)](https://youtu.be/g9FfZwv9R58)
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/13)
+
+## Introducción
+
+En la última lección, aprendiste cómo monitorear la humedad del suelo. En esta lección aprenderás a construir los componentes principales de un sistema de riego automatizado que responde a la humedad del suelo. También aprenderás sobre el tiempo de respuesta: cómo los sensores pueden tardar en reaccionar a los cambios y cómo los actuadores pueden tardar en modificar las propiedades que los sensores están midiendo.
+
+En esta lección cubriremos:
+
+* [Controlar dispositivos de alta potencia desde un dispositivo IoT de baja potencia](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Controlar un relé](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Controlar tu planta mediante MQTT](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Tiempo de respuesta de sensores y actuadores](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Agregar temporización al servidor de control de tu planta](../../../../../2-farm/lessons/3-automated-plant-watering)
+
+## Controlar dispositivos de alta potencia desde un dispositivo IoT de baja potencia
+
+Los dispositivos IoT utilizan un voltaje bajo. Aunque esto es suficiente para sensores y actuadores de baja potencia como LEDs, es demasiado bajo para controlar hardware más grande, como una bomba de agua utilizada para riego. Incluso las bombas pequeñas que podrías usar para plantas de interior consumen demasiada corriente para un kit de desarrollo IoT y podrían dañar la placa.
+
+> 🎓 La corriente, medida en amperios (A), es la cantidad de electricidad que fluye a través de un circuito. El voltaje proporciona el empuje, la corriente es cuánto se empuja. Puedes leer más sobre la corriente en la [página de corriente eléctrica en Wikipedia](https://wikipedia.org/wiki/Electric_current).
+
+La solución a esto es conectar una bomba a una fuente de alimentación externa y usar un actuador para encender la bomba, similar a cómo encenderías una luz. Se necesita una pequeña cantidad de energía (en forma de energía en tu cuerpo) para que tu dedo accione un interruptor, y esto conecta la luz a la electricidad de red que funciona a 110v/240v.
+
+![Un interruptor de luz enciende la luz](../../../../../translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.es.png)
+
+> 🎓 [Electricidad de red](https://wikipedia.org/wiki/Mains_electricity) se refiere a la electricidad entregada a hogares y negocios a través de infraestructura nacional en muchas partes del mundo.
+
+✅ Los dispositivos IoT generalmente pueden proporcionar 3.3V o 5V, con menos de 1 amperio (1A) de corriente. Comparado con la electricidad de red, que suele ser de 230V (120V en América del Norte y 100V en Japón), y puede proporcionar energía para dispositivos que consumen hasta 30A.
+
+Existen varios actuadores que pueden hacer esto, incluidos dispositivos mecánicos que puedes conectar a interruptores existentes para imitar un dedo encendiéndolos. El más popular es un relé.
+
+### Relés
+
+Un relé es un interruptor electromecánico que convierte una señal eléctrica en un movimiento mecánico que enciende un interruptor. El núcleo de un relé es un electroimán.
+
+> 🎓 [Electroimanes](https://wikipedia.org/wiki/Electromagnet) son imanes que se crean al pasar electricidad a través de una bobina de alambre. Cuando la electricidad está encendida, la bobina se magnetiza. Cuando la electricidad está apagada, la bobina pierde su magnetismo.
+
+![Cuando está encendido, el electroimán crea un campo magnético, activando el interruptor del circuito de salida](../../../../../translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.es.png)
+
+En un relé, un circuito de control alimenta el electroimán. Cuando el electroimán está encendido, tira de una palanca que mueve un interruptor, cerrando un par de contactos y completando un circuito de salida.
+
+![Cuando está apagado, el electroimán no crea un campo magnético, desactivando el interruptor del circuito de salida](../../../../../translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.es.png)
+
+Cuando el circuito de control está apagado, el electroimán se apaga, liberando la palanca y abriendo los contactos, apagando el circuito de salida. Los relés son actuadores digitales: una señal alta al relé lo enciende, una señal baja lo apaga.
+
+El circuito de salida puede usarse para alimentar hardware adicional, como un sistema de riego. El dispositivo IoT puede encender el relé, completando el circuito de salida que alimenta el sistema de riego, y las plantas se riegan. Luego, el dispositivo IoT puede apagar el relé, cortando la energía al sistema de riego y deteniendo el agua.
+
+![Un relé encendiéndose, activando una bomba que envía agua a una planta](../../../../../images/strawberry-pump.gif)
+
+En el video anterior, se enciende un relé. Un LED en el relé se ilumina para indicar que está encendido (algunas placas de relé tienen LEDs para indicar si el relé está encendido o apagado), y se envía energía a la bomba, activándola y bombeando agua a una planta.
+
+> 💁 Los relés también pueden usarse para alternar entre dos circuitos de salida en lugar de encender y apagar uno. A medida que la palanca se mueve, cambia un interruptor de completar un circuito de salida a completar un circuito de salida diferente, generalmente compartiendo una conexión de alimentación común o una conexión de tierra común.
+
+✅ Investiga: Hay múltiples tipos de relés, con diferencias como si el circuito de control enciende o apaga el relé cuando se aplica energía, o múltiples circuitos de salida. Investiga sobre estos diferentes tipos.
+
+Cuando la palanca se mueve, generalmente puedes escucharla hacer contacto con el electroimán con un ruido de clic bien definido.
+
+> 💁 Un relé puede cablearse de manera que al hacer la conexión realmente interrumpa la energía al relé, apagándolo, lo que luego envía energía al relé encendiéndolo nuevamente, y así sucesivamente. Esto significa que el relé hará clic increíblemente rápido, produciendo un ruido de zumbido. Así es como funcionaban algunos de los primeros timbres eléctricos utilizados en puertas.
+
+### Energía del relé
+
+El electroimán no necesita mucha energía para activarse y tirar de la palanca, puede controlarse utilizando la salida de 3.3V o 5V de un kit de desarrollo IoT. El circuito de salida puede transportar mucha más energía, dependiendo del relé, incluyendo voltaje de red o incluso niveles de energía más altos para uso industrial. De esta manera, un kit de desarrollo IoT puede controlar un sistema de riego, desde una pequeña bomba para una sola planta, hasta un sistema industrial masivo para toda una granja comercial.
+
+![Un relé Grove con el circuito de control, circuito de salida y relé etiquetados](../../../../../translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.es.png)
+
+La imagen anterior muestra un relé Grove. El circuito de control se conecta a un dispositivo IoT y enciende o apaga el relé utilizando 3.3V o 5V. El circuito de salida tiene dos terminales, cualquiera de ellos puede ser alimentación o tierra. El circuito de salida puede manejar hasta 250V a 10A, suficiente para una variedad de dispositivos alimentados por red. Puedes obtener relés que pueden manejar incluso niveles de energía más altos.
+
+![Una bomba conectada a través de un relé](../../../../../translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.es.png)
+
+En la imagen anterior, la energía se suministra a una bomba a través de un relé. Hay un cable rojo que conecta el terminal +5V de una fuente de alimentación USB a un terminal del circuito de salida del relé, y otro cable rojo que conecta el otro terminal del circuito de salida a la bomba. Un cable negro conecta la bomba a la tierra de la fuente de alimentación USB. Cuando el relé se enciende, completa el circuito, enviando 5V a la bomba y activándola.
+
+## Controlar un relé
+
+Puedes controlar un relé desde tu kit de desarrollo IoT.
+
+### Tarea - controlar un relé
+
+Sigue la guía correspondiente para controlar un relé utilizando tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-relay.md)
+* [Computadora de placa única - Raspberry Pi](pi-relay.md)
+* [Computadora de placa única - Dispositivo virtual](virtual-device-relay.md)
+
+## Controlar tu planta mediante MQTT
+
+Hasta ahora, tu relé es controlado directamente por el dispositivo IoT basado en una sola lectura de humedad del suelo. En un sistema de riego comercial, la lógica de control estará centralizada, permitiendo tomar decisiones sobre el riego utilizando datos de múltiples sensores y permitiendo que cualquier configuración se cambie en un solo lugar. Para simular esto, puedes controlar el relé mediante MQTT.
+
+### Tarea - controlar el relé mediante MQTT
+
+1. Agrega las bibliotecas/pip packages y el código relevantes de MQTT a tu proyecto `soil-moisture-sensor` para conectarte a MQTT. Nombra el ID del cliente como `soilmoisturesensor_client` precedido por tu ID.
+
+    > ⚠️ Puedes consultar [las instrucciones para conectarte a MQTT en el proyecto 1, lección 4 si es necesario](../../../1-getting-started/lessons/4-connect-internet/README.md#connect-your-iot-device-to-mqtt).
+
+1. Agrega el código del dispositivo relevante para enviar telemetría con las configuraciones de humedad del suelo. Para el mensaje de telemetría, nombra la propiedad `soil_moisture`.
+
+    > ⚠️ Puedes consultar [las instrucciones para enviar telemetría a MQTT en el proyecto 1, lección 4 si es necesario](../../../1-getting-started/lessons/4-connect-internet/README.md#send-telemetry-from-your-iot-device).
+
+1. Crea un código de servidor local para suscribirte a la telemetría y enviar un comando para controlar el relé en una carpeta llamada `soil-moisture-sensor-server`. Nombra la propiedad en el mensaje de comando `relay_on`, y establece el ID del cliente como `soilmoisturesensor_server` precedido por tu ID. Mantén la misma estructura que el código del servidor que escribiste para el proyecto 1, lección 4, ya que agregarás más código a este más adelante en esta lección.
+
+    > ⚠️ Puedes consultar [las instrucciones para enviar telemetría a MQTT](../../../1-getting-started/lessons/4-connect-internet/README.md#write-the-server-code) y [enviar comandos mediante MQTT](../../../1-getting-started/lessons/4-connect-internet/README.md#send-commands-to-the-mqtt-broker) en el proyecto 1, lección 4 si es necesario.
+
+1. Agrega el código del dispositivo relevante para controlar el relé a partir de los comandos recibidos, utilizando la propiedad `relay_on` del mensaje. Envía true para `relay_on` si el `soil_moisture` es mayor que 450, de lo contrario envía false, igual que la lógica que agregaste para el dispositivo IoT anteriormente.
+
+    > ⚠️ Puedes consultar [las instrucciones para responder a comandos de MQTT en el proyecto 1, lección 4 si es necesario](../../../1-getting-started/lessons/4-connect-internet/README.md#handle-commands-on-the-iot-device).
+
+> 💁 Puedes encontrar este código en la carpeta [code-mqtt](../../../../../2-farm/lessons/3-automated-plant-watering/code-mqtt).
+
+Asegúrate de que el código esté ejecutándose en tu dispositivo y servidor local, y pruébalo cambiando los niveles de humedad del suelo, ya sea modificando los valores enviados por el sensor virtual o cambiando los niveles de humedad del suelo agregando agua o retirando el sensor del suelo.
+
+## Tiempo de respuesta de sensores y actuadores
+
+En la lección 3 construiste una luz nocturna: un LED que se enciende tan pronto como un nivel bajo de luz es detectado por un sensor de luz. El sensor de luz detectó un cambio en los niveles de luz instantáneamente, y el dispositivo pudo responder rápidamente, limitado solo por la duración del retraso en la función `loop` o el bucle `while True:`. Como desarrollador de IoT, no siempre puedes confiar en un ciclo de retroalimentación tan rápido.
+
+### Temporización para la humedad del suelo
+
+Si realizaste la última lección sobre humedad del suelo utilizando un sensor físico, habrás notado que tomó unos segundos para que la lectura de humedad del suelo bajara después de regar tu planta. Esto no se debe a que el sensor sea lento, sino a que el agua tarda en filtrarse a través del suelo.
+💁 Si regaste demasiado cerca del sensor, es posible que hayas notado que la lectura bajó rápidamente y luego volvió a subir. Esto ocurre porque el agua cerca del sensor se dispersa por el resto del suelo, reduciendo la humedad del suelo alrededor del sensor.
+![Una medición de humedad del suelo de 658 no cambia durante el riego, solo baja a 320 después de que el agua ha empapado el suelo](../../../../../translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.es.png)
+
+En el diagrama anterior, una lectura de humedad del suelo muestra 658. La planta es regada, pero esta lectura no cambia inmediatamente, ya que el agua aún no ha llegado al sensor. Incluso el riego puede terminar antes de que el agua alcance el sensor y el valor baje para reflejar el nuevo nivel de humedad.
+
+Si estuvieras escribiendo código para controlar un sistema de riego mediante un relé basado en los niveles de humedad del suelo, tendrías que tener en cuenta este retraso y construir un sistema de temporización más inteligente en tu dispositivo IoT.
+
+✅ Tómate un momento para pensar cómo podrías hacer esto.
+
+### Controlar la temporización del sensor y el actuador
+
+Imagina que te han encargado construir un sistema de riego para una granja. Según el tipo de suelo, se ha determinado que el nivel ideal de humedad del suelo para las plantas corresponde a una lectura de voltaje analógico de 400-450.
+
+Podrías programar el dispositivo de la misma manera que una luz nocturna: todo el tiempo que el sensor lea por encima de 450, encender un relé para activar una bomba. El problema es que el agua tarda un tiempo en llegar desde la bomba, atravesar el suelo y alcanzar el sensor. El sensor detendrá el agua cuando detecte un nivel de 450, pero el nivel de agua seguirá bajando mientras el agua bombeada sigue empapando el suelo. El resultado final es agua desperdiciada y el riesgo de dañar las raíces.
+
+✅ Recuerda: demasiada agua puede ser tan perjudicial para las plantas como muy poca, y desperdicia un recurso valioso.
+
+La mejor solución es entender que hay un retraso entre el momento en que el actuador se activa y el cambio en la propiedad que el sensor mide. Esto significa que no solo el sensor debe esperar un tiempo antes de medir el valor nuevamente, sino que el actuador debe apagarse por un tiempo antes de que se realice la siguiente medición del sensor.
+
+¿Cuánto tiempo debe estar encendido el relé cada vez? Es mejor pecar de precavido y encender el relé solo por un corto tiempo, luego esperar a que el agua empape el suelo y volver a verificar los niveles de humedad. Después de todo, siempre puedes encenderlo nuevamente para agregar más agua, pero no puedes quitar agua del suelo.
+
+> 💁 Este tipo de control de temporización es muy específico para el dispositivo IoT que estás construyendo, la propiedad que estás midiendo y los sensores y actuadores utilizados.
+
+![Una planta de fresa conectada al agua mediante una bomba, con la bomba conectada a un relé. El relé y un sensor de humedad del suelo en la planta están conectados a un Raspberry Pi](../../../../../translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.es.png)
+
+Por ejemplo, tengo una planta de fresa con un sensor de humedad del suelo y una bomba controlada por un relé. He observado que cuando agrego agua, tarda unos 20 segundos en estabilizarse la lectura de humedad del suelo. Esto significa que necesito apagar el relé y esperar 20 segundos antes de verificar los niveles de humedad. Prefiero tener poca agua que demasiada: siempre puedo encender la bomba nuevamente, pero no puedo quitar agua de la planta.
+
+![Paso 1, tomar medición. Paso 2, agregar agua. Paso 3, esperar a que el agua empape el suelo. Paso 4, volver a tomar medición](../../../../../translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.es.png)
+
+Esto significa que el mejor proceso sería un ciclo de riego que sea algo como:
+
+* Encender la bomba durante 5 segundos
+* Esperar 20 segundos
+* Verificar la humedad del suelo
+* Si el nivel sigue siendo superior al necesario, repetir los pasos anteriores
+
+5 segundos podrían ser demasiado tiempo para la bomba, especialmente si los niveles de humedad están solo ligeramente por encima del nivel requerido. La mejor manera de saber qué temporización usar es probarla y luego ajustarla cuando tengas datos del sensor, con un bucle de retroalimentación constante. Esto incluso puede llevar a una temporización más granular, como encender la bomba durante 1 segundo por cada 100 por encima del nivel de humedad requerido, en lugar de un tiempo fijo de 5 segundos.
+
+✅ Investiga: ¿Existen otras consideraciones de temporización? ¿Se puede regar la planta en cualquier momento que la humedad del suelo sea demasiado baja, o hay momentos específicos del día que son buenos y malos para regar las plantas?
+
+> 💁 Las predicciones meteorológicas también pueden tomarse en cuenta al controlar sistemas de riego automatizados para cultivos al aire libre. Si se espera lluvia, entonces el riego puede posponerse hasta después de que termine la lluvia. En ese momento, el suelo podría estar lo suficientemente húmedo como para no necesitar riego, mucho más eficiente que desperdiciar agua regando justo antes de la lluvia.
+
+## Agregar temporización a tu servidor de control de plantas
+
+El código del servidor puede modificarse para agregar control alrededor de la temporización del ciclo de riego y esperar a que los niveles de humedad del suelo cambien. La lógica del servidor para controlar la temporización del relé es:
+
+1. Mensaje de telemetría recibido
+1. Verificar el nivel de humedad del suelo
+1. Si está bien, no hacer nada. Si la lectura es demasiado alta (lo que significa que la humedad del suelo es demasiado baja), entonces:
+    1. Enviar un comando para encender el relé
+    1. Esperar 5 segundos
+    1. Enviar un comando para apagar el relé
+    1. Esperar 20 segundos para que los niveles de humedad del suelo se estabilicen
+
+El ciclo de riego, el proceso desde recibir el mensaje de telemetría hasta estar listo para procesar nuevamente los niveles de humedad del suelo, toma aproximadamente 25 segundos. Estamos enviando niveles de humedad del suelo cada 10 segundos, por lo que hay un solapamiento donde se recibe un mensaje mientras el servidor está esperando que los niveles de humedad del suelo se estabilicen, lo que podría iniciar otro ciclo de riego.
+
+Hay dos opciones para solucionar esto:
+
+* Cambiar el código del dispositivo IoT para enviar telemetría solo cada minuto, de esta manera el ciclo de riego se completará antes de que se envíe el siguiente mensaje
+* Cancelar la suscripción a la telemetría durante el ciclo de riego
+
+La primera opción no siempre es una buena solución para grandes granjas. El agricultor podría querer capturar los niveles de humedad del suelo mientras se está regando para un análisis posterior, por ejemplo, para estar al tanto del flujo de agua en diferentes áreas de la granja y guiar un riego más específico. La segunda opción es mejor: el código simplemente ignora la telemetría cuando no puede usarla, pero la telemetría sigue estando disponible para otros servicios que puedan suscribirse a ella.
+
+> 💁 Los datos de IoT no se envían desde un solo dispositivo a un solo servicio, en cambio, muchos dispositivos pueden enviar datos a un broker, y muchos servicios pueden escuchar los datos del broker. Por ejemplo, un servicio podría escuchar los datos de humedad del suelo y almacenarlos en una base de datos para análisis posterior. Otro servicio también puede escuchar la misma telemetría para controlar un sistema de riego.
+
+### Tarea - agregar temporización a tu servidor de control de plantas
+
+Actualiza tu código de servidor para ejecutar el relé durante 5 segundos y luego esperar 20 segundos.
+
+1. Abre la carpeta `soil-moisture-sensor-server` en VS Code si aún no está abierta. Asegúrate de que el entorno virtual esté activado.
+
+1. Abre el archivo `app.py`
+
+1. Agrega el siguiente código al archivo `app.py` debajo de las importaciones existentes:
+
+    ```python
+    import threading
+    ```
+
+    Esta declaración importa `threading` de las bibliotecas de Python. Threading permite que Python ejecute otro código mientras espera.
+
+1. Agrega el siguiente código antes de la función `handle_telemetry` que maneja los mensajes de telemetría recibidos por el código del servidor:
+
+    ```python
+    water_time = 5
+    wait_time = 20
+    ```
+
+    Esto define cuánto tiempo ejecutar el relé (`water_time`) y cuánto tiempo esperar después para verificar la humedad del suelo (`wait_time`).
+
+1. Debajo de este código, agrega lo siguiente:
+
+    ```python
+    def send_relay_command(client, state):
+        command = { 'relay_on' : state }
+        print("Sending message:", command)
+        client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    Este código define una función llamada `send_relay_command` que envía un comando a través de MQTT para controlar el relé. La telemetría se crea como un diccionario y luego se convierte en una cadena JSON. El valor pasado en `state` determina si el relé debe estar encendido o apagado.
+
+1. Después de la función `send_relay_code`, agrega el siguiente código:
+
+    ```python
+    def control_relay(client):
+        print("Unsubscribing from telemetry")
+        mqtt_client.unsubscribe(client_telemetry_topic)
+    
+        send_relay_command(client, True)
+        time.sleep(water_time)
+        send_relay_command(client, False)
+    
+        time.sleep(wait_time)
+    
+        print("Subscribing to telemetry")
+        mqtt_client.subscribe(client_telemetry_topic)
+    ```
+
+    Esto define una función para controlar el relé según la temporización requerida. Comienza cancelando la suscripción a la telemetría para que los mensajes de humedad del suelo no se procesen mientras se realiza el riego. Luego envía un comando para encender el relé. Después espera el tiempo definido en `water_time` antes de enviar un comando para apagar el relé. Finalmente, espera que los niveles de humedad del suelo se estabilicen durante el tiempo definido en `wait_time`. Luego vuelve a suscribirse a la telemetría.
+
+1. Cambia la función `handle_telemetry` por la siguiente:
+
+    ```python
+    def handle_telemetry(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+        if payload['soil_moisture'] > 450:
+            threading.Thread(target=control_relay, args=(client,)).start()
+    ```
+
+    Este código verifica el nivel de humedad del suelo. Si es mayor que 450, el suelo necesita riego, por lo que llama a la función `control_relay`. Esta función se ejecuta en un hilo separado, funcionando en segundo plano.
+
+1. Asegúrate de que tu dispositivo IoT esté funcionando, luego ejecuta este código. Cambia los niveles de humedad del suelo y observa qué sucede con el relé: debería encenderse durante 5 segundos y luego permanecer apagado al menos 20 segundos, encendiéndose solo si los niveles de humedad del suelo no son suficientes.
+
+    ```output
+    (.venv) ➜  soil-moisture-sensor-server ✗ python app.py
+    Message received: {'soil_moisture': 457}
+    Unsubscribing from telemetry
+    Sending message: {'relay_on': True}
+    Sending message: {'relay_on': False}
+    Subscribing to telemetry
+    Message received: {'soil_moisture': 302}
+    ```
+
+    Una buena manera de probar esto en un sistema de riego simulado es usar suelo seco y luego verter agua manualmente mientras el relé está encendido, deteniendo el vertido cuando el relé se apaga.
+
+> 💁 Puedes encontrar este código en la carpeta [code-timing](../../../../../2-farm/lessons/3-automated-plant-watering/code-timing).
+
+> 💁 Si deseas usar una bomba para construir un sistema de riego real, puedes usar una [bomba de agua de 6V](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html) con una [fuente de alimentación USB](https://www.adafruit.com/product/3628). Asegúrate de que la alimentación hacia o desde la bomba esté conectada a través del relé.
+
+---
+
+## 🚀 Desafío
+
+¿Puedes pensar en otros dispositivos IoT o eléctricos que tengan un problema similar donde los resultados del actuador tardan en llegar al sensor? Probablemente tengas algunos en tu casa o escuela.
+
+* ¿Qué propiedades miden?
+* ¿Cuánto tiempo tarda en cambiar la propiedad después de que se usa un actuador?
+* ¿Está bien que la propiedad cambie más allá del valor requerido?
+* ¿Cómo puede volver al valor requerido si es necesario?
+
+## Cuestionario posterior a la clase
+
+[Cuestionario posterior a la clase](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/14)
+
+## Revisión y autoestudio
+
+* Lee más sobre relés, incluyendo su uso histórico en centrales telefónicas, en la [página de Wikipedia sobre relés](https://wikipedia.org/wiki/Relay).
+
+## Asignación
+
+[Construir un ciclo de riego más eficiente](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/3-automated-plant-watering/assignment.md b/translations/es/2-farm/lessons/3-automated-plant-watering/assignment.md
new file mode 100644
index 00000000..66fd7193
--- /dev/null
+++ b/translations/es/2-farm/lessons/3-automated-plant-watering/assignment.md
@@ -0,0 +1,54 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ed0fbd6aed084bfba7d5e2f206968c50",
+  "translation_date": "2025-08-26T14:34:57+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/assignment.md",
+  "language_code": "es"
+}
+-->
+# Construye un ciclo de riego más eficiente
+
+## Instrucciones
+
+Esta lección cubrió cómo controlar un relé mediante datos de sensores, y ese relé podría, a su vez, controlar una bomba para un sistema de riego. Para un volumen definido de suelo, hacer funcionar una bomba durante un tiempo fijo debería tener siempre el mismo impacto en la humedad del suelo. Esto significa que puedes tener una idea de cuántos segundos de riego corresponden a una cierta disminución en la lectura de humedad del suelo. Usando estos datos, puedes construir un sistema de riego más controlado.
+
+Para esta tarea, calcularás cuánto tiempo debe funcionar la bomba para lograr un aumento particular en la humedad del suelo.
+
+> ⚠️ Si estás utilizando hardware IoT virtual, puedes seguir este proceso, pero simula los resultados aumentando manualmente la lectura de humedad del suelo por una cantidad fija por segundo mientras el relé está encendido.
+
+1. Comienza con suelo seco. Mide la humedad del suelo.
+
+1. Agrega una cantidad fija de agua, ya sea haciendo funcionar la bomba durante 1 segundo o vertiendo una cantidad fija de agua.
+
+    > La bomba siempre debe funcionar a una velocidad constante, por lo que cada segundo que funcione debe suministrar la misma cantidad de agua.
+
+1. Espera hasta que el nivel de humedad del suelo se estabilice y toma una lectura.
+
+1. Repite esto varias veces y crea una tabla con los resultados. Un ejemplo de esta tabla se muestra a continuación.
+
+    | Tiempo total de la bomba | Humedad del suelo | Disminución |
+    | --- | --: | -: |
+    | Seco | 643 |  0 |
+    | 1s  | 621 | 22 |
+    | 2s  | 601 | 20 |
+    | 3s  | 579 | 22 |
+    | 4s  | 560 | 19 |
+    | 5s  | 539 | 21 |
+    | 6s  | 521 | 18 |
+
+1. Calcula un aumento promedio en la humedad del suelo por segundo de agua. En el ejemplo anterior, cada segundo de agua disminuye la lectura en un promedio de 20.3.
+
+1. Usa estos datos para mejorar la eficiencia de tu código del servidor, haciendo funcionar la bomba durante el tiempo necesario para llevar la humedad del suelo al nivel deseado.
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejorar |
+| --------- | -------- | -------- | ---------------- |
+| Captura de datos de humedad del suelo | Es capaz de capturar múltiples lecturas después de agregar cantidades fijas de agua | Es capaz de capturar algunas lecturas con cantidades fijas de agua | Solo puede capturar una o dos lecturas, o no puede usar cantidades fijas de agua |
+| Calibración del código del servidor | Es capaz de calcular una disminución promedio en la lectura de humedad del suelo y actualizar el código del servidor para usar este valor | Es capaz de calcular una disminución promedio, pero no puede actualizar el código del servidor, o no puede calcular correctamente un promedio, pero usa este valor para actualizar correctamente el código del servidor | No es capaz de calcular un promedio ni de actualizar el código del servidor |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/es/2-farm/lessons/3-automated-plant-watering/pi-relay.md
new file mode 100644
index 00000000..e4d5a8f7
--- /dev/null
+++ b/translations/es/2-farm/lessons/3-automated-plant-watering/pi-relay.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "66b81165e60f8f169bd52a401b6a0f8b",
+  "translation_date": "2025-08-26T14:36:15+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/pi-relay.md",
+  "language_code": "es"
+}
+-->
+# Controlar un relé - Raspberry Pi
+
+En esta parte de la lección, agregarás un relé a tu Raspberry Pi además del sensor de humedad del suelo, y lo controlarás en función del nivel de humedad del suelo.
+
+## Hardware
+
+La Raspberry Pi necesita un relé.
+
+El relé que usarás es un [Grove relay](https://www.seeedstudio.com/Grove-Relay.html), un relé normalmente abierto (lo que significa que el circuito de salida está abierto o desconectado cuando no se envía señal al relé) que puede manejar circuitos de salida de hasta 250V y 10A.
+
+Este es un actuador digital, por lo que se conecta a un pin digital en el Grove Base Hat.
+
+### Conectar el relé
+
+El relé Grove puede conectarse a la Raspberry Pi.
+
+#### Tarea
+
+Conecta el relé.
+
+![Un relé Grove](../../../../../translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.es.png)
+
+1. Inserta un extremo de un cable Grove en el conector del relé. Solo encajará de una manera.
+
+1. Con la Raspberry Pi apagada, conecta el otro extremo del cable Grove al conector digital marcado como **D5** en el Grove Base Hat conectado a la Pi. Este conector es el segundo desde la izquierda, en la fila de conectores junto a los pines GPIO. Deja el sensor de humedad del suelo conectado al conector **A0**.
+
+![El relé Grove conectado al conector D5, y el sensor de humedad del suelo conectado al conector A0](../../../../../translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.es.png)
+
+1. Inserta el sensor de humedad del suelo en la tierra, si no lo has hecho ya en la lección anterior.
+
+## Programar el relé
+
+La Raspberry Pi ahora puede ser programada para usar el relé conectado.
+
+### Tarea
+
+Programa el dispositivo.
+
+1. Enciende la Pi y espera a que arranque.
+
+1. Abre el proyecto `soil-moisture-sensor` de la lección anterior en VS Code si no está ya abierto. Estarás agregando a este proyecto.
+
+1. Añade el siguiente código al archivo `app.py` debajo de las importaciones existentes:
+
+    ```python
+    from grove.grove_relay import GroveRelay
+    ```
+
+    Esta declaración importa el `GroveRelay` de las bibliotecas de Python Grove para interactuar con el relé Grove.
+
+1. Añade el siguiente código debajo de la declaración de la clase `ADC` para crear una instancia de `GroveRelay`:
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    Esto crea un relé usando el pin **D5**, el pin digital al que conectaste el relé.
+
+1. Para probar que el relé funciona, añade lo siguiente al bucle `while True:`:
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    El código enciende el relé, espera 0.5 segundos, luego apaga el relé.
+
+1. Ejecuta la aplicación de Python. El relé se encenderá y apagará cada 10 segundos, con un retraso de medio segundo entre encender y apagar. Escucharás el clic del relé al encenderse y apagarse. Un LED en la placa Grove se encenderá cuando el relé esté encendido y se apagará cuando el relé esté apagado.
+
+    ![El relé encendiéndose y apagándose](../../../../../images/relay-turn-on-off.gif)
+
+## Controlar el relé según la humedad del suelo
+
+Ahora que el relé funciona, puede ser controlado en respuesta a las lecturas de humedad del suelo.
+
+### Tarea
+
+Controla el relé.
+
+1. Elimina las 3 líneas de código que agregaste para probar el relé. Reemplázalas con el siguiente código:
+
+    ```python
+    if soil_moisture > 450:
+        print("Soil Moisture is too low, turning relay on.")
+        relay.on()
+    else:
+        print("Soil Moisture is ok, turning relay off.")
+        relay.off()
+    ```
+
+    Este código verifica el nivel de humedad del suelo desde el sensor de humedad del suelo. Si está por encima de 450, enciende el relé, y lo apaga cuando baja de 450.
+
+    > 💁 Recuerda que el sensor capacitivo de humedad del suelo lee que cuanto más bajo es el nivel de humedad del suelo, más humedad hay en la tierra y viceversa.
+
+1. Ejecuta la aplicación de Python. Verás que el relé se enciende o apaga dependiendo del nivel de humedad del suelo. Prueba en tierra seca, luego añade agua.
+
+    ```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.
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-relay/pi](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/pi).
+
+😀 ¡Tu programa para controlar un relé con el sensor de humedad del suelo fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/es/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
new file mode 100644
index 00000000..85cbccae
--- /dev/null
+++ b/translations/es/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
@@ -0,0 +1,127 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f8f541ee945545017a51aaf309aa37c3",
+  "translation_date": "2025-08-26T14:36:52+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md",
+  "language_code": "es"
+}
+-->
+# Controlar un relé - Hardware IoT Virtual
+
+En esta parte de la lección, agregarás un relé a tu dispositivo IoT virtual además del sensor de humedad del suelo, y lo controlarás en función del nivel de humedad del suelo.
+
+## Hardware Virtual
+
+El dispositivo IoT virtual usará un relé simulado de Grove. Esto mantiene este laboratorio igual que usar un Raspberry Pi con un relé físico de Grove.
+
+En un dispositivo IoT físico, el relé sería un relé normalmente abierto (lo que significa que el circuito de salida está abierto o desconectado cuando no se envía señal al relé). Un relé como este puede manejar circuitos de salida de hasta 250V y 10A.
+
+### Agregar el relé a CounterFit
+
+Para usar un relé virtual, necesitas agregarlo a la aplicación CounterFit.
+
+#### Tarea
+
+Agrega el relé a la aplicación CounterFit.
+
+1. Abre el proyecto `soil-moisture-sensor` de la lección anterior en VS Code si no está ya abierto. Estarás agregando a este proyecto.
+
+1. Asegúrate de que la aplicación web de CounterFit esté en ejecución.
+
+1. Crea un relé:
+
+    1. En el cuadro *Create actuator* en el panel *Actuators*, despliega el cuadro *Actuator type* y selecciona *Relay*.
+
+    1. Configura el *Pin* en *5*.
+
+    1. Selecciona el botón **Add** para crear el relé en el Pin 5.
+
+    ![Configuración del relé](../../../../../translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.es.png)
+
+    El relé será creado y aparecerá en la lista de actuadores.
+
+    ![Relé creado](../../../../../translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.es.png)
+
+## Programar el relé
+
+La aplicación del sensor de humedad del suelo ahora puede ser programada para usar el relé virtual.
+
+### Tarea
+
+Programa el dispositivo virtual.
+
+1. Abre el proyecto `soil-moisture-sensor` de la lección anterior en VS Code si no está ya abierto. Estarás agregando a este proyecto.
+
+1. Agrega el siguiente código al archivo `app.py` debajo de las importaciones existentes:
+
+    ```python
+    from counterfit_shims_grove.grove_relay import GroveRelay
+    ```
+
+    Esta declaración importa el `GroveRelay` de las bibliotecas shim de Grove para interactuar con el relé virtual de Grove.
+
+1. Agrega el siguiente código debajo de la declaración de la clase `ADC` para crear una instancia de `GroveRelay`:
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    Esto crea un relé usando el pin **5**, el pin al que conectaste el relé.
+
+1. Para probar que el relé funciona, agrega lo siguiente al bucle `while True:`:
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    El código enciende el relé, espera 0.5 segundos y luego lo apaga.
+
+1. Ejecuta la aplicación de Python. El relé se encenderá y apagará cada 10 segundos, con un retraso de medio segundo entre encenderse y apagarse. Verás el relé virtual en la aplicación CounterFit cerrarse y abrirse a medida que el relé se enciende y apaga.
+
+    ![El relé virtual encendiéndose y apagándose](../../../../../images/virtual-relay-turn-on-off.gif)
+
+## Controlar el relé según la humedad del suelo
+
+Ahora que el relé funciona, puede ser controlado en respuesta a las lecturas de humedad del suelo.
+
+### Tarea
+
+Controla el relé.
+
+1. Elimina las 3 líneas de código que agregaste para probar el relé. Reemplázalas con el siguiente código en su lugar:
+
+    ```python
+    if soil_moisture > 450:
+        print("Soil Moisture is too low, turning relay on.")
+        relay.on()
+    else:
+        print("Soil Moisture is ok, turning relay off.")
+        relay.off()
+    ```
+
+    Este código verifica el nivel de humedad del suelo desde el sensor de humedad del suelo. Si está por encima de 450, enciende el relé, apagándolo si baja de 450.
+
+    > 💁 Recuerda que el sensor capacitivo de humedad del suelo lee que cuanto más bajo es el nivel de humedad del suelo, más humedad hay en el suelo y viceversa.
+
+1. Ejecuta la aplicación de Python. Verás que el relé se enciende o apaga dependiendo de los niveles de humedad del suelo. Cambia el *Value* o la configuración de *Random* del sensor de humedad del suelo para ver cómo cambia el valor.
+
+    ```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.
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-relay/virtual-device](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/virtual-device).
+
+😀 ¡Tu programa de sensor de humedad del suelo virtual controlando un relé fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/es/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
new file mode 100644
index 00000000..8601a844
--- /dev/null
+++ b/translations/es/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f3c5d8afa2ef6a0b425ef8ff20615cb4",
+  "translation_date": "2025-08-26T14:35:40+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md",
+  "language_code": "es"
+}
+-->
+# Controlar un relé - Wio Terminal
+
+En esta parte de la lección, agregarás un relé a tu Wio Terminal además del sensor de humedad del suelo, y lo controlarás en función del nivel de humedad del suelo.
+
+## Hardware
+
+El Wio Terminal necesita un relé.
+
+El relé que usarás es un [Grove relay](https://www.seeedstudio.com/Grove-Relay.html), un relé normalmente abierto (lo que significa que el circuito de salida está abierto o desconectado cuando no se envía señal al relé) que puede manejar circuitos de salida de hasta 250V y 10A.
+
+Este es un actuador digital, por lo que se conecta a los pines digitales del Wio Terminal. El puerto combinado analógico/digital ya está en uso con el sensor de humedad del suelo, así que este se conecta al otro puerto, que es un puerto combinado I2C y digital.
+
+### Conectar el relé
+
+El relé Grove puede conectarse al puerto digital del Wio Terminal.
+
+#### Tarea
+
+Conecta el relé.
+
+![Un relé Grove](../../../../../translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.es.png)
+
+1. Inserta un extremo de un cable Grove en el conector del relé. Solo encajará de una manera.
+
+1. Con el Wio Terminal desconectado de tu computadora u otra fuente de alimentación, conecta el otro extremo del cable Grove al conector Grove del lado izquierdo del Wio Terminal, mirando la pantalla. Deja el sensor de humedad del suelo conectado al conector del lado derecho.
+
+![El relé Grove conectado al conector izquierdo, y el sensor de humedad del suelo conectado al conector derecho](../../../../../translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.es.png)
+
+1. Inserta el sensor de humedad del suelo en la tierra, si no lo has hecho ya en la lección anterior.
+
+## Programar el relé
+
+El Wio Terminal ahora puede ser programado para usar el relé conectado.
+
+### Tarea
+
+Programa el dispositivo.
+
+1. Abre el proyecto `soil-moisture-sensor` de la lección anterior en VS Code si no está ya abierto. Vas a agregar código a este proyecto.
+
+2. No hay una biblioteca para este actuador: es un actuador digital controlado por una señal alta o baja. Para encenderlo, envías una señal alta al pin (3.3V), y para apagarlo envías una señal baja (0V). Puedes hacerlo usando la función [`digitalWrite`](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalwrite/) incorporada en Arduino. Comienza agregando lo siguiente al final de la función `setup` para configurar el puerto combinado I2C/digital como un pin de salida para enviar voltaje al relé:
+
+    ```cpp
+    pinMode(PIN_WIRE_SCL, OUTPUT);
+    ```
+
+    `PIN_WIRE_SCL` es el número de puerto para el puerto combinado I2C/digital.
+
+1. Para probar que el relé funciona, agrega lo siguiente a la función `loop`, debajo del último `delay`:
+
+    ```cpp
+    digitalWrite(PIN_WIRE_SCL, HIGH);
+    delay(500);
+    digitalWrite(PIN_WIRE_SCL, LOW);
+    ```
+
+    El código envía una señal alta al pin al que está conectado el relé para encenderlo, espera 500ms (medio segundo), y luego envía una señal baja para apagar el relé.
+
+1. Compila y sube el código al Wio Terminal.
+
+1. Una vez subido, el relé se encenderá y apagará cada 10 segundos, con un retraso de medio segundo entre encenderse y apagarse. Escucharás el clic del relé al encenderse y apagarse. Un LED en la placa Grove se iluminará cuando el relé esté encendido y se apagará cuando el relé esté apagado.
+
+    ![El relé encendiéndose y apagándose](../../../../../images/relay-turn-on-off.gif)
+
+## Controlar el relé según la humedad del suelo
+
+Ahora que el relé funciona, puede ser controlado en respuesta a las lecturas de humedad del suelo.
+
+### Tarea
+
+Controla el relé.
+
+1. Elimina las 3 líneas de código que agregaste para probar el relé. Reemplázalas con el siguiente código:
+
+    ```cpp
+    if (soil_moisture > 450)
+    {
+        Serial.println("Soil Moisture is too low, turning relay on.");
+        digitalWrite(PIN_WIRE_SCL, HIGH);
+    }
+    else
+    {
+        Serial.println("Soil Moisture is ok, turning relay off.");
+        digitalWrite(PIN_WIRE_SCL, LOW);
+    }
+    ```
+
+    Este código verifica el nivel de humedad del suelo desde el sensor de humedad del suelo. Si está por encima de 450, enciende el relé, y lo apaga cuando baja de 450.
+
+    > 💁 Recuerda que el sensor capacitivo de humedad del suelo lee que cuanto más bajo es el nivel de humedad del suelo, más humedad hay en la tierra, y viceversa.
+
+1. Compila y sube el código al Wio Terminal.
+
+1. Monitorea el dispositivo a través del monitor serial. Verás que el relé se enciende o apaga dependiendo del nivel de humedad del suelo. Prueba en tierra seca y luego agrega agua.
+
+    ```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.
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-relay/wio-terminal](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/wio-terminal).
+
+😀 ¡Tu programa para controlar un relé con el sensor de humedad del suelo fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/es/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
new file mode 100644
index 00000000..ff7a5ea4
--- /dev/null
+++ b/translations/es/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
@@ -0,0 +1,451 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4d8e7a066d75b625e7a979c14157041d",
+  "translation_date": "2025-08-26T14:48:32+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md",
+  "language_code": "es"
+}
+-->
+# Migra tu planta a la nube
+
+![Un resumen visual de esta lección](../../../../../translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.es.jpg)
+
+> Resumen visual por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+Esta lección fue impartida como parte de la [serie de Agricultura Digital del Proyecto 2 de IoT para Principiantes](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) del [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![Conecta tu dispositivo a la nube con Azure IoT Hub](https://img.youtube.com/vi/bNxjopXkhvk/0.jpg)](https://youtu.be/bNxjopXkhvk)
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/15)
+
+## Introducción
+
+En la lección anterior, aprendiste a conectar tu planta a un broker MQTT y a controlar un relé desde un código de servidor que se ejecuta localmente. Esto constituye el núcleo de un sistema automatizado de riego conectado a internet, que puede usarse tanto para plantas individuales en casa como para granjas comerciales.
+
+El dispositivo IoT se comunicaba con un broker MQTT público como una forma de demostrar los principios básicos, pero esta no es la manera más confiable ni segura. En esta lección, aprenderás sobre la nube y las capacidades de IoT que ofrecen los servicios públicos en la nube. También aprenderás cómo migrar tu planta de un broker MQTT público a uno de estos servicios en la nube.
+
+En esta lección cubriremos:
+
+* [¿Qué es la nube?](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Crear una suscripción en la nube](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Servicios de IoT en la nube](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Crear un servicio IoT en la nube](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Comunicarte con IoT Hub](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Conectar tu dispositivo al servicio IoT](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+
+## ¿Qué es la nube?
+
+Antes de la nube, cuando una empresa quería proporcionar servicios a sus empleados (como bases de datos o almacenamiento de archivos) o al público (como sitios web), construía y operaba un centro de datos. Esto podía ir desde una sala con unos pocos ordenadores hasta un edificio con muchos. La empresa se encargaba de todo, incluyendo:
+
+* Comprar ordenadores
+* Mantenimiento del hardware
+* Energía y refrigeración
+* Redes
+* Seguridad, tanto del edificio como del software en los ordenadores
+* Instalación y actualización de software
+
+Esto podía ser muy costoso, requerir una amplia gama de empleados especializados y ser muy lento para adaptarse a cambios. Por ejemplo, si una tienda en línea necesitaba prepararse para una temporada alta de ventas, tendría que planificar con meses de antelación para comprar más hardware, configurarlo, instalarlo e implementar el software necesario para gestionar las ventas. Después de la temporada alta, cuando las ventas disminuyeran, se quedarían con ordenadores que ya habían pagado pero que estarían inactivos hasta la próxima temporada.
+
+✅ ¿Crees que esto permitiría a las empresas moverse rápidamente? Si una tienda de ropa en línea se volviera popular de repente porque una celebridad fue vista usando su ropa, ¿podrían aumentar su capacidad de cómputo lo suficientemente rápido para manejar el repentino aumento de pedidos?
+
+### El ordenador de otra persona
+
+La nube a menudo se describe en broma como "el ordenador de otra persona". La idea inicial era simple: en lugar de comprar ordenadores, alquilas los de otra persona. Un proveedor de computación en la nube se encargaría de gestionar enormes centros de datos. Ellos serían responsables de comprar e instalar el hardware, gestionar la energía y la refrigeración, las redes, la seguridad del edificio, las actualizaciones de hardware y software, todo. Como cliente, alquilas los ordenadores que necesitas, aumentando el alquiler cuando la demanda sube y reduciéndolo cuando la demanda baja. Estos centros de datos en la nube están distribuidos por todo el mundo.
+
+![Un centro de datos en la nube de Microsoft](../../../../../translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.es.png)
+![Expansión planificada de un centro de datos en la nube de Microsoft](../../../../../translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.es.png)
+
+Estos centros de datos pueden tener varios kilómetros cuadrados de tamaño. Las imágenes anteriores fueron tomadas hace algunos años en un centro de datos en la nube de Microsoft y muestran el tamaño inicial, junto con una expansión planificada. El área despejada para la expansión tiene más de 5 kilómetros cuadrados.
+
+> 💁 Estos centros de datos requieren cantidades tan grandes de energía que algunos tienen sus propias estaciones de energía. Debido a su tamaño y al nivel de inversión de los proveedores de la nube, suelen ser muy respetuosos con el medio ambiente. Son más eficientes que un gran número de pequeños centros de datos, funcionan principalmente con energía renovable y los proveedores de la nube trabajan arduamente para reducir los desechos, disminuir el uso de agua y reforestar las áreas taladas para construir los centros de datos. Puedes leer más sobre cómo un proveedor de la nube está trabajando en sostenibilidad en el [sitio de sostenibilidad de Azure](https://azure.microsoft.com/global-infrastructure/sustainability/?WT.mc_id=academic-17441-jabenn).
+
+✅ Investiga: Lee sobre las principales nubes como [Azure de Microsoft](https://azure.microsoft.com/?WT.mc_id=academic-17441-jabenn) o [GCP de Google](https://cloud.google.com). ¿Cuántos centros de datos tienen y dónde están ubicados en el mundo?
+
+Usar la nube reduce los costos para las empresas y les permite centrarse en lo que hacen mejor, dejando la experiencia en computación en la nube en manos del proveedor. Las empresas ya no necesitan alquilar o comprar espacio en centros de datos, pagar a diferentes proveedores por conectividad y energía, o emplear expertos. En su lugar, pueden pagar una factura mensual al proveedor de la nube para que se encargue de todo.
+
+El proveedor de la nube puede entonces aprovechar las economías de escala para reducir costos, comprando ordenadores al por mayor a precios más bajos, invirtiendo en herramientas para reducir su carga de trabajo de mantenimiento, e incluso diseñando y construyendo su propio hardware para mejorar su oferta en la nube.
+
+### Microsoft Azure
+
+Azure es la nube para desarrolladores de Microsoft, y es la nube que usarás en estas lecciones. El siguiente video ofrece una breve descripción de Azure:
+
+[![Video de introducción a Azure](../../../../../translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.es.png)](https://www.microsoft.com/videoplayer/embed/RE4Ibng?WT.mc_id=academic-17441-jabenn)
+
+## Crear una suscripción en la nube
+
+Para usar servicios en la nube, necesitarás registrarte para obtener una suscripción con un proveedor de nube. En esta lección, te registrarás para obtener una suscripción de Microsoft Azure. Si ya tienes una suscripción de Azure, puedes omitir esta tarea. Los detalles de la suscripción descritos aquí son correctos al momento de escribir, pero pueden cambiar.
+
+> 💁 Si estás accediendo a estas lecciones a través de tu escuela, es posible que ya tengas una suscripción de Azure disponible. Consulta con tu profesor.
+
+Hay dos tipos diferentes de suscripción gratuita de Azure a las que puedes registrarte:
+
+* **Azure para Estudiantes** - Esta es una suscripción diseñada para estudiantes mayores de 18 años. No necesitas una tarjeta de crédito para registrarte y usas tu correo electrónico escolar para validar que eres estudiante. Al registrarte, obtienes $100 USD para gastar en recursos en la nube, junto con servicios gratuitos, incluyendo una versión gratuita de un servicio IoT. Esto dura 12 meses y puedes renovarlo cada año mientras sigas siendo estudiante.
+
+* **Suscripción gratuita de Azure** - Esta es una suscripción para cualquier persona que no sea estudiante. Necesitarás una tarjeta de crédito para registrarte, pero tu tarjeta no será cobrada, solo se usa para verificar que eres una persona real, no un bot. Obtienes $200 USD de crédito para usar en los primeros 30 días en cualquier servicio, junto con niveles gratuitos de servicios de Azure. Una vez que tu crédito se haya agotado, tu tarjeta no será cobrada a menos que conviertas tu cuenta a una suscripción de pago por uso.
+
+> 💁 Microsoft también ofrece una suscripción Azure para Estudiantes Starter para estudiantes menores de 18 años, pero al momento de escribir esto, no admite servicios IoT.
+
+### Tarea - registrarse para una suscripción gratuita en la nube
+
+Si eres estudiante mayor de 18 años, puedes registrarte para una suscripción Azure para Estudiantes. Necesitarás validar con un correo electrónico escolar. Puedes hacerlo de dos maneras:
+
+* Regístrate para un paquete de desarrollador estudiantil de GitHub en [education.github.com/pack](https://education.github.com/pack). Esto te da acceso a una variedad de herramientas y ofertas, incluyendo GitHub y Microsoft Azure. Una vez que te registres para el paquete de desarrollador, puedes activar la oferta de Azure para Estudiantes.
+
+* Regístrate directamente para una cuenta Azure para Estudiantes en [azure.microsoft.com/free/students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-17441-jabenn).
+
+> ⚠️ Si tu correo electrónico escolar no es reconocido, abre un [issue en este repositorio](https://github.com/Microsoft/IoT-For-Beginners/issues) y veremos si puede ser agregado a la lista de permitidos de Azure para Estudiantes.
+
+Si no eres estudiante o no tienes un correo electrónico escolar válido, puedes registrarte para una suscripción gratuita de Azure.
+
+* Regístrate para una suscripción gratuita de Azure en [azure.microsoft.com/free](https://azure.microsoft.com/free/?WT.mc_id=academic-17441-jabenn)
+
+## Servicios de IoT en la nube
+
+El broker MQTT público de prueba que has estado utilizando es una gran herramienta para aprender, pero tiene varias desventajas como herramienta para un entorno comercial:
+
+* Confiabilidad: es un servicio gratuito sin garantías, y puede ser desactivado en cualquier momento.
+* Seguridad: es público, por lo que cualquiera podría escuchar tu telemetría o enviar comandos para controlar tu hardware.
+* Rendimiento: está diseñado solo para unos pocos mensajes de prueba, por lo que no soportaría una gran cantidad de mensajes enviados.
+* Descubrimiento: no hay forma de saber qué dispositivos están conectados.
+
+Los servicios de IoT en la nube resuelven estos problemas. Son mantenidos por grandes proveedores de nube que invierten mucho en confiabilidad y están disponibles para solucionar cualquier problema que pueda surgir. Tienen seguridad integrada para evitar que los hackers lean tus datos o envíen comandos maliciosos. También tienen un alto rendimiento, siendo capaces de manejar millones de mensajes cada día, aprovechando la nube para escalar según sea necesario.
+
+> 💁 Aunque pagas por estas ventajas con una tarifa mensual, la mayoría de los proveedores de nube ofrecen una versión gratuita de su servicio IoT con una cantidad limitada de mensajes por día o dispositivos que pueden conectarse. Esta versión gratuita suele ser más que suficiente para que un desarrollador aprenda sobre el servicio. En esta lección, usarás una versión gratuita.
+
+Los dispositivos IoT se conectan a un servicio en la nube ya sea utilizando un SDK de dispositivo (una biblioteca que proporciona código para trabajar con las características del servicio) o directamente a través de un protocolo de comunicación como MQTT o HTTP. El SDK de dispositivo suele ser la ruta más fácil, ya que maneja todo por ti, como saber a qué temas publicar o suscribirse y cómo manejar la seguridad.
+
+![Los dispositivos se conectan a un servicio usando un SDK de dispositivo. El código del servidor también se conecta al servicio a través de un SDK](../../../../../translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.es.png)
+
+Tu dispositivo luego se comunica con otras partes de tu aplicación a través de este servicio, de manera similar a cómo enviaste telemetría y recibiste comandos a través de MQTT. Esto generalmente se hace utilizando un SDK de servicio o una biblioteca similar. Los mensajes van desde tu dispositivo al servicio, donde otros componentes de tu aplicación pueden leerlos, y los mensajes pueden enviarse de vuelta a tu dispositivo.
+
+![Los dispositivos sin una clave secreta válida no pueden conectarse al servicio IoT](../../../../../translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.es.png)
+
+Estos servicios implementan seguridad al conocer todos los dispositivos que pueden conectarse y enviar datos, ya sea registrando previamente los dispositivos en el servicio o proporcionando a los dispositivos claves secretas o certificados que pueden usar para registrarse en el servicio la primera vez que se conectan. Los dispositivos desconocidos no pueden conectarse; si lo intentan, el servicio rechaza la conexión e ignora los mensajes enviados por ellos.
+
+✅ Investiga: ¿Cuál es la desventaja de tener un servicio IoT abierto donde cualquier dispositivo o código pueda conectarse? ¿Puedes encontrar ejemplos específicos de hackers aprovechándose de esto?
+
+Otros componentes de tu aplicación pueden conectarse al servicio IoT y obtener información sobre todos los dispositivos que están conectados o registrados, y comunicarse con ellos directamente, ya sea de forma masiva o individual.
+💁 Los servicios de IoT también implementan capacidades adicionales, y los proveedores de la nube tienen servicios y aplicaciones adicionales que se pueden conectar al servicio. Por ejemplo, si deseas almacenar todos los mensajes de telemetría enviados por todos los dispositivos en una base de datos, generalmente solo se necesitan unos pocos clics en la herramienta de configuración del proveedor de la nube para conectar el servicio a una base de datos y transmitir los datos.
+## Crear un servicio IoT en la nube
+
+Ahora que tienes una suscripción a Azure, puedes registrarte en un servicio IoT. El servicio IoT de Microsoft se llama Azure IoT Hub.
+
+![El logo de Azure IoT Hub](../../../../../translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.es.png)
+
+El siguiente video ofrece una breve descripción general de Azure IoT Hub:
+
+[![Video de descripción general de Azure IoT Hub](https://img.youtube.com/vi/smuZaZZXKsU/0.jpg)](https://www.youtube.com/watch?v=smuZaZZXKsU)
+
+> 🎥 Haz clic en la imagen de arriba para ver el video
+
+✅ Tómate un momento para investigar y leer la descripción general de IoT Hub en la [documentación de Microsoft IoT Hub](https://docs.microsoft.com/azure/iot-hub/about-iot-hub?WT.mc_id=academic-17441-jabenn).
+
+Los servicios en la nube disponibles en Azure se pueden configurar a través de un portal web o mediante una interfaz de línea de comandos (CLI). Para esta tarea, usarás la CLI.
+
+### Tarea - instalar Azure CLI
+
+Para usar Azure CLI, primero debes instalarla en tu PC o Mac.
+
+1. Sigue las instrucciones en la [documentación de Azure CLI](https://docs.microsoft.com/cli/azure/install-azure-cli?WT.mc_id=academic-17441-jabenn) para instalar la CLI.
+
+1. Azure CLI admite una serie de extensiones que añaden capacidades para gestionar una amplia gama de servicios de Azure. Instala la extensión IoT ejecutando el siguiente comando desde tu línea de comandos o terminal:
+
+    ```sh
+    az extension add --name azure-iot
+    ```
+
+1. Desde tu línea de comandos o terminal, ejecuta el siguiente comando para iniciar sesión en tu suscripción de Azure desde Azure CLI.
+
+    ```sh
+    az login
+    ```
+
+    Se abrirá una página web en tu navegador predeterminado. Inicia sesión usando la cuenta que utilizaste para registrarte en tu suscripción de Azure. Una vez que hayas iniciado sesión, puedes cerrar la pestaña del navegador.
+
+1. Si tienes varias suscripciones de Azure, como una proporcionada por tu escuela y tu propia suscripción de Azure para Estudiantes, necesitarás seleccionar la que deseas usar. Ejecuta el siguiente comando para listar todas las suscripciones a las que tienes acceso:
+
+    ```sh
+    az account list --output table
+    ```
+
+    En la salida, verás el nombre de cada suscripción junto con su `SubscriptionId`.
+
+    ```output
+    ➜  ~ az account list --output table
+    Name                    CloudName    SubscriptionId                        State    IsDefault
+    ----------------------  -----------  ------------------------------------  -------  -----------
+    School-subscription     AzureCloud   cb30cde9-814a-42f0-a111-754cb788e4e1  Enabled  True
+    Azure for Students      AzureCloud   fa51c31b-162c-4599-add6-781def2e1fbf  Enabled  False
+    ```
+
+    Para seleccionar la suscripción que deseas usar, utiliza el siguiente comando:
+
+    ```sh
+    az account set --subscription <SubscriptionId>
+    ```
+
+    Sustituye `<SubscriptionId>` por el Id de la suscripción que deseas usar. Después de ejecutar este comando, vuelve a ejecutar el comando para listar tus cuentas. Verás que la columna `IsDefault` estará marcada como `True` para la suscripción que acabas de configurar.
+
+### Tarea - crear un grupo de recursos
+
+Los servicios de Azure, como las instancias de IoT Hub, máquinas virtuales, bases de datos o servicios de IA, se denominan **recursos**. Cada recurso debe estar dentro de un **Grupo de Recursos**, que es una agrupación lógica de uno o más recursos.
+
+> 💁 Usar grupos de recursos significa que puedes gestionar múltiples servicios a la vez. Por ejemplo, una vez que hayas terminado todas las lecciones de este proyecto, puedes eliminar el grupo de recursos, y todos los recursos en él se eliminarán automáticamente.
+
+1. Hay múltiples centros de datos de Azure en todo el mundo, divididos en regiones. Cuando creas un recurso o grupo de recursos en Azure, debes especificar dónde deseas que se cree. Ejecuta el siguiente comando para obtener la lista de ubicaciones:
+
+    ```sh
+    az account list-locations --output table
+    ```
+
+    Verás una lista de ubicaciones. Esta lista será larga.
+
+    > 💁 En el momento de escribir esto, hay 65 ubicaciones disponibles para desplegar.
+
+    ```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
+    ...
+    ```
+
+    Anota el valor de la columna `Name` de la región más cercana a ti. Puedes encontrar las regiones en un mapa en la [página de geografías de Azure](https://azure.microsoft.com/global-infrastructure/geographies/?WT.mc_id=academic-17441-jabenn).
+
+1. Ejecuta el siguiente comando para crear un grupo de recursos llamado `soil-moisture-sensor`. Los nombres de los grupos de recursos deben ser únicos en tu suscripción.
+
+    ```sh
+    az group create --name soil-moisture-sensor \
+                    --location <location>
+    ```
+
+    Sustituye `<location>` por la ubicación que seleccionaste en el paso anterior.
+
+### Tarea - crear un IoT Hub
+
+Ahora puedes crear un recurso IoT Hub en tu grupo de recursos.
+
+1. Usa el siguiente comando para crear tu recurso IoT Hub:
+
+    ```sh
+    az iot hub create --resource-group soil-moisture-sensor \
+                      --sku F1 \
+                      --partition-count 2 \
+                      --name <hub_name>
+    ```
+
+    Sustituye `<hub_name>` por un nombre para tu hub. Este nombre debe ser único a nivel global, es decir, ningún otro IoT Hub creado por alguien más puede tener el mismo nombre. Este nombre se utiliza en una URL que apunta al hub, por lo que debe ser único. Usa algo como `soil-moisture-sensor-` y añade un identificador único al final, como algunas palabras aleatorias o tu nombre.
+
+    La opción `--sku F1` indica que se usará un nivel gratuito. El nivel gratuito admite 8,000 mensajes al día junto con la mayoría de las características de los niveles de precio completo.
+
+    > 🎓 Los diferentes niveles de precios de los servicios de Azure se denominan niveles. Cada nivel tiene un costo diferente y proporciona diferentes características o volúmenes de datos.
+
+    > 💁 Si deseas aprender más sobre los precios, puedes consultar la [guía de precios de Azure IoT Hub](https://azure.microsoft.com/pricing/details/iot-hub/?WT.mc_id=academic-17441-jabenn).
+
+    La opción `--partition-count 2` define cuántos flujos de datos admite el IoT Hub. Más particiones reducen el bloqueo de datos cuando múltiples dispositivos leen y escriben desde el IoT Hub. Las particiones están fuera del alcance de estas lecciones, pero este valor debe configurarse para crear un IoT Hub de nivel gratuito.
+
+    > 💁 Solo puedes tener un IoT Hub de nivel gratuito por suscripción.
+
+El IoT Hub se creará. Esto puede tardar un minuto o más en completarse.
+
+## Comunicarte con IoT Hub
+
+En la lección anterior, usaste MQTT y enviaste mensajes de ida y vuelta en diferentes temas, con diferentes propósitos. En lugar de enviar mensajes en diferentes temas, IoT Hub tiene varias formas definidas para que el dispositivo se comunique con el Hub, o para que el Hub se comunique con el dispositivo.
+
+> 💁 En el fondo, esta comunicación entre IoT Hub y tu dispositivo puede usar MQTT, HTTPS o AMQP.
+
+* Mensajes de dispositivo a nube (D2C) - estos son mensajes enviados desde un dispositivo a IoT Hub, como telemetría. Luego pueden ser leídos desde IoT Hub por tu código de aplicación.
+
+    > 🎓 En el fondo, IoT Hub utiliza un servicio de Azure llamado [Event Hubs](https://docs.microsoft.com/azure/event-hubs/?WT.mc_id=academic-17441-jabenn). Cuando escribes código para leer mensajes enviados al hub, a menudo se les llama eventos.
+
+* Mensajes de nube a dispositivo (C2D) - estos son mensajes enviados desde el código de la aplicación, a través de un IoT Hub, a un dispositivo IoT.
+
+* Solicitudes de métodos directos - estos son mensajes enviados desde el código de la aplicación a través de un IoT Hub a un dispositivo IoT para solicitar que el dispositivo haga algo, como controlar un actuador. Estos mensajes requieren una respuesta para que tu código de aplicación pueda saber si se procesaron correctamente.
+
+* Gemelos de dispositivos - estos son documentos JSON sincronizados entre el dispositivo y IoT Hub, y se utilizan para almacenar configuraciones u otras propiedades informadas por el dispositivo, o que deben configurarse en el dispositivo (conocidas como deseadas) por IoT Hub.
+
+IoT Hub puede almacenar mensajes y solicitudes de métodos directos durante un período de tiempo configurable (por defecto un día), por lo que si un dispositivo o el código de la aplicación pierde conexión, aún puede recuperar los mensajes enviados mientras estaba desconectado una vez que se reconecta. Los gemelos de dispositivos se mantienen permanentemente en IoT Hub, por lo que en cualquier momento un dispositivo puede reconectarse y obtener el gemelo de dispositivo más reciente.
+
+✅ Investiga: Lee más sobre estos tipos de mensajes en la [guía de comunicaciones de dispositivo a nube](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-d2c-guidance?WT.mc_id=academic-17441-jabenn) y la [guía de comunicaciones de nube a dispositivo](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-c2d-guidance?WT.mc_id=academic-17441-jabenn) en la documentación de IoT Hub.
+
+## Conecta tu dispositivo al servicio IoT
+
+Una vez que el hub esté creado, tu dispositivo IoT puede conectarse a él. Solo los dispositivos registrados pueden conectarse a un servicio, por lo que primero deberás registrar tu dispositivo. Cuando lo registres, obtendrás una cadena de conexión que el dispositivo puede usar para conectarse. Esta cadena de conexión es específica del dispositivo e incluye información sobre el IoT Hub, el dispositivo y una clave secreta que permitirá que este dispositivo se conecte.
+
+> 🎓 Una cadena de conexión es un término genérico para un texto que contiene detalles de conexión. Estas se usan al conectarse a IoT Hubs, bases de datos y muchos otros servicios. Generalmente consisten en un identificador para el servicio, como una URL, y datos de seguridad como una clave secreta. Estas se pasan a los SDKs para conectarse al servicio.
+
+> ⚠️ ¡Las cadenas de conexión deben mantenerse seguras! La seguridad se cubrirá con más detalle en una lección futura.
+
+### Tarea - registrar tu dispositivo IoT
+
+El dispositivo IoT puede registrarse en tu IoT Hub usando Azure CLI.
+
+1. Ejecuta el siguiente comando para registrar un dispositivo:
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor \
+                                      --hub-name <hub_name>
+    ```
+
+    Sustituye `<hub_name>` por el nombre que usaste para tu IoT Hub.
+
+    Esto creará un dispositivo con un ID de `soil-moisture-sensor`.
+
+1. Cuando tu dispositivo IoT se conecte a tu IoT Hub usando el SDK, necesitará usar una cadena de conexión que proporcione la URL del hub, junto con una clave secreta. Ejecuta el siguiente comando para obtener la cadena de conexión:
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id soil-moisture-sensor \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    Sustituye `<hub_name>` por el nombre que usaste para tu IoT Hub.
+
+1. Guarda la cadena de conexión que aparece en la salida, ya que la necesitarás más adelante.
+
+### Tarea - conectar tu dispositivo IoT a la nube
+
+Sigue la guía correspondiente para conectar tu dispositivo IoT a la nube:
+
+* [Arduino - Wio Terminal](wio-terminal-connect-hub.md)
+* [Computadora de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-connect-hub.md)
+
+### Tarea - monitorear eventos
+
+Por ahora, no actualizarás tu código de servidor. En su lugar, puedes usar Azure CLI para monitorear eventos desde tu dispositivo IoT.
+
+1. Asegúrate de que tu dispositivo IoT esté funcionando y enviando valores de telemetría de humedad del suelo.
+
+1. Ejecuta el siguiente comando en tu terminal para monitorear los mensajes enviados a tu IoT Hub:
+
+    ```sh
+    az iot hub monitor-events --hub-name <hub_name>
+    ```
+
+    Sustituye `<hub_name>` por el nombre que usaste para tu IoT Hub.
+
+    Verás mensajes aparecer en la salida de la consola a medida que son enviados por tu dispositivo IoT.
+
+    ```output
+    Starting event monitor, use ctrl-c to stop...
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "payload": "{\"soil_moisture\": 376}"
+        }
+    },
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "payload": "{\"soil_moisture\": 381}"
+        }
+    }
+    ```
+
+    El contenido del `payload` coincidirá con el mensaje enviado por tu dispositivo IoT.
+
+    > En el momento de escribir esto, la extensión `az iot` no funciona completamente en dispositivos Apple Silicon. Si estás usando un dispositivo Apple Silicon, necesitarás monitorear los mensajes de otra manera, como usando las [herramientas de Azure IoT para Visual Studio Code](https://docs.microsoft.com/en-us/azure/iot-hub/iot-hub-vscode-iot-toolkit-cloud-device-messaging).
+
+1. Estos mensajes tienen una serie de propiedades adjuntas automáticamente, como la marca de tiempo en que fueron enviados. Estas se conocen como *anotaciones*. Para ver todas las anotaciones de los mensajes, usa el siguiente comando:
+
+    ```sh
+    az iot hub monitor-events --properties anno --hub-name <hub_name>
+    ```
+
+    Sustituye `<hub_name>` por el nombre que usaste para tu IoT Hub.
+
+    Verás mensajes aparecer en la salida de la consola a medida que son enviados por tu dispositivo IoT.
+
+    ```output
+    Starting event monitor, use ctrl-c to stop...
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "properties": {},
+            "annotations": {
+                "iothub-connection-device-id": "soil-moisture-sensor",
+                "iothub-connection-auth-method": "{\"scope\":\"device\",\"type\":\"sas\",\"issuer\":\"iothub\",\"acceptingIpFilterRule\":null}",
+                "iothub-connection-auth-generation-id": "637553997165220462",
+                "iothub-enqueuedtime": 1619976150288,
+                "iothub-message-source": "Telemetry",
+                "x-opt-sequence-number": 1379,
+                "x-opt-offset": "550576",
+                "x-opt-enqueued-time": 1619976150277
+            },
+            "payload": "{\"soil_moisture\": 381}"
+        }
+    }
+    ```
+
+    Los valores de tiempo en las anotaciones están en [tiempo UNIX](https://wikipedia.org/wiki/Unix_time), que representa el número de segundos desde la medianoche del 1<sup>er</sup> de enero de 1970.
+
+    Sal del monitor de eventos cuando hayas terminado.
+
+### Tarea - controlar tu dispositivo IoT
+
+También puedes usar Azure CLI para llamar métodos directos en tu dispositivo IoT.
+
+1. Ejecuta el siguiente comando en tu terminal para invocar el método `relay_on` en el dispositivo IoT:
+
+    ```sh
+    az iot hub invoke-device-method --device-id soil-moisture-sensor \
+                                    --method-name relay_on \
+                                    --method-payload '{}' \
+                                    --hub-name <hub_name>
+    ```
+
+    Sustituye `
+<hub_name>
+` con el nombre que usaste para tu IoT Hub.
+
+    Esto envía una solicitud de método directo para el método especificado por `method-name`. Los métodos directos pueden incluir un payload que contenga datos para el método, y esto se puede especificar en el parámetro `method-payload` como JSON.
+
+    Verás que el relé se enciende y el correspondiente resultado de tu dispositivo IoT:
+
+    ```output
+    Direct method received -  relay_on
+    ```
+
+1. Repite el paso anterior, pero establece el `--method-name` en `relay_off`. Verás que el relé se apaga y el correspondiente resultado del dispositivo IoT.
+
+---
+
+## 🚀 Desafío
+
+El nivel gratuito de IoT Hub permite 8,000 mensajes al día. El código que escribiste envía mensajes de telemetría cada 10 segundos. ¿Cuántos mensajes al día se generan si se envía un mensaje cada 10 segundos?
+
+Piensa en la frecuencia con la que deberían enviarse las mediciones de humedad del suelo. ¿Cómo puedes cambiar tu código para permanecer dentro del nivel gratuito y verificar tan frecuentemente como sea necesario pero no demasiado? ¿Qué pasaría si quisieras agregar un segundo dispositivo?
+
+## Cuestionario posterior a la clase
+
+[Cuestionario posterior a la clase](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/16)
+
+## Revisión y autoestudio
+
+El SDK de IoT Hub es de código abierto tanto para Arduino como para Python. En los repositorios de código en GitHub hay varios ejemplos que muestran cómo trabajar con diferentes características de IoT Hub.
+
+* Si estás usando un Wio Terminal, revisa los [ejemplos de Arduino en GitHub](https://github.com/Azure/azure-iot-pal-arduino/tree/master/pal/samples)
+* Si estás usando un Raspberry Pi o un dispositivo virtual, revisa los [ejemplos de Python en GitHub](https://github.com/Azure/azure-iot-sdk-python/tree/master/azure-iot-hub/samples)
+
+## Tarea
+
+[Aprende sobre servicios en la nube](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md b/translations/es/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
new file mode 100644
index 00000000..c67145a6
--- /dev/null
+++ b/translations/es/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
@@ -0,0 +1,33 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bfd35499bd68d7d740242bfea784bbeb",
+  "translation_date": "2025-08-26T14:50:24+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md",
+  "language_code": "es"
+}
+-->
+# Aprende sobre servicios en la nube
+
+## Instrucciones
+
+Las nubes, como Azure de Microsoft, ofrecen más que solo computación para alquilar. Los principales tipos de servicios en la nube incluyen:
+
+* Infraestructura como servicio (IaaS)
+* Plataforma como servicio (PaaS)
+* Serverless
+* Software como servicio (SaaS)
+
+Aprende sobre estos diferentes tipos de servicios y explica qué son y en qué se diferencian. Explica cuáles de estos servicios son relevantes para los desarrolladores de IoT.
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejorar |
+| --------- | -------- | -------- | ---------------- |
+| Explica los diferentes servicios en la nube | Dio explicaciones claras de los 4 tipos de servicios | Fue capaz de explicar 3 tipos de servicios | Solo pudo explicar 1 o 2 de los servicios |
+| Explica qué servicio es relevante para IoT | Describió una explicación de cuáles servicios son relevantes para los desarrolladores de IoT y por qué | Describió una explicación de cuáles servicios son relevantes para los desarrolladores de IoT pero no por qué | No pudo describir cuáles servicios son relevantes para los desarrolladores de IoT |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md b/translations/es/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
new file mode 100644
index 00000000..a2acfe0b
--- /dev/null
+++ b/translations/es/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
@@ -0,0 +1,130 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3ac42e284a7222c0e83d2d43231a364f",
+  "translation_date": "2025-08-26T14:50:50+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md",
+  "language_code": "es"
+}
+-->
+# Conecta tu dispositivo IoT a la nube - Hardware IoT virtual y Raspberry Pi
+
+En esta parte de la lección, conectarás tu dispositivo IoT virtual o Raspberry Pi a tu IoT Hub para enviar telemetría y recibir comandos.
+
+## Conecta tu dispositivo al IoT Hub
+
+El siguiente paso es conectar tu dispositivo al IoT Hub.
+
+### Tarea - conectar al IoT Hub
+
+1. Abre la carpeta `soil-moisture-sensor` en VS Code. Asegúrate de que el entorno virtual esté ejecutándose en la terminal si estás utilizando un dispositivo IoT virtual.
+
+1. Instala algunos paquetes adicionales de Pip:
+
+    ```sh
+    pip3 install azure-iot-device
+    ```
+
+    `azure-iot-device` es una biblioteca para comunicarse con tu IoT Hub.
+
+1. Agrega las siguientes importaciones en la parte superior del archivo `app.py`, debajo de las importaciones existentes:
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse
+    ```
+
+    Este código importa el SDK para comunicarse con tu IoT Hub.
+
+1. Elimina la línea `import paho.mqtt.client as mqtt`, ya que esta biblioteca ya no es necesaria. Elimina todo el código relacionado con MQTT, incluidos los nombres de los temas, todo el código que utiliza `mqtt_client` y la función `handle_command`. Conserva el bucle `while True:`, pero elimina la línea `mqtt_client.publish` de este bucle.
+
+1. Agrega el siguiente código debajo de las declaraciones de importación:
+
+    ```python
+    connection_string = "<connection string>"
+    ```
+
+    Sustituye `<connection string>` por la cadena de conexión que recuperaste para el dispositivo anteriormente en esta lección.
+
+    > 💁 Esto no es una buena práctica. Las cadenas de conexión nunca deben almacenarse en el código fuente, ya que pueden ser registradas en el control de código fuente y encontradas por cualquiera. Estamos haciendo esto aquí por simplicidad. Idealmente, deberías usar algo como una variable de entorno y una herramienta como [`python-dotenv`](https://pypi.org/project/python-dotenv/). Aprenderás más sobre esto en una lección futura.
+
+1. Debajo de este código, agrega lo siguiente para crear un objeto cliente del dispositivo que pueda comunicarse con el IoT Hub y conectarlo:
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_connection_string(connection_string)
+
+    print('Connecting')
+    device_client.connect()
+    print('Connected')
+    ```
+
+1. Ejecuta este código. Verás que tu dispositivo se conecta.
+
+    ```output
+    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
+    Connecting
+    Connected
+    Soil moisture: 379
+    ```
+
+## Enviar telemetría
+
+Ahora que tu dispositivo está conectado, puedes enviar telemetría al IoT Hub en lugar del broker MQTT.
+
+### Tarea - enviar telemetría
+
+1. Agrega el siguiente código dentro del bucle `while True`, justo antes de la pausa:
+
+    ```python
+    message = Message(json.dumps({ 'soil_moisture': soil_moisture }))
+    device_client.send_message(message)
+    ```
+
+    Este código crea un `Message` de IoT Hub que contiene la lectura de humedad del suelo como una cadena JSON, y luego lo envía al IoT Hub como un mensaje de dispositivo a nube.
+
+## Manejar comandos
+
+Tu dispositivo necesita manejar un comando del código del servidor para controlar el relé. Esto se envía como una solicitud de método directo.
+
+## Tarea - manejar una solicitud de método directo
+
+1. Agrega el siguiente código antes del bucle `while True`:
+
+    ```python
+    def handle_method_request(request):
+        print("Direct method received - ", request.name)
+    
+        if request.name == "relay_on":
+            relay.on()
+        elif request.name == "relay_off":
+            relay.off()    
+    ```
+
+    Esto define un método, `handle_method_request`, que será llamado cuando el IoT Hub invoque un método directo. Cada método directo tiene un nombre, y este código espera un método llamado `relay_on` para encender el relé, y `relay_off` para apagarlo.
+
+    > 💁 Esto también podría implementarse en una única solicitud de método directo, pasando el estado deseado del relé en un payload que puede ser enviado con la solicitud del método y estar disponible desde el objeto `request`.
+
+1. Los métodos directos requieren una respuesta para informar al código que los invocó que han sido manejados. Agrega el siguiente código al final de la función `handle_method_request` para crear una respuesta a la solicitud:
+
+    ```python
+    method_response = MethodResponse.create_from_method_request(request, 200)
+    device_client.send_method_response(method_response)
+    ```
+
+    Este código envía una respuesta a la solicitud de método directo con un código de estado HTTP 200, y la envía de vuelta al IoT Hub.
+
+1. Agrega el siguiente código debajo de esta definición de función:
+
+    ```python
+    device_client.on_method_request_received = handle_method_request
+    ```
+
+    Este código indica al cliente del IoT Hub que llame a la función `handle_method_request` cuando se invoque un método directo.
+
+> 💁 Puedes encontrar este código en la carpeta [code/pi](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/pi) o [code/virtual-device](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/virtual-device).
+
+😀 ¡Tu programa del sensor de humedad del suelo está conectado a tu IoT Hub!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md b/translations/es/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
new file mode 100644
index 00000000..41a043cf
--- /dev/null
+++ b/translations/es/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
@@ -0,0 +1,306 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "28320305a35ea3bc59c41fe146a2e6ed",
+  "translation_date": "2025-08-26T14:52:01+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md",
+  "language_code": "es"
+}
+-->
+# Conecta tu dispositivo IoT a la nube - Wio Terminal
+
+En esta parte de la lección, conectarás tu Wio Terminal a tu IoT Hub para enviar telemetría y recibir comandos.
+
+## Conecta tu dispositivo a IoT Hub
+
+El siguiente paso es conectar tu dispositivo a IoT Hub.
+
+### Tarea - conectar a IoT Hub
+
+1. Abre el proyecto `soil-moisture-sensor` en VS Code.
+
+1. Abre el archivo `platformio.ini`. Elimina la dependencia de la biblioteca `knolleary/PubSubClient`. Esta se utilizaba para conectarse al broker MQTT público y no es necesaria para conectarse a IoT Hub.
+
+1. Agrega las siguientes dependencias de biblioteca:
+
+    ```ini
+    seeed-studio/Seeed Arduino RTC @ 2.0.0
+    arduino-libraries/AzureIoTHub @ 1.6.0
+    azure/AzureIoTUtility @ 1.6.1
+    azure/AzureIoTProtocol_MQTT @ 1.6.0
+    azure/AzureIoTProtocol_HTTP @ 1.6.0
+    azure/AzureIoTSocket_WiFi @ 1.0.2
+    ```
+
+    La biblioteca `Seeed Arduino RTC` proporciona código para interactuar con un reloj en tiempo real en el Wio Terminal, utilizado para rastrear el tiempo. Las bibliotecas restantes permiten que tu dispositivo IoT se conecte a IoT Hub.
+
+1. Agrega lo siguiente al final del archivo `platformio.ini`:
+
+    ```ini
+    build_flags =
+        -DDONT_USE_UPLOADTOBLOB
+    ```
+
+    Esto establece una bandera del compilador que es necesaria al compilar el código de Arduino IoT Hub.
+
+1. Abre el archivo de encabezado `config.h`. Elimina todas las configuraciones de MQTT y agrega la siguiente constante para la cadena de conexión del dispositivo:
+
+    ```cpp
+    // IoT Hub settings
+    const char *CONNECTION_STRING = "<connection string>";
+    ```
+
+    Reemplaza `<connection string>` con la cadena de conexión de tu dispositivo que copiaste anteriormente.
+
+1. La conexión a IoT Hub utiliza un token basado en tiempo. Esto significa que el dispositivo IoT necesita conocer la hora actual. A diferencia de sistemas operativos como Windows, macOS o Linux, los microcontroladores no sincronizan automáticamente la hora actual a través de Internet. Esto significa que deberás agregar código para obtener la hora actual de un servidor [NTP](https://wikipedia.org/wiki/Network_Time_Protocol). Una vez que se haya obtenido la hora, se puede almacenar en un reloj en tiempo real en el Wio Terminal, permitiendo solicitar la hora correcta en una fecha posterior, suponiendo que el dispositivo no pierda energía. Agrega un nuevo archivo llamado `ntp.h` con el siguiente código:
+
+    ```cpp
+    #pragma once
+    
+    #include "DateTime.h"
+    #include <time.h>
+    #include "samd/NTPClientAz.h"
+    #include <sys/time.h>
+
+    static void initTime()
+    {
+        WiFiUDP _udp;
+        time_t epochTime = (time_t)-1;
+        NTPClientAz ntpClient;
+
+        ntpClient.begin();
+
+        while (true)
+        {
+            epochTime = ntpClient.getEpochTime("0.pool.ntp.org");
+
+            if (epochTime == (time_t)-1)
+            {
+                Serial.println("Fetching NTP epoch time failed! Waiting 2 seconds to retry.");
+                delay(2000);
+            }
+            else
+            {
+                Serial.print("Fetched NTP epoch time is: ");
+
+                char buff[32];
+                sprintf(buff, "%.f", difftime(epochTime, (time_t)0));
+                Serial.println(buff);
+                break;
+            }
+        }
+
+        ntpClient.end();
+
+        struct timeval tv;
+        tv.tv_sec = epochTime;
+        tv.tv_usec = 0;
+
+        settimeofday(&tv, NULL);
+    }
+    ```
+
+    Los detalles de este código están fuera del alcance de esta lección. Define una función llamada `initTime` que obtiene la hora actual de un servidor NTP y la utiliza para configurar el reloj en el Wio Terminal.
+
+1. Abre el archivo `main.cpp` y elimina todo el código de MQTT, incluyendo el archivo de encabezado `PubSubClient.h`, la declaración de la variable `PubSubClient`, los métodos `reconnectMQTTClient` y `createMQTTClient`, y cualquier llamada a estas variables y métodos. Este archivo solo debe contener código para conectarse a WiFi, obtener la humedad del suelo y crear un documento JSON con esta información.
+
+1. Agrega las siguientes directivas `#include` al inicio del archivo `main.cpp` para incluir archivos de encabezado de las bibliotecas de IoT Hub y para configurar la hora:
+
+    ```cpp
+    #include <AzureIoTHub.h>
+    #include <AzureIoTProtocol_MQTT.h>
+    #include <iothubtransportmqtt.h>
+    #include "ntp.h"
+    ```
+
+1. Agrega la siguiente llamada al final de la función `setup` para configurar la hora actual:
+
+    ```cpp
+    initTime();
+    ```
+
+1. Agrega la siguiente declaración de variable al inicio del archivo, justo debajo de las directivas de inclusión:
+
+    ```cpp
+    IOTHUB_DEVICE_CLIENT_LL_HANDLE _device_ll_handle;
+    ```
+
+    Esto declara un `IOTHUB_DEVICE_CLIENT_LL_HANDLE`, un identificador para una conexión a IoT Hub.
+
+1. Debajo de esto, agrega el siguiente código:
+
+    ```cpp
+    static void connectionStatusCallback(IOTHUB_CLIENT_CONNECTION_STATUS result, IOTHUB_CLIENT_CONNECTION_STATUS_REASON reason, void *user_context)
+    {
+        if (result == IOTHUB_CLIENT_CONNECTION_AUTHENTICATED)
+        {
+            Serial.println("The device client is connected to iothub");
+        }
+        else
+        {
+            Serial.println("The device client has been disconnected");
+        }
+    }
+    ```
+
+    Esto declara una función de callback que será llamada cuando la conexión a IoT Hub cambie de estado, como conectarse o desconectarse. El estado se envía al puerto serial.
+
+1. Debajo de esto, agrega una función para conectarse a IoT Hub:
+
+    ```cpp
+    void connectIoTHub()
+    {
+        IoTHub_Init();
+    
+        _device_ll_handle = IoTHubDeviceClient_LL_CreateFromConnectionString(CONNECTION_STRING, MQTT_Protocol);
+        
+        if (_device_ll_handle == NULL)
+        {
+            Serial.println("Failure creating Iothub device. Hint: Check your connection string.");
+            return;
+        }
+    
+        IoTHubDeviceClient_LL_SetConnectionStatusCallback(_device_ll_handle, connectionStatusCallback, NULL);
+    }
+    ```
+
+    Este código inicializa el código de la biblioteca de IoT Hub y luego crea una conexión utilizando la cadena de conexión en el archivo de encabezado `config.h`. Esta conexión se basa en MQTT. Si la conexión falla, esto se envía al puerto serial; si ves esto en la salida, verifica la cadena de conexión. Finalmente, se configura el callback de estado de conexión.
+
+1. Llama a esta función en la función `setup` debajo de la llamada a `initTime`:
+
+    ```cpp
+    connectIoTHub();
+    ```
+
+1. Al igual que con el cliente MQTT, este código se ejecuta en un solo hilo, por lo que necesita tiempo para procesar los mensajes enviados por el hub y enviados al hub. Agrega lo siguiente al inicio de la función `loop` para hacer esto:
+
+    ```cpp
+    IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
+    ```
+
+1. Compila y sube este código. Verás la conexión en el monitor serial:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Fetched NTP epoch time is: 1619983687
+    Sending telemetry {"soil_moisture":391}
+    The device client is connected to iothub
+    ```
+
+    En la salida puedes ver que se obtiene la hora NTP, seguido de la conexión del cliente del dispositivo. Puede tardar unos segundos en conectarse, por lo que puedes ver la humedad del suelo en la salida mientras el dispositivo se conecta.
+
+    > 💁 Puedes convertir el tiempo UNIX del NTP a una versión más legible utilizando un sitio web como [unixtimestamp.com](https://www.unixtimestamp.com)
+
+## Enviar telemetría
+
+Ahora que tu dispositivo está conectado, puedes enviar telemetría a IoT Hub en lugar del broker MQTT.
+
+### Tarea - enviar telemetría
+
+1. Agrega la siguiente función encima de la función `setup`:
+
+    ```cpp
+    void sendTelemetry(const char *telemetry)
+    {
+        IOTHUB_MESSAGE_HANDLE message_handle = IoTHubMessage_CreateFromString(telemetry);
+        IoTHubDeviceClient_LL_SendEventAsync(_device_ll_handle, message_handle, NULL, NULL);
+        IoTHubMessage_Destroy(message_handle);
+    }
+    ```
+
+    Este código crea un mensaje de IoT Hub a partir de una cadena pasada como parámetro, lo envía al hub y luego limpia el objeto del mensaje.
+
+1. Llama a este código en la función `loop`, justo después de la línea donde la telemetría se envía al puerto serial:
+
+    ```cpp
+    sendTelemetry(telemetry.c_str());
+    ```
+
+## Manejar comandos
+
+Tu dispositivo necesita manejar un comando del código del servidor para controlar el relé. Esto se envía como una solicitud de método directo.
+
+## Tarea - manejar una solicitud de método directo
+
+1. Agrega el siguiente código antes de la función `connectIoTHub`:
+
+    ```cpp
+    int directMethodCallback(const char *method_name, const unsigned char *payload, size_t size, unsigned char **response, size_t *response_size, void *userContextCallback)
+    {
+        Serial.printf("Direct method received %s\r\n", method_name);
+    
+        if (strcmp(method_name, "relay_on") == 0)
+        {
+            digitalWrite(PIN_WIRE_SCL, HIGH);
+        }
+        else if (strcmp(method_name, "relay_off") == 0)
+        {
+            digitalWrite(PIN_WIRE_SCL, LOW);
+        }
+    }
+    ```
+
+    Este código define un método de callback que la biblioteca de IoT Hub puede llamar cuando recibe una solicitud de método directo. El método solicitado se envía en el parámetro `method_name`. Esta función imprime el método llamado en el puerto serial y luego enciende o apaga el relé dependiendo del nombre del método.
+
+    > 💁 Esto también podría implementarse en un único método directo, pasando el estado deseado del relé en un payload que puede ser pasado con la solicitud de método y disponible desde el parámetro `payload`.
+
+1. Agrega el siguiente código al final de la función `directMethodCallback`:
+
+    ```cpp
+    char resultBuff[16];
+    sprintf(resultBuff, "{\"Result\":\"\"}");
+    *response_size = strlen(resultBuff);
+    *response = (unsigned char *)malloc(*response_size);
+    memcpy(*response, resultBuff, *response_size);
+
+    return IOTHUB_CLIENT_OK;
+    ```
+
+    Las solicitudes de método directo necesitan una respuesta, y la respuesta tiene dos partes: una respuesta como texto y un código de retorno. Este código creará un resultado como el siguiente documento JSON:
+
+    ```JSON
+    {
+        "Result": ""
+    }
+    ```
+
+    Esto luego se copia en el parámetro `response`, y el tamaño de esta respuesta se establece en el parámetro `response_size`. Este código luego devuelve `IOTHUB_CLIENT_OK` para mostrar que el método fue manejado correctamente.
+
+1. Conecta el callback agregando lo siguiente al final de la función `connectIoTHub`:
+
+    ```cpp
+    IoTHubClient_LL_SetDeviceMethodCallback(_device_ll_handle, directMethodCallback, NULL);
+    ```
+
+1. La función `loop` llamará a la función `IoTHubDeviceClient_LL_DoWork` para procesar eventos enviados por IoT Hub. Esto solo se llama cada 10 segundos debido al `delay`, lo que significa que los métodos directos solo se procesan cada 10 segundos. Para hacerlo más eficiente, el retraso de 10 segundos puede implementarse como muchos retrasos más cortos, llamando a `IoTHubDeviceClient_LL_DoWork` cada vez. Para hacer esto, agrega el siguiente código encima de la función `loop`:
+
+    ```cpp
+    void work_delay(int delay_time)
+    {
+        int current = 0;
+        do
+        {
+            IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
+            delay(100);
+            current += 100;
+        } while (current < delay_time);
+    }
+    ```
+
+    Este código repetirá el bucle, llamando a `IoTHubDeviceClient_LL_DoWork` y retrasando 100ms cada vez. Hará esto tantas veces como sea necesario para retrasar la cantidad de tiempo dada en el parámetro `delay_time`. Esto significa que el dispositivo está esperando como máximo 100ms para procesar solicitudes de método directo.
+
+1. En la función `loop`, elimina la llamada a `IoTHubDeviceClient_LL_DoWork` y reemplaza la llamada `delay(10000)` con lo siguiente para llamar a esta nueva función:
+
+    ```cpp
+    work_delay(10000);
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code/wio-terminal](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/wio-terminal).
+
+😀 ¡Tu programa de sensor de humedad del suelo está conectado a tu IoT Hub!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/es/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
new file mode 100644
index 00000000..8212a2ea
--- /dev/null
+++ b/translations/es/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
@@ -0,0 +1,656 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f2d2f4a5a023c93ab34a0cc5b47c0c4",
+  "translation_date": "2025-08-26T14:39:06+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/README.md",
+  "language_code": "es"
+}
+-->
+# Migra la lógica de tu aplicación a la nube
+
+![Una ilustración resumen de esta lección](../../../../../translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.es.jpg)
+
+> Ilustración por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+Esta lección fue impartida como parte de la serie [IoT para principiantes Proyecto 2 - Agricultura Digital](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) del [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![Controla tu dispositivo IoT con código sin servidor](https://img.youtube.com/vi/VVZDcs5u1_I/0.jpg)](https://youtu.be/VVZDcs5u1_I)
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/17)
+
+## Introducción
+
+En la última lección, aprendiste cómo conectar el monitoreo de humedad del suelo de tus plantas y el control del relé a un servicio IoT basado en la nube. El siguiente paso es mover el código del servidor que controla el tiempo del relé a la nube. En esta lección, aprenderás cómo hacerlo utilizando funciones sin servidor.
+
+En esta lección cubriremos:
+
+* [¿Qué es sin servidor?](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Crear una aplicación sin servidor](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Crear un disparador de eventos para IoT Hub](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Enviar solicitudes de método directo desde código sin servidor](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Desplegar tu código sin servidor en la nube](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+
+## ¿Qué es sin servidor?
+
+Sin servidor, o computación sin servidor, implica crear pequeños bloques de código que se ejecutan en la nube en respuesta a diferentes tipos de eventos. Cuando ocurre el evento, tu código se ejecuta y recibe datos sobre el evento. Estos eventos pueden provenir de muchas fuentes, como solicitudes web, mensajes en una cola, cambios en datos de una base de datos o mensajes enviados a un servicio IoT por dispositivos IoT.
+
+![Eventos enviados desde un servicio IoT a un servicio sin servidor, todos procesados al mismo tiempo por múltiples funciones en ejecución](../../../../../translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.es.png)
+
+> 💁 Si has usado disparadores de bases de datos antes, puedes pensar en esto como algo similar: código que se activa por un evento como insertar una fila.
+
+![Cuando se envían muchos eventos al mismo tiempo, el servicio sin servidor escala para ejecutarlos todos simultáneamente](../../../../../translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.es.png)
+
+Tu código solo se ejecuta cuando ocurre el evento; no hay nada manteniendo tu código activo en otros momentos. El evento ocurre, tu código se carga y se ejecuta. Esto hace que el modelo sin servidor sea muy escalable: si muchos eventos ocurren al mismo tiempo, el proveedor de la nube puede ejecutar tu función tantas veces como sea necesario simultáneamente en los servidores disponibles. La desventaja de esto es que si necesitas compartir información entre eventos, debes guardarla en algún lugar como una base de datos en lugar de almacenarla en memoria.
+
+Tu código se escribe como una función que toma detalles sobre el evento como parámetro. Puedes usar una amplia gama de lenguajes de programación para escribir estas funciones sin servidor.
+
+> 🎓 Sin servidor también se conoce como Funciones como servicio (FaaS) ya que cada disparador de evento se implementa como una función en el código.
+
+A pesar del nombre, sin servidor sí utiliza servidores. El nombre se debe a que, como desarrollador, no te preocupas por los servidores necesarios para ejecutar tu código; solo te importa que tu código se ejecute en respuesta a un evento. El proveedor de la nube tiene un *runtime* sin servidor que gestiona la asignación de servidores, redes, almacenamiento, CPU, memoria y todo lo necesario para ejecutar tu código. Este modelo significa que no pagas por servidor, ya que no hay un servidor específico. En cambio, pagas por el tiempo que tu código está en ejecución y la cantidad de memoria utilizada.
+
+> 💰 Sin servidor es una de las formas más económicas de ejecutar código en la nube. Por ejemplo, al momento de escribir esto, un proveedor de nube permite que todas tus funciones sin servidor se ejecuten un total combinado de 1,000,000 veces al mes antes de comenzar a cobrarte, y después de eso cobran US$0.20 por cada 1,000,000 ejecuciones. Cuando tu código no está en ejecución, no pagas.
+
+Como desarrollador de IoT, el modelo sin servidor es ideal. Puedes escribir una función que se llame en respuesta a mensajes enviados desde cualquier dispositivo IoT conectado a tu servicio IoT alojado en la nube. Tu código manejará todos los mensajes enviados, pero solo estará en ejecución cuando sea necesario.
+
+✅ Revisa el código que escribiste como servidor escuchando mensajes a través de MQTT. ¿Cómo podría ejecutarse esto en la nube utilizando sin servidor? ¿Cómo crees que el código podría cambiar para admitir computación sin servidor?
+
+> 💁 El modelo sin servidor se está expandiendo a otros servicios en la nube además de ejecutar código. Por ejemplo, las bases de datos sin servidor están disponibles en la nube utilizando un modelo de precios sin servidor donde pagas por cada solicitud realizada contra la base de datos, como una consulta o inserción, generalmente con precios basados en la cantidad de trabajo necesario para atender la solicitud. Por ejemplo, una sola selección de una fila contra una clave primaria costará menos que una operación complicada que une muchas tablas y devuelve miles de filas.
+
+## Crear una aplicación sin servidor
+
+El servicio de computación sin servidor de Microsoft se llama Azure Functions.
+
+![El logo de Azure Functions](../../../../../translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.es.png)
+
+El siguiente video corto ofrece una visión general de Azure Functions.
+
+[![Video de introducción a Azure Functions](https://img.youtube.com/vi/8-jz5f_JyEQ/0.jpg)](https://www.youtube.com/watch?v=8-jz5f_JyEQ)
+
+> 🎥 Haz clic en la imagen de arriba para ver el video.
+
+✅ Tómate un momento para investigar y leer la visión general de Azure Functions en la [documentación de Microsoft Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-overview?WT.mc_id=academic-17441-jabenn).
+
+Para escribir Azure Functions, comienzas con una aplicación de Azure Functions en el lenguaje de tu elección. Azure Functions admite de forma nativa Python, JavaScript, TypeScript, C#, F#, Java y Powershell. En esta lección aprenderás cómo escribir una aplicación de Azure Functions en Python.
+
+> 💁 Azure Functions también admite controladores personalizados, por lo que puedes escribir tus funciones en cualquier lenguaje que soporte solicitudes HTTP, incluidos lenguajes más antiguos como COBOL.
+
+Las aplicaciones de funciones consisten en uno o más *disparadores* - funciones que responden a eventos. Puedes tener múltiples disparadores dentro de una aplicación de funciones, todos compartiendo una configuración común. Por ejemplo, en el archivo de configuración de tu aplicación de funciones puedes tener los detalles de conexión de tu IoT Hub, y todas las funciones en la aplicación pueden usar esto para conectarse y escuchar eventos.
+
+### Tarea - instalar las herramientas de Azure Functions
+
+> Al momento de escribir esto, las herramientas de código de Azure Functions no funcionan completamente en Apple Silicon con proyectos de Python. Necesitarás usar una Mac basada en Intel, una PC con Windows o una PC con Linux.
+
+Una gran característica de Azure Functions es que puedes ejecutarlas localmente. El mismo runtime que se utiliza en la nube puede ejecutarse en tu computadora, permitiéndote escribir código que responde a mensajes IoT y ejecutarlo localmente. Incluso puedes depurar tu código mientras se manejan eventos. Una vez que estés satisfecho con tu código, puedes desplegarlo en la nube.
+
+Las herramientas de Azure Functions están disponibles como una CLI, conocida como Azure Functions Core Tools.
+
+1. Instala las herramientas principales de Azure Functions siguiendo las instrucciones en la [documentación de Azure Functions Core Tools](https://docs.microsoft.com/azure/azure-functions/functions-run-local?WT.mc_id=academic-17441-jabenn).
+
+1. Instala la extensión de Azure Functions para VS Code. Esta extensión proporciona soporte para crear, depurar y desplegar funciones de Azure. Consulta la [documentación de la extensión de Azure Functions](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-azuretools.vscode-azurefunctions) para obtener instrucciones sobre cómo instalar esta extensión en VS Code.
+
+Cuando despliegues tu aplicación de Azure Functions en la nube, necesitará usar una pequeña cantidad de almacenamiento en la nube para guardar cosas como los archivos de la aplicación y los archivos de registro. Cuando ejecutes tu aplicación de funciones localmente, aún necesitarás conectarte al almacenamiento en la nube, pero en lugar de usar almacenamiento real en la nube, puedes usar un emulador de almacenamiento llamado [Azurite](https://github.com/Azure/Azurite). Este se ejecuta localmente pero actúa como almacenamiento en la nube.
+
+> 🎓 En Azure, el almacenamiento que utiliza Azure Functions es una Cuenta de Almacenamiento de Azure. Estas cuentas pueden almacenar archivos, blobs, datos en tablas o datos en colas. Puedes compartir una cuenta de almacenamiento entre muchas aplicaciones, como una aplicación de funciones y una aplicación web.
+
+1. Azurite es una aplicación Node.js, por lo que necesitarás instalar Node.js. Puedes encontrar las instrucciones de descarga e instalación en el [sitio web de Node.js](https://nodejs.org/). Si estás usando una Mac, también puedes instalarlo desde [Homebrew](https://formulae.brew.sh/formula/node).
+
+1. Instala Azurite usando el siguiente comando (`npm` es una herramienta que se instala cuando instalas Node.js):
+
+    ```sh
+    npm install -g azurite
+    ```
+
+1. Crea una carpeta llamada `azurite` para que Azurite la use para almacenar datos:
+
+    ```sh
+    mkdir azurite
+    ```
+
+1. Ejecuta Azurite, pasándole esta nueva carpeta:
+
+    ```sh
+    azurite --location azurite
+    ```
+
+    El emulador de almacenamiento Azurite se iniciará y estará listo para que el runtime local de Functions se conecte.
+
+    ```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
+    ```
+
+### Tarea - crear un proyecto de Azure Functions
+
+La CLI de Azure Functions puede usarse para crear una nueva aplicación de funciones.
+
+1. Crea una carpeta para tu aplicación de funciones y navega a ella. Llámala `soil-moisture-trigger`.
+
+    ```sh
+    mkdir soil-moisture-trigger
+    cd soil-moisture-trigger
+    ```
+
+1. Crea un entorno virtual de Python dentro de esta carpeta:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+1. Activa el entorno virtual:
+
+    * En Windows:
+        * Si estás usando el Command Prompt, o el Command Prompt a través de Windows Terminal, ejecuta:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * Si estás usando PowerShell, ejecuta:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * En macOS o Linux, ejecuta:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Estos comandos deben ejecutarse desde la misma ubicación donde ejecutaste el comando para crear el entorno virtual. Nunca necesitarás navegar dentro de la carpeta `.venv`; siempre debes ejecutar el comando de activación y cualquier comando para instalar paquetes o ejecutar código desde la carpeta donde estabas cuando creaste el entorno virtual.
+
+1. Ejecuta el siguiente comando para crear una aplicación de funciones en esta carpeta:
+
+    ```sh
+    func init --worker-runtime python soil-moisture-trigger
+    ```
+
+    Esto creará tres archivos dentro de la carpeta actual:
+
+    * `host.json` - este documento JSON contiene configuraciones para tu aplicación de funciones. No necesitarás modificar estas configuraciones.
+    * `local.settings.json` - este documento JSON contiene configuraciones que tu aplicación usaría al ejecutarse localmente, como cadenas de conexión para tu IoT Hub. Estas configuraciones son solo locales y no deben agregarse al control de código fuente. Cuando despliegues la aplicación en la nube, estas configuraciones no se desplegarán; en su lugar, tus configuraciones se cargarán desde configuraciones de aplicación. Esto se cubrirá más adelante en esta lección.
+    * `requirements.txt` - este es un archivo de requisitos de [Pip](https://pip.pypa.io/en/stable/user_guide/#requirements-files) que contiene los paquetes de Pip necesarios para ejecutar tu aplicación de funciones.
+
+1. El archivo `local.settings.json` tiene una configuración para la cuenta de almacenamiento que la aplicación de funciones usará. Esto por defecto está vacío, por lo que necesita configurarse. Para conectarte al emulador de almacenamiento local Azurite, establece este valor en lo siguiente:
+
+    ```json
+    "AzureWebJobsStorage": "UseDevelopmentStorage=true",
+    ```
+
+1. Instala los paquetes de Pip necesarios utilizando el archivo de requisitos:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > 💁 Los paquetes de Pip requeridos deben estar en este archivo, para que cuando la aplicación de funciones se despliegue en la nube, el runtime pueda asegurarse de instalar los paquetes correctos.
+
+1. Para probar que todo está funcionando correctamente, puedes iniciar el runtime de Functions. Ejecuta el siguiente comando para hacerlo:
+
+    ```sh
+    func start
+    ```
+
+    Verás que el runtime se inicia e informa que no ha encontrado funciones de trabajo (disparadores).
+
+    ```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.
+    ```
+> ⚠️ Si recibes una notificación del firewall, concede acceso ya que la aplicación `func` necesita poder leer y escribir en tu red.
+> ⚠️ Si estás utilizando macOS, es posible que aparezcan advertencias en la salida:
+>
+> ```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.
+    > ```
+>
+> Puedes ignorarlas siempre y cuando la aplicación de Functions se inicie correctamente y liste las funciones en ejecución. Como se menciona en [esta pregunta en Microsoft Docs Q&A](https://docs.microsoft.com/answers/questions/396617/azure-functions-core-tools-error-osx-devshmazurefu.html?WT.mc_id=academic-17441-jabenn), estas advertencias pueden ser ignoradas.
+
+1. Detén la aplicación de Functions presionando `ctrl+c`.
+
+1. Abre la carpeta actual en VS Code, ya sea abriendo VS Code y luego esta carpeta, o ejecutando el siguiente comando:
+
+    ```sh
+    code .
+    ```
+
+    VS Code detectará tu proyecto de Functions y mostrará una notificación que dice:
+
+    ```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?
+    ```
+
+    ![La notificación](../../../../../translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.es.png)
+
+    Selecciona **Sí** en esta notificación.
+
+1. Asegúrate de que el entorno virtual de Python esté ejecutándose en la terminal de VS Code. Deténlo y reinícialo si es necesario.
+
+## Crear un disparador de eventos de IoT Hub
+
+La aplicación de Functions es el contenedor de tu código sin servidor. Para responder a eventos de IoT Hub, puedes agregar un disparador de IoT Hub a esta aplicación. Este disparador necesita conectarse al flujo de mensajes enviados al IoT Hub y responder a ellos. Para obtener este flujo de mensajes, tu disparador debe conectarse al *punto de conexión compatible con Event Hub* del IoT Hub.
+
+IoT Hub se basa en otro servicio de Azure llamado Azure Event Hubs. Event Hubs es un servicio que permite enviar y recibir mensajes, y IoT Hub amplía esto para agregar características específicas para dispositivos IoT. La forma en que te conectas para leer mensajes del IoT Hub es la misma que si estuvieras utilizando Event Hubs.
+
+✅ Investiga un poco: Lee la descripción general de Event Hubs en la [documentación de Azure Event Hubs](https://docs.microsoft.com/azure/event-hubs/event-hubs-about?WT.mc_id=academic-17441-jabenn). ¿Cómo se comparan las características básicas con IoT Hub?
+
+Para que un dispositivo IoT se conecte al IoT Hub, debe usar una clave secreta que garantice que solo los dispositivos permitidos puedan conectarse. Lo mismo aplica al conectarse para leer mensajes; tu código necesitará una cadena de conexión que contenga una clave secreta, junto con los detalles del IoT Hub.
+
+> 💁 La cadena de conexión predeterminada que obtienes tiene permisos de **iothubowner**, lo que otorga a cualquier código que la use permisos completos en el IoT Hub. Idealmente, deberías conectarte con el nivel más bajo de permisos necesarios. Esto se cubrirá en la próxima lección.
+
+Una vez que tu disparador se haya conectado, el código dentro de la función se ejecutará para cada mensaje enviado al IoT Hub, independientemente del dispositivo que lo haya enviado. El disparador recibirá el mensaje como un parámetro.
+
+### Tarea - obtener la cadena de conexión del punto de conexión compatible con Event Hub
+
+1. Desde la terminal de VS Code, ejecuta el siguiente comando para obtener la cadena de conexión del punto de conexión compatible con Event Hub del IoT Hub:
+
+    ```sh
+    az iot hub connection-string show --default-eventhub \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    Sustituye `<hub_name>` por el nombre que usaste para tu IoT Hub.
+
+1. En VS Code, abre el archivo `local.settings.json`. Agrega el siguiente valor adicional dentro de la sección `Values`:
+
+    ```json
+    "IOT_HUB_CONNECTION_STRING": "<connection string>"
+    ```
+
+    Sustituye `<connection string>` por el valor del paso anterior. Necesitarás agregar una coma después de la línea anterior para que sea un JSON válido.
+
+### Tarea - crear un disparador de eventos
+
+Ahora estás listo para crear el disparador de eventos.
+
+1. Desde la terminal de VS Code, ejecuta el siguiente comando desde dentro de la carpeta `soil-moisture-trigger`:
+
+    ```sh
+    func new --name iot-hub-trigger --template "Azure Event Hub trigger"
+    ```
+
+    Esto crea una nueva función llamada `iot-hub-trigger`. El disparador se conectará al punto de conexión compatible con Event Hub en el IoT Hub, por lo que puedes usar un disparador de Event Hub. No existe un disparador específico para IoT Hub.
+
+Esto creará una carpeta dentro de la carpeta `soil-moisture-trigger` llamada `iot-hub-trigger` que contiene esta función. Esta carpeta tendrá los siguientes archivos:
+
+* `__init__.py` - este es el archivo de código Python que contiene el disparador, utilizando la convención estándar de nombres de archivos Python para convertir esta carpeta en un módulo de Python.
+
+    Este archivo contendrá el siguiente código:
+
+    ```python
+    import logging
+
+    import azure.functions as func
+
+
+    def main(event: func.EventHubEvent):
+        logging.info('Python EventHub trigger processed an event: %s',
+                    event.get_body().decode('utf-8'))
+    ```
+
+    El núcleo del disparador es la función `main`. Es esta función la que se llama con los eventos del IoT Hub. Esta función tiene un parámetro llamado `event` que contiene un `EventHubEvent`. Cada vez que se envía un mensaje al IoT Hub, esta función se llama pasando ese mensaje como el `event`, junto con propiedades que son las mismas que las anotaciones que viste en la última lección.
+
+    El núcleo de esta función registra el evento.
+
+* `function.json` - este archivo contiene la configuración del disparador. La configuración principal está en una sección llamada `bindings`. Un binding es el término para una conexión entre Azure Functions y otros servicios de Azure. Esta función tiene un binding de entrada a un Event Hub: se conecta a un Event Hub y recibe datos.
+
+    > 💁 También puedes tener bindings de salida para que la salida de una función se envíe a otro servicio. Por ejemplo, podrías agregar un binding de salida a una base de datos y devolver el evento del IoT Hub desde la función, y este se insertará automáticamente en la base de datos.
+
+    ✅ Investiga un poco: Lee sobre los bindings en la [documentación de conceptos de disparadores y bindings de Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python).
+
+    La sección `bindings` incluye la configuración del binding. Los valores de interés son:
+
+  * `"type": "eventHubTrigger"` - esto indica que la función necesita escuchar eventos de un Event Hub.
+  * `"name": "events"` - este es el nombre del parámetro para los eventos del Event Hub. Esto coincide con el nombre del parámetro en la función `main` en el código Python.
+  * `"direction": "in"` - este es un binding de entrada; los datos del Event Hub ingresan a la función.
+  * `"connection": ""` - esto define el nombre de la configuración para leer la cadena de conexión. Al ejecutarse localmente, leerá esta configuración del archivo `local.settings.json`.
+
+    > 💁 La cadena de conexión no puede almacenarse en el archivo `function.json`; debe leerse desde la configuración. Esto es para evitar que expongas accidentalmente tu cadena de conexión.
+
+1. Debido a [un error en la plantilla de Azure Functions](https://github.com/Azure/azure-functions-templates/issues/1250), el archivo `function.json` tiene un valor incorrecto para el campo `cardinality`. Actualiza este campo de `many` a `one`:
+
+    ```json
+    "cardinality": "one",
+    ```
+
+1. Actualiza el valor de `"connection"` en el archivo `function.json` para que apunte al nuevo valor que agregaste en el archivo `local.settings.json`:
+
+    ```json
+    "connection": "IOT_HUB_CONNECTION_STRING",
+    ```
+
+    > 💁 Recuerda: esto debe apuntar a la configuración, no contener la cadena de conexión real.
+
+1. La cadena de conexión contiene el valor `eventHubName`, por lo que el valor para esto en el archivo `function.json` debe dejarse vacío. Actualiza este valor a una cadena vacía:
+
+    ```json
+    "eventHubName": "",
+    ```
+
+### Tarea - ejecutar el disparador de eventos
+
+1. Asegúrate de que no estás ejecutando el monitor de eventos de IoT Hub. Si este está en ejecución al mismo tiempo que la aplicación de Functions, la aplicación de Functions no podrá conectarse y consumir eventos.
+
+    > 💁 Varias aplicaciones pueden conectarse a los puntos de conexión de IoT Hub utilizando diferentes *grupos de consumidores*. Esto se cubrirá en una lección posterior.
+
+1. Para ejecutar la aplicación de Functions, ejecuta el siguiente comando desde la terminal de VS Code:
+
+    ```sh
+    func start
+    ```
+
+    La aplicación de Functions se iniciará y descubrirá la función `iot-hub-trigger`. Luego procesará cualquier evento que ya se haya enviado al IoT Hub en el último día.
+
+    ```output
+    (.venv) ➜  soil-moisture-trigger func start
+    Found Python version 3.9.1 (python3).
+    
+    Azure Functions Core Tools
+    Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
+    Function Runtime Version: 3.0.15417.0
+    
+    Functions:
+    
+            iot-hub-trigger: eventHubTrigger
+    
+    For detailed output, run func with --verbose flag.
+    [2021-05-05T02:44:07.517Z] Worker process started and initialized.
+    [2021-05-05T02:44:09.202Z] Executing 'Functions.iot-hub-trigger' (Reason='(null)', Id=802803a5-eae9-4401-a1f4-176631456ce4)
+    [2021-05-05T02:44:09.205Z] Trigger Details: PartitionId: 0, Offset: 1011240-1011632, EnqueueTimeUtc: 2021-05-04T19:04:04.2030000Z-2021-05-04T19:04:04.3900000Z, SequenceNumber: 2546-2547, Count: 2
+    [2021-05-05T02:44:09.352Z] Python EventHub trigger processed an event: {"soil_moisture":628}
+    [2021-05-05T02:44:09.354Z] Python EventHub trigger processed an event: {"soil_moisture":624}
+    [2021-05-05T02:44:09.395Z] Executed 'Functions.iot-hub-trigger' (Succeeded, Id=802803a5-eae9-4401-a1f4-176631456ce4, Duration=245ms)
+    ```
+
+    Cada llamada a la función estará rodeada por un bloque `Executing 'Functions.iot-hub-trigger'`/`Executed 'Functions.iot-hub-trigger'` en la salida, para que puedas ver cuántos mensajes se procesaron en cada llamada a la función.
+
+1. Asegúrate de que tu dispositivo IoT esté en funcionamiento. Verás nuevos mensajes de humedad del suelo apareciendo en la aplicación de Functions.
+
+1. Detén y reinicia la aplicación de Functions. Verás que no procesará mensajes anteriores nuevamente, solo procesará nuevos mensajes.
+
+> 💁 VS Code también admite la depuración de tus Functions. Puedes establecer puntos de interrupción haciendo clic en el borde al inicio de cada línea de código, colocando el cursor en una línea de código y seleccionando *Ejecutar -> Alternar punto de interrupción*, o presionando `F9`. Puedes iniciar el depurador seleccionando *Ejecutar -> Iniciar depuración*, presionando `F5`, o seleccionando el panel *Ejecutar y depurar* y haciendo clic en el botón **Iniciar depuración**. Al hacerlo, puedes ver los detalles de los eventos que se están procesando.
+
+#### Resolución de problemas
+
+* Si obtienes el siguiente error:
+
+    ```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.
+    ```
+
+    Verifica que Azurite esté en ejecución y que hayas configurado el `AzureWebJobsStorage` en el archivo `local.settings.json` como `UseDevelopmentStorage=true`.
+
+* Si obtienes el siguiente error:
+
+    ```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'
+    ```
+
+    Verifica que hayas configurado el `cardinality` en el archivo `function.json` como `one`.
+
+* Si obtienes el siguiente error:
+
+    ```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').
+    ```
+
+    Verifica que hayas configurado el `eventHubName` en el archivo `function.json` como una cadena vacía.
+
+## Enviar solicitudes de método directo desde código sin servidor
+
+Hasta ahora, tu aplicación de Functions está escuchando mensajes del IoT Hub utilizando el punto de conexión compatible con Event Hub. Ahora necesitas enviar comandos al dispositivo IoT. Esto se hace utilizando una conexión diferente al IoT Hub a través del *Registry Manager*. El Registry Manager es una herramienta que te permite ver qué dispositivos están registrados en el IoT Hub y comunicarte con esos dispositivos enviando mensajes de nube a dispositivo, solicitudes de método directo o actualizando el dispositivo gemelo. También puedes usarlo para registrar, actualizar o eliminar dispositivos IoT del IoT Hub.
+
+Para conectarte al Registry Manager, necesitas una cadena de conexión.
+
+### Tarea - obtener la cadena de conexión del Registry Manager
+
+1. Para obtener la cadena de conexión, ejecuta el siguiente comando:
+
+    ```sh
+    az iot hub connection-string show --policy-name service \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    Sustituye `<hub_name>` por el nombre que usaste para tu IoT Hub.
+
+    La cadena de conexión se solicita para la política *ServiceConnect* utilizando el parámetro `--policy-name service`. Cuando solicitas una cadena de conexión, puedes especificar qué permisos permitirá esa cadena de conexión. La política ServiceConnect permite que tu código se conecte y envíe mensajes a dispositivos IoT.
+
+    ✅ Investiga un poco: Lee sobre las diferentes políticas en la [documentación de permisos de IoT Hub](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-security#iot-hub-permissions?WT.mc_id=academic-17441-jabenn).
+
+1. En VS Code, abre el archivo `local.settings.json`. Agrega el siguiente valor adicional dentro de la sección `Values`:
+
+    ```json
+    "REGISTRY_MANAGER_CONNECTION_STRING": "<connection string>"
+    ```
+
+    Sustituye `<connection string>` por el valor del paso anterior. Necesitarás agregar una coma después de la línea anterior para que sea un JSON válido.
+
+### Tarea - enviar una solicitud de método directo a un dispositivo
+
+1. El SDK para el Registry Manager está disponible a través de un paquete Pip. Agrega la siguiente línea al archivo `requirements.txt` para agregar la dependencia de este paquete:
+
+    ```sh
+    azure-iot-hub
+    ```
+
+1. Asegúrate de que la terminal de VS Code tenga el entorno virtual activado y ejecuta el siguiente comando para instalar los paquetes Pip:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+1. Agrega las siguientes importaciones al archivo `__init__.py`:
+
+    ```python
+    import json
+    import os
+    from azure.iot.hub import IoTHubRegistryManager
+    from azure.iot.hub.models import CloudToDeviceMethod
+    ```
+
+    Esto importa algunas bibliotecas del sistema, así como las bibliotecas para interactuar con el Registry Manager y enviar solicitudes de método directo.
+
+1. Elimina el código dentro del método `main`, pero conserva el método en sí.
+
+1. En el método `main`, agrega el siguiente código:
+
+    ```python
+    body = json.loads(event.get_body().decode('utf-8'))
+    device_id = event.iothub_metadata['connection-device-id']
+
+    logging.info(f'Received message: {body} from {device_id}')
+    ```
+
+    Este código extrae el cuerpo del evento que contiene el mensaje JSON enviado por el dispositivo IoT.
+
+    Luego obtiene el ID del dispositivo de las anotaciones pasadas con el mensaje. El cuerpo del evento contiene el mensaje enviado como telemetría, el diccionario `iothub_metadata` contiene propiedades establecidas por el IoT Hub, como el ID del dispositivo del remitente y la hora en que se envió el mensaje.
+
+    Esta información luego se registra. Verás este registro en la terminal cuando ejecutes la aplicación de Functions localmente.
+
+1. Debajo de esto, agrega el siguiente código:
+
+    ```python
+    soil_moisture = body['soil_moisture']
+
+    if soil_moisture > 450:
+        direct_method = CloudToDeviceMethod(method_name='relay_on', payload='{}')
+    else:
+        direct_method = CloudToDeviceMethod(method_name='relay_off', payload='{}')
+    ```
+
+    Este código obtiene la humedad del suelo del mensaje. Luego verifica la humedad del suelo y, dependiendo del valor, crea una clase auxiliar para la solicitud de método directo para el método `relay_on` o `relay_off`. La solicitud del método no necesita una carga útil, por lo que se envía un documento JSON vacío.
+
+1. Debajo de esto, agrega el siguiente código:
+
+    ```python
+    logging.info(f'Sending direct method request for {direct_method.method_name} for device {device_id}')
+
+    registry_manager_connection_string = os.environ['REGISTRY_MANAGER_CONNECTION_STRING']
+    registry_manager = IoTHubRegistryManager(registry_manager_connection_string)
+    ```
+Este código carga el `REGISTRY_MANAGER_CONNECTION_STRING` desde el archivo `local.settings.json`. Los valores en este archivo están disponibles como variables de entorno, y se pueden leer utilizando la función `os.environ`, una función que devuelve un diccionario con todas las variables de entorno.
+
+> 💁 Cuando este código se despliega en la nube, los valores en el archivo `local.settings.json` se configurarán como *Application Settings*, y se podrán leer desde las variables de entorno.
+
+El código luego crea una instancia de la clase auxiliar Registry Manager utilizando la cadena de conexión.
+
+1. Debajo de esto, agrega el siguiente código:
+
+    ```python
+    registry_manager.invoke_device_method(device_id, direct_method)
+
+    logging.info('Direct method request sent!')
+    ```
+
+    Este código indica al registry manager que envíe la solicitud de método directo al dispositivo que envió la telemetría.
+
+    > 💁 En las versiones de la aplicación que creaste en lecciones anteriores utilizando MQTT, los comandos de control del relé se enviaban a todos los dispositivos. El código asumía que solo tendrías un dispositivo. Esta versión del código envía la solicitud de método a un único dispositivo, por lo que funcionaría si tuvieras múltiples configuraciones de sensores de humedad y relés, enviando la solicitud de método directo al dispositivo correcto.
+
+1. Ejecuta la aplicación de Functions y asegúrate de que tu dispositivo IoT esté enviando datos. Verás los mensajes siendo procesados y las solicitudes de método directo siendo enviadas. Mueve el sensor de humedad del suelo dentro y fuera del suelo para ver cómo cambian los valores y el relé se enciende y apaga.
+
+> 💁 Puedes encontrar este código en la carpeta [code/functions](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud/code/functions).
+
+## Despliega tu código sin servidor en la nube
+
+Tu código ya está funcionando localmente, así que el siguiente paso es desplegar la aplicación de Functions en la nube.
+
+### Tarea - crear los recursos en la nube
+
+Tu aplicación de Functions necesita ser desplegada en un recurso de Functions App en Azure, dentro del grupo de recursos que creaste para tu IoT Hub. También necesitarás una cuenta de almacenamiento creada en Azure para reemplazar la emulada que tienes funcionando localmente.
+
+1. Ejecuta el siguiente comando para crear una cuenta de almacenamiento:
+
+    ```sh
+    az storage account create --resource-group soil-moisture-sensor \
+                              --sku Standard_LRS \
+                              --name <storage_name> 
+    ```
+
+    Sustituye `<storage_name>` por un nombre para tu cuenta de almacenamiento. Este debe ser único a nivel global, ya que forma parte de la URL utilizada para acceder a la cuenta de almacenamiento. Solo puedes usar letras minúsculas y números para este nombre, sin otros caracteres, y está limitado a 24 caracteres. Usa algo como `sms` y agrega un identificador único al final, como algunas palabras aleatorias o tu nombre.
+
+    La opción `--sku Standard_LRS` selecciona el nivel de precios, eligiendo la cuenta general de menor costo. No hay un nivel gratuito de almacenamiento, y pagas por lo que usas. Los costos son relativamente bajos, siendo el almacenamiento más caro menos de US$0.05 por mes por gigabyte almacenado.
+
+    ✅ Lee más sobre precios en la [página de precios de Azure Storage Account](https://azure.microsoft.com/pricing/details/storage/?WT.mc_id=academic-17441-jabenn)
+
+1. Ejecuta el siguiente comando para crear una Function App:
+
+    ```sh
+    az functionapp create --resource-group soil-moisture-sensor \
+                          --runtime python \
+                          --functions-version 3 \
+                          --os-type Linux \
+                          --consumption-plan-location <location> \
+                          --storage-account <storage_name> \
+                          --name <functions_app_name>
+    ```
+
+    Sustituye `<location>` por la ubicación que usaste al crear el grupo de recursos en la lección anterior.
+
+    Sustituye `<storage_name>` por el nombre de la cuenta de almacenamiento que creaste en el paso anterior.
+
+    Sustituye `<functions_app_name>` por un nombre único para tu Function App. Este debe ser único a nivel global, ya que forma parte de una URL que puede ser utilizada para acceder a la Function App. Usa algo como `soil-moisture-sensor-` y agrega un identificador único al final, como algunas palabras aleatorias o tu nombre.
+
+    La opción `--functions-version 3` establece la versión de Azure Functions a utilizar. La versión 3 es la más reciente.
+
+    La opción `--os-type Linux` indica al runtime de Functions que use Linux como sistema operativo para alojar estas funciones. Las funciones pueden alojarse en Linux o Windows, dependiendo del lenguaje de programación utilizado. Las aplicaciones en Python solo son compatibles con Linux.
+
+### Tarea - subir tus configuraciones de aplicación
+
+Cuando desarrollaste tu Function App, almacenaste algunas configuraciones en el archivo `local.settings.json` para las cadenas de conexión de tu IoT Hub. Estas deben ser escritas en las Application Settings de tu Function App en Azure para que puedan ser utilizadas por tu código.
+
+> 🎓 El archivo `local.settings.json` es solo para configuraciones de desarrollo local, y no debe ser incluido en el control de código fuente, como GitHub. Cuando se despliega en la nube, se utilizan las Application Settings. Las Application Settings son pares clave/valor alojados en la nube y se leen desde las variables de entorno, ya sea en tu código o por el runtime al conectar tu código con IoT Hub.
+
+1. Ejecuta el siguiente comando para establecer la configuración `IOT_HUB_CONNECTION_STRING` en las Application Settings de la Function App:
+
+    ```sh
+    az functionapp config appsettings set --resource-group soil-moisture-sensor \
+                                          --name <functions_app_name> \
+                                          --settings "IOT_HUB_CONNECTION_STRING=<connection string>"
+    ```
+
+    Sustituye `<functions_app_name>` por el nombre que usaste para tu Function App.
+
+    Sustituye `<connection string>` por el valor de `IOT_HUB_CONNECTION_STRING` de tu archivo `local.settings.json`.
+
+1. Repite el paso anterior, pero establece el valor de `REGISTRY_MANAGER_CONNECTION_STRING` con el valor correspondiente de tu archivo `local.settings.json`.
+
+Cuando ejecutes estos comandos, también se mostrará una lista de todas las Application Settings para la Function App. Puedes usar esto para verificar que tus valores estén configurados correctamente.
+
+> 💁 Verás un valor ya configurado para `AzureWebJobsStorage`. En tu archivo `local.settings.json`, este se configuró con un valor para usar el emulador de almacenamiento local. Cuando creaste la Function App, pasaste la cuenta de almacenamiento como un parámetro, y esto se configura automáticamente en esta configuración.
+
+### Tarea - despliega tu Function App en la nube
+
+Ahora que la Function App está lista, tu código puede ser desplegado.
+
+1. Ejecuta el siguiente comando desde el terminal de VS Code para publicar tu Function App:
+
+    ```sh
+    func azure functionapp publish <functions_app_name>
+    ```
+
+    Sustituye `<functions_app_name>` por el nombre que usaste para tu Function App.
+
+El código será empaquetado y enviado a la Function App, donde será desplegado y comenzará a ejecutarse. Habrá mucha salida en la consola, terminando con la confirmación del despliegue y una lista de las funciones desplegadas. En este caso, la lista solo contendrá el trigger.
+
+```output
+Deployment successful.
+Remote build succeeded!
+Syncing triggers...
+Functions in soil-moisture-sensor:
+    iot-hub-trigger - [eventHubTrigger]
+```
+
+Asegúrate de que tu dispositivo IoT esté funcionando. Cambia los niveles de humedad ajustando la humedad del suelo o moviendo el sensor dentro y fuera del suelo. Verás el relé encenderse y apagarse a medida que cambian los niveles de humedad del suelo.
+
+---
+
+## 🚀 Desafío
+
+En la lección anterior, gestionaste el tiempo del relé cancelando la suscripción a los mensajes MQTT mientras el relé estaba encendido y durante un breve período después de que se apagaba. No puedes usar este método aquí: no puedes cancelar la suscripción a tu trigger de IoT Hub.
+
+Piensa en diferentes formas en las que podrías manejar esto en tu Function App.
+
+## Cuestionario post-lección
+
+[Cuestionario post-lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/18)
+
+## Revisión y autoestudio
+
+* Lee sobre computación sin servidor en la [página de computación sin servidor en Wikipedia](https://wikipedia.org/wiki/Serverless_computing)
+* Lee sobre el uso de serverless en Azure, incluyendo algunos ejemplos adicionales en el [blog de Azure sobre necesidades IoT sin servidor](https://azure.microsoft.com/blog/go-serverless-for-your-iot-needs/?WT.mc_id=academic-17441-jabenn)
+* Aprende más sobre Azure Functions en el [canal de YouTube de Azure Functions](https://www.youtube.com/c/AzureFunctions)
+
+## Tarea
+
+[Agregar control manual del relé](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md b/translations/es/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
new file mode 100644
index 00000000..508e045e
--- /dev/null
+++ b/translations/es/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
@@ -0,0 +1,70 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c24b6e4d90501c9199f2ceb6a648a337",
+  "translation_date": "2025-08-26T14:40:51+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md",
+  "language_code": "es"
+}
+-->
+# Agregar control manual del relé
+
+## Instrucciones
+
+El código sin servidor puede ser activado por muchas cosas diferentes, incluidas las solicitudes HTTP. Puedes usar disparadores HTTP para agregar un control manual a tu relé, permitiendo que alguien encienda o apague el relé desde una solicitud web.
+
+Para esta tarea, necesitas agregar dos disparadores HTTP a tu Functions App para encender y apagar el relé, reutilizando lo que has aprendido en esta lección para enviar comandos al dispositivo.
+
+Algunas pistas:
+
+* Puedes agregar un disparador HTTP a tu Functions App existente con el siguiente comando:
+
+    ```sh
+    func new --name <trigger name> --template "HTTP trigger"
+    ```
+
+    Reemplaza `<trigger name>` con el nombre de tu disparador HTTP. Usa algo como `relay_on` y `relay_off`.
+
+* Los disparadores HTTP pueden tener control de acceso. Por defecto, requieren que se pase una clave API específica de la función con la URL para ejecutarse. Para esta tarea, puedes eliminar esta restricción para que cualquiera pueda ejecutar la función. Para hacerlo, actualiza la configuración `authLevel` en el archivo `function.json` de los disparadores HTTP a lo siguiente:
+
+    ```json
+    "authLevel": "anonymous"
+    ```
+
+    > 💁 Puedes leer más sobre este control de acceso en la [documentación de claves de acceso de funciones](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn#authorization-keys).
+
+* Los disparadores HTTP, por defecto, soportan solicitudes GET y POST. Esto significa que puedes llamarlos usando tu navegador web, ya que los navegadores web realizan solicitudes GET.
+
+    Cuando ejecutes tu Functions App localmente, verás la URL del disparador:
+
+    ```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
+    ```
+
+    Pega la URL en tu navegador y presiona `return`, o `Ctrl+click` (`Cmd+click` en macOS) en el enlace en la ventana del terminal en VS Code para abrirlo en tu navegador predeterminado. Esto ejecutará el disparador.
+
+    > 💁 Nota que la URL tiene `/api` en ella: los disparadores HTTP están, por defecto, en el subdominio `api`.
+
+* Cuando despliegues la Functions App, la URL del disparador HTTP será:
+
+    `https://<functions app name>.azurewebsites.net/api/<trigger name>`
+
+    Donde `<functions app name>` es el nombre de tu Functions App, y `<trigger name>` es el nombre de tu disparador.
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejorar |
+| --------- | -------- | -------- | ---------------- |
+| Crear disparadores HTTP | Creó 2 disparadores para encender y apagar el relé, con nombres apropiados | Creó un disparador con un nombre apropiado | No pudo crear ningún disparador |
+| Controlar el relé desde los disparadores HTTP | Pudo conectar ambos disparadores al IoT Hub y controlar el relé adecuadamente | Pudo conectar un disparador al IoT Hub y controlar el relé adecuadamente | No pudo conectar los disparadores al IoT Hub |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de ningún malentendido o interpretación errónea que surja del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/es/2-farm/lessons/6-keep-your-plant-secure/README.md
new file mode 100644
index 00000000..cff25788
--- /dev/null
+++ b/translations/es/2-farm/lessons/6-keep-your-plant-secure/README.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "81c437c568eee1b0dda1f04e88150d37",
+  "translation_date": "2025-08-26T14:53:39+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/README.md",
+  "language_code": "es"
+}
+-->
+# Mantén tu planta segura
+
+![Un resumen visual de esta lección](../../../../../translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.es.jpg)
+
+> Dibujo por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para verla en mayor tamaño.
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/19)
+
+## Introducción
+
+En las últimas lecciones has creado un dispositivo IoT para monitorear el suelo y lo has conectado a la nube. Pero, ¿qué pasaría si hackers que trabajan para un agricultor rival lograran tomar el control de tus dispositivos IoT? ¿Y si enviaran lecturas falsas de alta humedad del suelo para que tus plantas nunca se rieguen, o activaran tu sistema de riego constantemente, matando tus plantas por exceso de agua y generándote un gran gasto en agua?
+
+En esta lección aprenderás sobre cómo proteger los dispositivos IoT. Como esta es la última lección de este proyecto, también aprenderás a limpiar tus recursos en la nube, reduciendo posibles costos.
+
+En esta lección cubriremos:
+
+* [¿Por qué necesitas proteger los dispositivos IoT?](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [Criptografía](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [Protege tus dispositivos IoT](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [Genera y utiliza un certificado X.509](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+
+> 🗑 Esta es la última lección de este proyecto, así que después de completar esta lección y la tarea, no olvides limpiar tus servicios en la nube. Necesitarás los servicios para completar la tarea, así que asegúrate de terminarla primero.
+>
+> Consulta [la guía para limpiar tu proyecto](../../../clean-up.md) si necesitas instrucciones sobre cómo hacerlo.
+
+## ¿Por qué necesitas proteger los dispositivos IoT?
+
+La seguridad en IoT implica garantizar que solo los dispositivos esperados puedan conectarse a tu servicio IoT en la nube y enviarle telemetría, y que solo tu servicio en la nube pueda enviar comandos a tus dispositivos. Los datos de IoT también pueden ser personales, incluyendo datos médicos o íntimos, por lo que toda tu aplicación debe considerar la seguridad para evitar que estos datos se filtren.
+
+Si tu aplicación IoT no es segura, existen varios riesgos:
+
+* Un dispositivo falso podría enviar datos incorrectos, haciendo que tu aplicación responda de manera incorrecta. Por ejemplo, podrían enviar lecturas constantes de alta humedad del suelo, lo que significaría que tu sistema de riego nunca se active y tus plantas mueran por falta de agua.
+* Usuarios no autorizados podrían leer datos de los dispositivos IoT, incluyendo datos personales o críticos para el negocio.
+* Hackers podrían enviar comandos para controlar un dispositivo de una manera que podría causar daños al dispositivo o al hardware conectado.
+* Al conectarse a un dispositivo IoT, los hackers podrían usarlo para acceder a redes adicionales y obtener acceso a sistemas privados.
+* Usuarios malintencionados podrían acceder a datos personales y utilizarlos para chantaje.
+
+Estos son escenarios del mundo real y ocurren todo el tiempo. Algunos ejemplos se mencionaron en lecciones anteriores, pero aquí hay algunos más:
+
+* En 2018, hackers usaron un punto de acceso WiFi abierto en un termostato de pecera para acceder a la red de un casino y robar datos. [The Hacker News - Casino Gets Hacked Through Its Internet-Connected Fish Tank Thermometer](https://thehackernews.com/2018/04/iot-hacking-thermometer.html)
+* En 2016, el botnet Mirai lanzó un ataque de denegación de servicio contra Dyn, un proveedor de servicios de Internet, dejando fuera de servicio grandes partes de Internet. Este botnet utilizó malware para conectarse a dispositivos IoT como grabadoras de video y cámaras que usaban nombres de usuario y contraseñas predeterminados, y desde allí lanzó el ataque. [The Guardian - DDoS attack that disrupted internet was largest of its kind in history, experts say](https://www.theguardian.com/technology/2016/oct/26/ddos-attack-dyn-mirai-botnet)
+* Spiral Toys tenía una base de datos de usuarios de sus juguetes conectados CloudPets disponible públicamente en Internet. [Troy Hunt - Data from connected CloudPets teddy bears leaked and ransomed, exposing kids' voice messages](https://www.troyhunt.com/data-from-connected-cloudpets-teddy-bears-leaked-and-ransomed-exposing-kids-voice-messages/).
+* Strava etiquetaba a corredores que pasaban cerca y mostraba sus rutas, permitiendo a extraños ver dónde vivían. [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/).
+
+✅ Investiga: Busca más ejemplos de hacks y brechas de datos en IoT, especialmente con objetos personales como cepillos de dientes o básculas conectadas a Internet. Reflexiona sobre el impacto que estos hacks podrían tener en las víctimas o clientes.
+
+> 💁 La seguridad es un tema enorme, y esta lección solo tocará algunos de los conceptos básicos sobre la conexión de tu dispositivo a la nube. Otros temas que no se cubrirán incluyen el monitoreo de cambios en los datos durante la transmisión, el hackeo directo de dispositivos o los cambios en las configuraciones de los dispositivos. El hackeo de IoT es una amenaza tan grande que se han desarrollado herramientas como [Azure Defender for IoT](https://azure.microsoft.com/services/azure-defender-for-iot/?WT.mc_id=academic-17441-jabenn). Estas herramientas son similares a los antivirus y herramientas de seguridad que podrías tener en tu computadora, pero diseñadas para dispositivos IoT pequeños y de bajo consumo.
+
+## Criptografía
+
+Cuando un dispositivo se conecta a un servicio IoT, utiliza un ID para identificarse. El problema es que este ID puede ser clonado: un hacker podría configurar un dispositivo malicioso que use el mismo ID que un dispositivo real pero que envíe datos falsos.
+
+![Tanto dispositivos válidos como maliciosos podrían usar el mismo ID para enviar telemetría](../../../../../translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.es.png)
+
+La solución a esto es convertir los datos enviados en un formato codificado, utilizando un valor conocido solo por el dispositivo y la nube para codificar los datos. Este proceso se llama *encriptación*, y el valor utilizado para encriptar los datos se llama *clave de encriptación*.
+
+![Si se usa encriptación, solo se aceptarán mensajes encriptados; los demás serán rechazados](../../../../../translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.es.png)
+
+El servicio en la nube puede luego convertir los datos a un formato legible, utilizando un proceso llamado *desencriptación*, ya sea con la misma clave de encriptación o con una *clave de desencriptación*. Si el mensaje encriptado no puede ser desencriptado con la clave, el dispositivo ha sido hackeado y el mensaje es rechazado.
+
+La técnica para realizar la encriptación y desencriptación se llama *criptografía*.
+
+### Criptografía temprana
+
+Los primeros tipos de criptografía fueron los cifrados por sustitución, que datan de hace 3,500 años. Estos cifrados implican sustituir una letra por otra. Por ejemplo, el [cifrado César](https://wikipedia.org/wiki/Caesar_cipher) implica desplazar el alfabeto por una cantidad definida, conocida solo por el remitente y el destinatario del mensaje encriptado.
+
+El [cifrado Vigenère](https://wikipedia.org/wiki/Vigenère_cipher) llevó esto más allá al usar palabras para encriptar texto, de modo que cada letra en el texto original se desplazaba por una cantidad diferente, en lugar de siempre desplazarse por el mismo número de letras.
+
+La criptografía se utilizó para una amplia gama de propósitos, como proteger recetas de esmaltes de cerámica en la antigua Mesopotamia, escribir notas de amor secretas en India o mantener en secreto hechizos mágicos en el antiguo Egipto.
+
+### Criptografía moderna
+
+La criptografía moderna es mucho más avanzada, lo que la hace más difícil de descifrar que los métodos antiguos. Utiliza matemáticas complejas para encriptar datos con demasiadas claves posibles como para que un ataque de fuerza bruta sea viable.
+
+La criptografía se utiliza de muchas maneras para comunicaciones seguras. Si estás leyendo esta página en GitHub, notarás que la dirección del sitio web comienza con *HTTPS*, lo que significa que la comunicación entre tu navegador y los servidores web de GitHub está encriptada. Si alguien pudiera leer el tráfico de Internet entre tu navegador y GitHub, no podría entender los datos porque están encriptados. Incluso tu computadora podría encriptar todos los datos en tu disco duro para que, si alguien lo roba, no pueda leer tus datos sin tu contraseña.
+
+> 🎓 HTTPS significa Protocolo de Transferencia de Hipertexto **Seguro**
+
+Desafortunadamente, no todo es seguro. Algunos dispositivos no tienen seguridad, otros están protegidos con claves fáciles de descifrar, o incluso todos los dispositivos del mismo tipo usan la misma clave. Ha habido casos de dispositivos IoT muy personales que tienen la misma contraseña para conectarse a ellos a través de WiFi o Bluetooth. Si puedes conectarte a tu propio dispositivo, podrías conectarte al de otra persona. Una vez conectado, podrías acceder a datos muy privados o controlar su dispositivo.
+
+> 💁 A pesar de las complejidades de la criptografía moderna y las afirmaciones de que romper la encriptación puede tomar miles de millones de años, el auge de la computación cuántica ha llevado a la posibilidad de romper toda la encriptación conocida en un tiempo muy corto.
+
+### Claves simétricas y asimétricas
+
+La encriptación puede ser de dos tipos: simétrica y asimétrica.
+
+La encriptación **simétrica** utiliza la misma clave para encriptar y desencriptar los datos. Tanto el remitente como el receptor necesitan conocer la misma clave. Este es el tipo menos seguro, ya que la clave debe compartirse de alguna manera. Para que un remitente envíe un mensaje encriptado a un receptor, el remitente primero podría tener que enviarle la clave al receptor.
+
+![La encriptación simétrica utiliza la misma clave para encriptar y desencriptar un mensaje](../../../../../translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.es.png)
+
+Si la clave es robada durante la transmisión, o si el remitente o receptor son hackeados y la clave es encontrada, la encriptación puede ser descifrada.
+
+![La encriptación simétrica solo es segura si un hacker no obtiene la clave; si lo hace, puede interceptar y desencriptar el mensaje](../../../../../translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.es.png)
+
+La encriptación **asimétrica** utiliza 2 claves: una clave de encriptación y una clave de desencriptación, conocidas como un par de claves pública/privada. La clave pública se utiliza para encriptar el mensaje, pero no puede usarse para desencriptarlo; la clave privada se utiliza para desencriptar el mensaje, pero no puede usarse para encriptarlo.
+
+![La encriptación asimétrica utiliza una clave diferente para encriptar y desencriptar. La clave de encriptación se envía a los remitentes para que puedan encriptar un mensaje antes de enviarlo al receptor que posee las claves](../../../../../translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.es.png)
+
+El receptor comparte su clave pública, y el remitente la utiliza para encriptar el mensaje. Una vez enviado el mensaje, el receptor lo desencripta con su clave privada. La encriptación asimétrica es más segura porque la clave privada se mantiene privada por el receptor y nunca se comparte. Cualquiera puede tener la clave pública, ya que solo puede usarse para encriptar mensajes.
+
+La encriptación simétrica es más rápida que la asimétrica, pero la asimétrica es más segura. Algunos sistemas utilizan ambas: usan encriptación asimétrica para encriptar y compartir la clave simétrica, y luego usan la clave simétrica para encriptar todos los datos. Esto hace que sea más seguro compartir la clave simétrica entre el remitente y el receptor, y más rápido al encriptar y desencriptar datos.
+
+## Protege tus dispositivos IoT
+
+Los dispositivos IoT pueden protegerse utilizando encriptación simétrica o asimétrica. La simétrica es más sencilla, pero menos segura.
+
+### Claves simétricas
+
+Cuando configuraste tu dispositivo IoT para interactuar con IoT Hub, utilizaste una cadena de conexión. Un ejemplo de cadena de conexión es:
+
+```output
+HostName=soil-moisture-sensor.azure-devices.net;DeviceId=soil-moisture-sensor;SharedAccessKey=Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=
+```
+
+Esta cadena de conexión está compuesta por tres partes separadas por punto y coma, con cada parte siendo una clave y un valor:
+
+| Clave | Valor | Descripción |
+| --- | ----- | ----------- |
+| HostName | `soil-moisture-sensor.azure-devices.net` | La URL del IoT Hub |
+| DeviceId | `soil-moisture-sensor` | El ID único del dispositivo |
+| SharedAccessKey | `Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=` | Una clave simétrica conocida por el dispositivo y el IoT Hub |
+
+La última parte de esta cadena de conexión, el `SharedAccessKey`, es la clave simétrica conocida tanto por el dispositivo como por el IoT Hub. Esta clave nunca se envía desde el dispositivo a la nube, ni de la nube al dispositivo. En su lugar, se utiliza para encriptar los datos que se envían o reciben.
+
+✅ Haz un experimento. ¿Qué crees que pasará si cambias la parte `SharedAccessKey` de la cadena de conexión al conectar tu dispositivo IoT? Pruébalo.
+
+Cuando el dispositivo intenta conectarse por primera vez, envía un token de firma de acceso compartido (SAS) que consiste en la URL del IoT Hub, una marca de tiempo que indica cuándo expirará la firma de acceso (generalmente 1 día desde el momento actual) y una firma. Esta firma consiste en la URL y el tiempo de expiración encriptados con la clave de acceso compartido de la cadena de conexión.
+
+El IoT Hub desencripta esta firma con la clave de acceso compartido, y si el valor desencriptado coincide con la URL y la expiración, se permite que el dispositivo se conecte. También verifica que la hora actual sea anterior a la expiración, para evitar que un dispositivo malicioso capture el token SAS de un dispositivo real y lo use.
+
+Esta es una forma elegante de verificar que el remitente es el dispositivo correcto. Al enviar algunos datos conocidos tanto en forma desencriptada como encriptada, el servidor puede verificar el dispositivo asegurándose de que, al desencriptar los datos encriptados, el resultado coincida con la versión desencriptada enviada. Si coincide, entonces tanto el remitente como el receptor tienen la misma clave de encriptación simétrica.
+💁 Debido al tiempo de expiración, tu dispositivo IoT necesita conocer la hora exacta, que generalmente se obtiene de un servidor [NTP](https://wikipedia.org/wiki/Network_Time_Protocol). Si la hora no es precisa, la conexión fallará.
+Después de la conexión, todos los datos enviados al IoT Hub desde el dispositivo, o al dispositivo desde el IoT Hub, estarán cifrados con la clave de acceso compartida.
+
+✅ ¿Qué crees que pasará si varios dispositivos comparten la misma cadena de conexión?
+
+> 💁 No es una buena práctica de seguridad almacenar esta clave en el código. Si un hacker obtiene tu código fuente, puede acceder a tu clave. Además, es más complicado al liberar el código, ya que necesitarías recompilar con una clave actualizada para cada dispositivo. Es mejor cargar esta clave desde un módulo de seguridad de hardware, un chip en el dispositivo IoT que almacena valores cifrados que tu código puede leer.
+>
+> Cuando estás aprendiendo sobre IoT, a menudo es más fácil poner la clave en el código, como hiciste en una lección anterior, pero debes asegurarte de que esta clave no se incluya en un control de código fuente público.
+
+Los dispositivos tienen 2 claves y 2 cadenas de conexión correspondientes. Esto permite rotar las claves, es decir, cambiar de una clave a otra si la primera se ve comprometida, y regenerar la primera clave.
+
+### Certificados X.509
+
+Cuando utilizas cifrado asimétrico con un par de claves pública/privada, necesitas proporcionar tu clave pública a cualquiera que quiera enviarte datos. El problema es, ¿cómo puede el receptor de tu clave estar seguro de que realmente es tu clave pública y no alguien más haciéndose pasar por ti? En lugar de proporcionar una clave, puedes proporcionar tu clave pública dentro de un certificado que ha sido verificado por una tercera parte confiable, llamado certificado X.509.
+
+Los certificados X.509 son documentos digitales que contienen la parte pública del par de claves pública/privada. Generalmente son emitidos por una de varias organizaciones confiables llamadas [Autoridades de Certificación](https://wikipedia.org/wiki/Certificate_authority) (CAs) y están firmados digitalmente por la CA para indicar que la clave es válida y proviene de ti. Confías en el certificado y en que la clave pública es de quien el certificado dice que es, porque confías en la CA, de manera similar a cómo confiarías en un pasaporte o licencia de conducir porque confías en el país que lo emite. Los certificados tienen un costo, pero también puedes "autofirmarlos", es decir, crear un certificado tú mismo que esté firmado por ti, para fines de prueba.
+
+> 💁 Nunca deberías usar un certificado autofirmado para una versión de producción.
+
+Estos certificados tienen varios campos, incluyendo quién es el propietario de la clave pública, los detalles de la CA que lo emitió, cuánto tiempo es válido y la propia clave pública. Antes de usar un certificado, es una buena práctica verificarlo comprobando que fue firmado por la CA original.
+
+✅ Puedes leer una lista completa de los campos en el certificado en el [tutorial de Microsoft sobre certificados de clave pública X.509](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-certificates?WT.mc_id=academic-17441-jabenn#certificate-fields).
+
+Cuando usas certificados X.509, tanto el remitente como el receptor tendrán sus propias claves públicas y privadas, así como certificados X.509 que contienen la clave pública. Luego intercambian los certificados X.509 de alguna manera, utilizando las claves públicas del otro para cifrar los datos que envían y sus propias claves privadas para descifrar los datos que reciben.
+
+![En lugar de compartir una clave pública, puedes compartir un certificado. El usuario del certificado puede verificar que proviene de ti comprobando con la autoridad de certificación que lo firmó.](../../../../../translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.es.png)
+
+Una gran ventaja de usar certificados X.509 es que pueden compartirse entre dispositivos. Puedes crear un certificado, subirlo al IoT Hub y usarlo para todos tus dispositivos. Cada dispositivo solo necesita conocer la clave privada para descifrar los mensajes que recibe del IoT Hub.
+
+El certificado usado por tu dispositivo para cifrar los mensajes que envía al IoT Hub es publicado por Microsoft. Es el mismo certificado que usan muchos servicios de Azure y, a veces, está integrado en los SDKs.
+
+> 💁 Recuerda, una clave pública es solo eso: pública. La clave pública de Azure solo puede usarse para cifrar datos enviados a Azure, no para descifrarlos, por lo que puede compartirse en cualquier lugar, incluso en el código fuente. Por ejemplo, puedes verla en el [código fuente del SDK de Azure IoT para C](https://github.com/Azure/azure-iot-sdk-c/blob/master/certs/certs.c).
+
+✅ Hay mucho vocabulario técnico relacionado con los certificados X.509. Puedes leer las definiciones de algunos de los términos que podrías encontrar en [La guía para principiantes sobre la jerga de los certificados X.509](https://techcommunity.microsoft.com/t5/internet-of-things/the-layman-s-guide-to-x-509-certificate-jargon/ba-p/2203540?WT.mc_id=academic-17441-jabenn).
+
+## Generar y usar un certificado X.509
+
+Los pasos para generar un certificado X.509 son:
+
+1. Crear un par de claves pública/privada. Uno de los algoritmos más utilizados para generar un par de claves pública/privada se llama [Rivest–Shamir–Adleman](https://wikipedia.org/wiki/RSA_(cryptosystem)) (RSA).
+
+1. Enviar la clave pública con los datos asociados para su firma, ya sea por una CA o mediante autofirma.
+
+La CLI de Azure tiene comandos para crear una nueva identidad de dispositivo en IoT Hub, generar automáticamente el par de claves pública/privada y crear un certificado autofirmado.
+
+> 💁 Si quieres ver los pasos en detalle, en lugar de usar la CLI de Azure, puedes encontrarlos en el [tutorial sobre cómo usar OpenSSL para crear certificados autofirmados en la documentación de Microsoft IoT Hub](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-self-sign?WT.mc_id=academic-17441-jabenn).
+
+### Tarea - crear una identidad de dispositivo usando un certificado X.509
+
+1. Ejecuta el siguiente comando para registrar la nueva identidad de dispositivo, generando automáticamente las claves y certificados:
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor-x509 \
+                                      --am x509_thumbprint \
+                                      --output-dir . \
+                                      --hub-name <hub_name>
+    ```
+
+    Sustituye `<hub_name>` por el nombre que usaste para tu IoT Hub.
+
+    Esto creará un dispositivo con un ID de `soil-moisture-sensor-x509` para distinguirlo de la identidad de dispositivo que creaste en la lección anterior. Este comando también creará 2 archivos en el directorio actual:
+
+    * `soil-moisture-sensor-x509-key.pem` - este archivo contiene la clave privada del dispositivo.
+    * `soil-moisture-sensor-x509-cert.pem` - este es el archivo de certificado X.509 del dispositivo.
+
+    ¡Guarda estos archivos de forma segura! El archivo de clave privada no debe incluirse en un control de código fuente público.
+
+### Tarea - usar el certificado X.509 en el código de tu dispositivo
+
+Sigue la guía correspondiente para conectar tu dispositivo IoT a la nube usando el certificado X.509:
+
+* [Arduino - Wio Terminal](wio-terminal-x509.md)
+* [Computadora de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-x509.md)
+
+---
+
+## 🚀 Desafío
+
+Existen múltiples formas de crear, gestionar y eliminar servicios de Azure como Grupos de Recursos e IoT Hubs. Una de ellas es el [Portal de Azure](https://portal.azure.com?WT.mc_id=academic-17441-jabenn), una interfaz web que te proporciona una GUI para gestionar tus servicios de Azure.
+
+Dirígete a [portal.azure.com](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) e investiga el portal. Intenta crear un IoT Hub usando el portal y luego elimínalo.
+
+**Pista** - al crear servicios a través del portal, no necesitas crear un Grupo de Recursos por adelantado; puedes crear uno al mismo tiempo que el servicio. ¡Asegúrate de eliminarlo cuando termines!
+
+Puedes encontrar mucha documentación, tutoriales y guías sobre el Portal de Azure en la [documentación del portal de Azure](https://docs.microsoft.com/azure/azure-portal/?WT.mc_id=academic-17441-jabenn).
+
+## Cuestionario posterior a la lección
+
+[Cuestionario posterior a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/20)
+
+## Revisión y autoestudio
+
+* Lee sobre la historia de la criptografía en la [página de Historia de la criptografía en Wikipedia](https://wikipedia.org/wiki/History_of_cryptography).
+* Lee sobre los certificados X.509 en la [página de X.509 en Wikipedia](https://wikipedia.org/wiki/X.509).
+
+## Asignación
+
+[Construye un nuevo dispositivo IoT](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/6-keep-your-plant-secure/assignment.md b/translations/es/2-farm/lessons/6-keep-your-plant-secure/assignment.md
new file mode 100644
index 00000000..2eb403f0
--- /dev/null
+++ b/translations/es/2-farm/lessons/6-keep-your-plant-secure/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "34010c663d96d5f419eda6ac2366a78d",
+  "translation_date": "2025-08-26T14:54:54+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/assignment.md",
+  "language_code": "es"
+}
+-->
+# Construir un nuevo dispositivo IoT
+
+## Instrucciones
+
+En las últimas 6 lecciones, has aprendido sobre agricultura digital y cómo usar dispositivos IoT para recopilar datos, predecir el crecimiento de las plantas y automatizar el riego basado en lecturas de humedad del suelo.
+
+Usa lo que has aprendido para construir un nuevo dispositivo IoT utilizando un sensor y un actuador de tu elección. Envía telemetría a un IoT Hub y utiliza esa información para controlar un actuador mediante código sin servidor. Puedes usar un sensor y un actuador que ya hayas utilizado en este proyecto o en el anterior, o si tienes otro hardware, prueba algo nuevo.
+
+## Rúbrica
+
+| Criterio | Sobresaliente | Adecuado | Necesita Mejorar |
+| -------- | ------------- | -------- | ---------------- |
+| Programar un dispositivo IoT para usar un sensor y un actuador | Programó un dispositivo IoT que funciona con un sensor y un actuador | Programó un dispositivo IoT que funciona con un sensor o un actuador | No pudo programar un dispositivo IoT para usar un sensor o un actuador |
+| Conectar el dispositivo IoT al IoT Hub | Fue capaz de implementar un IoT Hub, enviar telemetría y recibir comandos desde él | Fue capaz de implementar un IoT Hub y enviar telemetría o recibir comandos | No pudo implementar un IoT Hub ni comunicarse con él desde un dispositivo IoT |
+| Controlar el actuador usando código sin servidor | Fue capaz de implementar una Azure Function para controlar el dispositivo activada por eventos de telemetría | Fue capaz de implementar una Azure Function activada por eventos de telemetría pero no pudo controlar el actuador | No pudo implementar una Azure Function |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md b/translations/es/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
new file mode 100644
index 00000000..3669dd23
--- /dev/null
+++ b/translations/es/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
@@ -0,0 +1,71 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9aea84bcc7520222b0e1c50469d62d6a",
+  "translation_date": "2025-08-26T14:55:19+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md",
+  "language_code": "es"
+}
+-->
+# Usa el certificado X.509 en el código de tu dispositivo - Hardware IoT Virtual y Raspberry Pi
+
+En esta parte de la lección, conectarás tu dispositivo IoT virtual o Raspberry Pi a tu IoT Hub utilizando el certificado X.509.
+
+## Conecta tu dispositivo al IoT Hub
+
+El siguiente paso es conectar tu dispositivo al IoT Hub utilizando los certificados X.509.
+
+### Tarea - conectar al IoT Hub
+
+1. Copia los archivos de clave y certificado a la carpeta que contiene el código de tu dispositivo IoT. Si estás utilizando una Raspberry Pi a través de VS Code Remote SSH y creaste las claves en tu PC o Mac, puedes arrastrar y soltar los archivos en el explorador de VS Code para copiarlos.
+
+1. Abre el archivo `app.py`.
+
+1. Para conectarte utilizando un certificado X.509, necesitarás el nombre del host del IoT Hub y el certificado X.509. Comienza creando una variable que contenga el nombre del host añadiendo el siguiente código antes de que se cree el cliente del dispositivo:
+
+    ```python
+    host_name = "<host_name>"
+    ```
+
+    Sustituye `<host_name>` por el nombre del host de tu IoT Hub. Puedes obtenerlo de la sección `HostName` en el `connection_string`. Será el nombre de tu IoT Hub, terminando con `.azure-devices.net`.
+
+1. Debajo de esto, declara una variable con el ID del dispositivo:
+
+    ```python
+    device_id = "soil-moisture-sensor-x509"
+    ```
+
+1. Necesitarás una instancia de la clase `X509` que contenga los archivos X.509. Añade `X509` a la lista de clases importadas del módulo `azure.iot.device`:
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse, X509
+    ```
+
+1. Crea una instancia de la clase `X509` utilizando tus archivos de certificado y clave añadiendo este código debajo de la declaración de `host_name`:
+
+    ```python
+    x509 = X509("./soil-moisture-sensor-x509-cert.pem", "./soil-moisture-sensor-x509-key.pem")
+    ```
+
+    Esto creará la clase `X509` utilizando los archivos `soil-moisture-sensor-x509-cert.pem` y `soil-moisture-sensor-x509-key.pem` creados anteriormente.
+
+1. Sustituye la línea de código que crea el `device_client` a partir de una cadena de conexión con lo siguiente:
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_x509_certificate(x509, host_name, device_id)
+    ```
+
+    Esto conectará utilizando el certificado X.509 en lugar de una cadena de conexión.
+
+1. Elimina la línea con la variable `connection_string`.
+
+1. Ejecuta tu código. Monitorea los mensajes enviados al IoT Hub y envía solicitudes de métodos directos como antes. Verás que el dispositivo se conecta y envía lecturas de humedad del suelo, además de recibir solicitudes de métodos directos.
+
+> 💁 Puedes encontrar este código en la carpeta [code/pi](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/pi) o [code/virtual-device](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/virtual-device).
+
+😀 ¡Tu programa del sensor de humedad del suelo está conectado a tu IoT Hub utilizando un certificado X.509!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md b/translations/es/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
new file mode 100644
index 00000000..b29496c4
--- /dev/null
+++ b/translations/es/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
@@ -0,0 +1,17 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8a74f789f3c1bf41a13c007190360c19",
+  "translation_date": "2025-08-26T14:55:36+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md",
+  "language_code": "es"
+}
+-->
+# Usar el certificado X.509 en el código de tu dispositivo - Wio Terminal
+
+En el momento de escribir esto, el SDK de Azure para Arduino no admite certificados X.509. Si deseas experimentar con certificados X.509, puedes consultar las [instrucciones para dispositivos IoT virtuales usando el SDK de Python](single-board-computer-x509.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/3-transport/README.md b/translations/es/3-transport/README.md
new file mode 100644
index 00000000..3d4d1234
--- /dev/null
+++ b/translations/es/3-transport/README.md
@@ -0,0 +1,38 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e978534a245b000725ed2a048f943213",
+  "translation_date": "2025-08-26T15:42:45+00:00",
+  "source_file": "3-transport/README.md",
+  "language_code": "es"
+}
+-->
+# Transporte de la granja a la fábrica - usando IoT para rastrear entregas de alimentos
+
+Muchos agricultores cultivan alimentos para vender - ya sea que sean agricultores comerciales que venden todo lo que producen, o agricultores de subsistencia que venden su excedente para comprar lo necesario. De alguna manera, los alimentos tienen que llegar desde la granja al consumidor, y esto generalmente depende del transporte en grandes cantidades desde las granjas, a centros o plantas de procesamiento, y luego a las tiendas. Por ejemplo, un agricultor de tomates cosechará tomates, los empacará en cajas, cargará las cajas en un camión y los entregará a una planta de procesamiento. Los tomates serán clasificados y, desde allí, entregados a los consumidores en forma de alimentos procesados, ventas minoristas o consumidos en restaurantes.
+
+El IoT puede ayudar en esta cadena de suministro al rastrear los alimentos en tránsito - asegurándose de que los conductores vayan donde deben, monitoreando la ubicación de los vehículos y recibiendo alertas cuando los vehículos lleguen para que los alimentos puedan ser descargados y estén listos para ser procesados lo antes posible.
+
+> 🎓 Una *cadena de suministro* es la secuencia de actividades para fabricar y entregar algo. Por ejemplo, en el cultivo de tomates incluye la provisión de semillas, suelo, fertilizantes y agua, el cultivo de los tomates, la entrega de los tomates a un centro central, el transporte a un centro local de un supermercado, el transporte al supermercado individual, la exhibición en la tienda, la venta al consumidor y el traslado a casa para ser consumidos. Cada paso es como los eslabones de una cadena.
+
+> 🎓 La parte de transporte de la cadena de suministro se conoce como *logística*.
+
+En estas 4 lecciones, aprenderás cómo aplicar el Internet de las Cosas para mejorar la cadena de suministro al monitorear los alimentos mientras se cargan en un camión (virtual), que será rastreado mientras se dirige a su destino. Aprenderás sobre el rastreo GPS, cómo almacenar y visualizar datos de GPS, y cómo recibir alertas cuando un camión llegue a su destino.
+
+> 💁 Estas lecciones utilizarán algunos recursos en la nube. Si no completas todas las lecciones de este proyecto, asegúrate de [Limpiar tu proyecto](../clean-up.md).
+
+## Temas
+
+1. [Rastreo de ubicación](lessons/1-location-tracking/README.md)
+1. [Almacenar datos de ubicación](lessons/2-store-location-data/README.md)
+1. [Visualizar datos de ubicación](lessons/3-visualize-location-data/README.md)
+1. [Geocercas](lessons/4-geofences/README.md)
+
+## Créditos
+
+Todas las lecciones fueron escritas con ♥️ por [Jen Looper](https://github.com/jlooper) y [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/3-transport/lessons/1-location-tracking/README.md b/translations/es/3-transport/lessons/1-location-tracking/README.md
new file mode 100644
index 00000000..bfe513f8
--- /dev/null
+++ b/translations/es/3-transport/lessons/1-location-tracking/README.md
@@ -0,0 +1,216 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52ed2bd997d08040f79a1a6ef2bac958",
+  "translation_date": "2025-08-26T15:48:12+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/README.md",
+  "language_code": "es"
+}
+-->
+# Seguimiento de ubicación
+
+![Una vista general ilustrada de esta lección](../../../../../translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.es.jpg)
+
+> Ilustración por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/21)
+
+## Introducción
+
+El proceso principal para llevar alimentos desde un agricultor hasta un consumidor implica cargar cajas de productos en camiones, barcos, aviones u otros vehículos de transporte comercial y entregar la comida en algún lugar, ya sea directamente a un cliente o a un centro o almacén para su procesamiento. Todo el proceso de principio a fin, desde la granja hasta el consumidor, forma parte de un proceso llamado *cadena de suministro*. El siguiente video de la Escuela de Negocios W. P. Carey de la Universidad Estatal de Arizona explica con más detalle el concepto de la cadena de suministro y cómo se gestiona.
+
+[![¿Qué es la gestión de la cadena de suministro? Un video de la Escuela de Negocios W. P. Carey de la Universidad Estatal de Arizona](https://img.youtube.com/vi/Mi1QBxVjZAw/0.jpg)](https://www.youtube.com/watch?v=Mi1QBxVjZAw)
+
+> 🎥 Haz clic en la imagen de arriba para ver el video
+
+Agregar dispositivos IoT puede mejorar drásticamente tu cadena de suministro, permitiéndote gestionar dónde están los artículos, planificar mejor el transporte y manejo de mercancías, y responder más rápido a los problemas.
+
+Cuando se gestiona una flota de vehículos como camiones, es útil saber dónde está cada vehículo en un momento dado. Los vehículos pueden equiparse con sensores GPS que envían su ubicación a sistemas IoT, permitiendo a los propietarios localizar su posición, ver la ruta que han tomado y saber cuándo llegarán a su destino. La mayoría de los vehículos operan fuera de la cobertura WiFi, por lo que utilizan redes celulares para enviar este tipo de datos. A veces, el sensor GPS está integrado en dispositivos IoT más complejos, como libros de registro electrónicos. Estos dispositivos rastrean cuánto tiempo ha estado un camión en tránsito para garantizar que los conductores cumplan con las leyes locales sobre horas de trabajo.
+
+En esta lección aprenderás cómo rastrear la ubicación de un vehículo utilizando un sensor del Sistema de Posicionamiento Global (GPS).
+
+En esta lección cubriremos:
+
+* [Vehículos conectados](../../../../../3-transport/lessons/1-location-tracking)
+* [Coordenadas geoespaciales](../../../../../3-transport/lessons/1-location-tracking)
+* [Sistemas de Posicionamiento Global (GPS)](../../../../../3-transport/lessons/1-location-tracking)
+* [Leer datos de sensores GPS](../../../../../3-transport/lessons/1-location-tracking)
+* [Datos GPS NMEA](../../../../../3-transport/lessons/1-location-tracking)
+* [Decodificar datos de sensores GPS](../../../../../3-transport/lessons/1-location-tracking)
+
+## Vehículos conectados
+
+El IoT está transformando la forma en que se transportan los bienes al crear flotas de *vehículos conectados*. Estos vehículos están conectados a sistemas informáticos centrales que informan sobre su ubicación y otros datos de sensores. Tener una flota de vehículos conectados tiene una amplia gama de beneficios:
+
+* Seguimiento de ubicación: puedes localizar dónde está un vehículo en cualquier momento, lo que te permite:
+
+  * Recibir alertas cuando un vehículo está a punto de llegar a un destino para preparar al equipo para la descarga.
+  * Localizar vehículos robados.
+  * Combinar datos de ubicación y ruta con problemas de tráfico para permitirte redirigir vehículos en medio del trayecto.
+  * Cumplir con impuestos. Algunos países cobran a los vehículos por la cantidad de kilómetros recorridos en carreteras públicas (como el [RUC de Nueva Zelanda](https://www.nzta.govt.nz/vehicles/licensing-rego/road-user-charges/)), por lo que saber cuándo un vehículo está en carreteras públicas frente a privadas facilita el cálculo de los impuestos adeudados.
+  * Saber dónde enviar equipos de mantenimiento en caso de avería.
+
+* Telemetría del conductor: poder garantizar que los conductores respeten los límites de velocidad, tomen curvas a velocidades adecuadas, frenen temprano y eficientemente, y conduzcan de manera segura. Los vehículos conectados también pueden tener cámaras para grabar incidentes. Esto puede estar vinculado al seguro, ofreciendo tarifas reducidas para buenos conductores.
+
+* Cumplimiento de horas de conducción: garantizar que los conductores solo conduzcan durante las horas legalmente permitidas según los momentos en que encienden y apagan el motor.
+
+Estos beneficios pueden combinarse, por ejemplo, combinando el cumplimiento de horas de conducción con el seguimiento de ubicación para redirigir a los conductores si no pueden llegar a su destino dentro de sus horas de conducción permitidas. También pueden combinarse con otra telemetría específica del vehículo, como datos de temperatura de camiones con control de temperatura, permitiendo redirigir vehículos si su ruta actual significaría que los bienes no pueden mantenerse a la temperatura adecuada.
+
+> 🎓 La logística es el proceso de transportar bienes de un lugar a otro, como de una granja a un supermercado a través de uno o más almacenes. Un agricultor empaca cajas de tomates que se cargan en un camión, se entregan en un almacén central y se colocan en un segundo camión que puede contener una mezcla de diferentes tipos de productos que luego se entregan en un supermercado.
+
+El componente principal del seguimiento de vehículos es el GPS: sensores que pueden localizar su posición en cualquier lugar de la Tierra. En esta lección aprenderás cómo usar un sensor GPS, comenzando por aprender cómo definir una ubicación en la Tierra.
+
+## Coordenadas geoespaciales
+
+Las coordenadas geoespaciales se utilizan para definir puntos en la superficie de la Tierra, similar a cómo las coordenadas pueden usarse para dibujar un píxel en una pantalla de computadora o posicionar puntos en un bordado. Para un solo punto, tienes un par de coordenadas. Por ejemplo, el campus de Microsoft en Redmond, Washington, EE. UU., está ubicado en 47.6423109, -122.1390293.
+
+### Latitud y longitud
+
+La Tierra es una esfera, un círculo tridimensional. Debido a esto, los puntos se definen dividiéndola en 360 grados, igual que la geometría de los círculos. La latitud mide el número de grados de norte a sur, y la longitud mide el número de grados de este a oeste.
+
+> 💁 Nadie sabe realmente la razón original por la cual los círculos se dividen en 360 grados. La [página de grados (ángulo) en Wikipedia](https://wikipedia.org/wiki/Degree_(angle)) cubre algunas de las posibles razones.
+
+![Líneas de latitud desde 90° en el Polo Norte, 45° a mitad de camino entre el Polo Norte y el ecuador, 0° en el ecuador, -45° a mitad de camino entre el ecuador y el Polo Sur, y -90° en el Polo Sur](../../../../../translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.es.png)
+
+La latitud se mide utilizando líneas que rodean la Tierra y corren paralelas al ecuador, dividiendo los hemisferios norte y sur en 90° cada uno. El ecuador está en 0°, el Polo Norte está en 90°, también conocido como 90° Norte, y el Polo Sur está en -90°, o 90° Sur.
+
+La longitud se mide como el número de grados hacia el este y el oeste. El origen de 0° de longitud se llama el *Meridiano de Greenwich*, y fue definido en 1884 como una línea desde el Polo Norte al Polo Sur que pasa por el [Observatorio Real Británico en Greenwich, Inglaterra](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich).
+
+![Líneas de longitud que van desde -180° al oeste del Meridiano de Greenwich, hasta 0° en el Meridiano de Greenwich, hasta 180° al este del Meridiano de Greenwich](../../../../../translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.es.png)
+
+> 🎓 Un meridiano es una línea imaginaria recta que va desde el Polo Norte al Polo Sur, formando un semicírculo.
+
+Para medir la longitud de un punto, se mide el número de grados alrededor del ecuador desde el Meridiano de Greenwich hasta un meridiano que pasa por ese punto. La longitud va desde -180°, o 180° Oeste, pasando por 0° en el Meridiano de Greenwich, hasta 180°, o 180° Este. 180° y -180° se refieren al mismo punto, el antimeridiano o meridiano 180. Este es un meridiano en el lado opuesto de la Tierra al Meridiano de Greenwich.
+
+> 💁 El antimeridiano no debe confundirse con la Línea Internacional de Cambio de Fecha, que está aproximadamente en la misma posición, pero no es una línea recta y varía para ajustarse a las fronteras geopolíticas.
+
+✅ Investiga: Intenta encontrar la latitud y longitud de tu ubicación actual.
+
+### Grados, minutos y segundos vs grados decimales
+
+Tradicionalmente, las mediciones de grados de latitud y longitud se hacían utilizando numeración sexagesimal, o base-60, un sistema de numeración utilizado por los antiguos babilonios que realizaron las primeras mediciones y registros de tiempo y distancia. Probablemente usas el sistema sexagesimal todos los días sin darte cuenta, dividiendo horas en 60 minutos y minutos en 60 segundos.
+
+La longitud y la latitud se miden en grados, minutos y segundos, con un minuto siendo 1/60 de un grado, y 1 segundo siendo 1/60 de un minuto.
+
+Por ejemplo, en el ecuador:
+
+* 1° de latitud es **111.3 kilómetros**
+* 1 minuto de latitud es 111.3/60 = **1.855 kilómetros**
+* 1 segundo de latitud es 1.855/60 = **0.031 kilómetros**
+
+El símbolo para un minuto es una comilla simple, para un segundo es una comilla doble. Por ejemplo, 2 grados, 17 minutos y 43 segundos se escribiría como 2°17'43". Las partes de segundos se dan como decimales, por ejemplo, medio segundo es 0°0'0.5".
+
+Las computadoras no trabajan en base-60, por lo que estas coordenadas se dan como grados decimales al usar datos GPS en la mayoría de los sistemas informáticos. Por ejemplo, 2°17'43" es 2.295277. El símbolo de grado generalmente se omite.
+
+Las coordenadas de un punto siempre se dan como `latitud, longitud`, por lo que el ejemplo anterior del campus de Microsoft en 47.6423109,-122.117198 tiene:
+
+* Una latitud de 47.6423109 (47.6423109 grados al norte del ecuador)
+* Una longitud de -122.1390293 (122.1390293 grados al oeste del Meridiano de Greenwich).
+
+![El campus de Microsoft en 47.6423109,-122.117198](../../../../../translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.es.png)
+
+## Sistemas de Posicionamiento Global (GPS)
+
+Los sistemas GPS utilizan múltiples satélites que orbitan la Tierra para localizar tu posición. Probablemente has usado sistemas GPS sin siquiera saberlo: para encontrar tu ubicación en una aplicación de mapas en tu teléfono como Apple Maps o Google Maps, para ver dónde está tu transporte en una aplicación de viajes como Uber o Lyft, o al usar navegación satelital (sat-nav) en tu automóvil.
+
+> 🎓 ¡Los satélites en la 'navegación satelital' son satélites GPS!
+
+Los sistemas GPS funcionan al tener varios satélites que envían una señal con la posición actual de cada satélite y una marca de tiempo precisa. Estas señales se envían a través de ondas de radio y son detectadas por una antena en el sensor GPS. Un sensor GPS detectará estas señales y, utilizando la hora actual, medirá cuánto tiempo tardó la señal en llegar al sensor desde el satélite. Debido a que la velocidad de las ondas de radio es constante, el sensor GPS puede usar la marca de tiempo enviada para calcular qué tan lejos está el sensor del satélite. Al combinar los datos de al menos 3 satélites con las posiciones enviadas, el sensor GPS puede determinar su ubicación en la Tierra.
+
+> 💁 Los sensores GPS necesitan antenas para detectar ondas de radio. Las antenas integradas en camiones y automóviles con GPS a bordo están posicionadas para obtener una buena señal, generalmente en el parabrisas o el techo. Si estás usando un sistema GPS separado, como un teléfono inteligente o un dispositivo IoT, entonces necesitas asegurarte de que la antena integrada en el sistema GPS o teléfono tenga una vista clara del cielo, como estar montada en tu parabrisas.
+
+![Al conocer la distancia del sensor a múltiples satélites, se puede calcular la ubicación](../../../../../translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.es.png)
+
+Los satélites GPS están orbitando la Tierra, no en un punto fijo sobre el sensor, por lo que los datos de ubicación incluyen la altitud sobre el nivel del mar además de la latitud y longitud.
+
+El GPS solía tener limitaciones de precisión impuestas por el ejército de EE. UU., limitando la precisión a aproximadamente 5 metros. Esta limitación se eliminó en el año 2000, permitiendo una precisión de 30 centímetros. Obtener esta precisión no siempre es posible debido a interferencias con las señales.
+
+✅ Si tienes un teléfono inteligente, abre la aplicación de mapas y observa qué tan precisa es tu ubicación. Puede tomar un breve período de tiempo para que tu teléfono detecte múltiples satélites y obtenga una ubicación más precisa.
+💁 Los satélites contienen relojes atómicos que son increíblemente precisos, pero se desvían 38 microsegundos (0.0000038 segundos) al día en comparación con los relojes atómicos en la Tierra, debido a que el tiempo se ralentiza a medida que la velocidad aumenta, tal como lo predicen las teorías de la relatividad especial y general de Einstein. Los satélites viajan más rápido que la rotación de la Tierra. Este desvío se ha utilizado para confirmar las predicciones de la relatividad especial y general, y debe ajustarse en el diseño de los sistemas GPS. Literalmente, el tiempo transcurre más lento en un satélite GPS.
+Los sistemas GPS han sido desarrollados y desplegados por varios países y uniones políticas, incluyendo EE. UU., Rusia, Japón, India, la UE y China. Los sensores GPS modernos pueden conectarse a la mayoría de estos sistemas para obtener ubicaciones más rápidas y precisas.
+
+> 🎓 Los grupos de satélites en cada despliegue se denominan constelaciones.
+
+## Leer datos del sensor GPS
+
+La mayoría de los sensores GPS envían datos GPS a través de UART.
+
+> ⚠️ UART se cubrió en [proyecto 2, lección 2](../../../2-farm/lessons/2-detect-soil-moisture/README.md#universal-asynchronous-receiver-transmitter-uart). Consulta esa lección si es necesario.
+
+Puedes usar un sensor GPS en tu dispositivo IoT para obtener datos GPS.
+
+### Tarea - conectar un sensor GPS y leer datos GPS
+
+Sigue la guía correspondiente para leer datos GPS usando tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-gps-sensor.md)
+* [Computadora de placa única - Raspberry Pi](pi-gps-sensor.md)
+* [Computadora de placa única - Dispositivo virtual](virtual-device-gps-sensor.md)
+
+## Datos GPS en formato NMEA
+
+Cuando ejecutaste tu código, probablemente viste lo que parecía ser un conjunto de caracteres sin sentido en la salida. En realidad, estos son datos GPS estándar, y todo tiene un significado.
+
+Los sensores GPS generan datos utilizando mensajes NMEA, siguiendo el estándar NMEA 0183. NMEA es un acrónimo de la [National Marine Electronics Association](https://www.nmea.org), una organización comercial con sede en EE. UU. que establece estándares para la comunicación entre dispositivos electrónicos marinos.
+
+> 💁 Este estándar es propietario y tiene un costo de al menos 2,000 USD, pero suficiente información sobre él está en el dominio público, lo que ha permitido que la mayor parte del estándar sea descifrada y utilizada en código abierto y otros proyectos no comerciales.
+
+Estos mensajes están basados en texto. Cada mensaje consiste en una *oración* que comienza con un carácter `$`, seguido de 2 caracteres que indican la fuente del mensaje (por ejemplo, GP para el sistema GPS de EE. UU., GN para GLONASS, el sistema GPS ruso) y 3 caracteres que indican el tipo de mensaje. El resto del mensaje son campos separados por comas, terminando con un carácter de nueva línea.
+
+Algunos de los tipos de mensajes que se pueden recibir son:
+
+| Tipo | Descripción |
+| ---- | ----------- |
+| GGA | Datos de fijación GPS, incluyendo la latitud, longitud y altitud del sensor GPS, junto con el número de satélites en vista para calcular esta fijación. |
+| ZDA | La fecha y hora actuales, incluyendo la zona horaria local. |
+| GSV | Detalles de los satélites en vista, definidos como los satélites de los que el sensor GPS puede detectar señales. |
+
+> 💁 Los datos GPS incluyen marcas de tiempo, por lo que tu dispositivo IoT puede obtener la hora si es necesario desde un sensor GPS, en lugar de depender de un servidor NTP o un reloj en tiempo real interno.
+
+El mensaje GGA incluye la ubicación actual usando el formato `(dd)dmm.mmmm`, junto con un carácter único para indicar la dirección. La `d` en el formato representa grados, la `m` representa minutos, y los segundos se expresan como decimales de minutos. Por ejemplo, 2°17'43" sería 217.716666667 - 2 grados, 17.716666667 minutos.
+
+El carácter de dirección puede ser `N` o `S` para latitud, indicando norte o sur, y `E` o `W` para longitud, indicando este u oeste. Por ejemplo, una latitud de 2°17'43" tendría un carácter de dirección `N`, mientras que -2°17'43" tendría un carácter de dirección `S`.
+
+Por ejemplo, la oración NMEA `$GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67`
+
+* La parte de la latitud es `4738.538654,N`, que se convierte en 47.6423109 en grados decimales. `4738.538654` es 47.6423109, y la dirección es `N` (norte), por lo que es una latitud positiva.
+
+* La parte de la longitud es `12208.341758,W`, que se convierte en -122.1390293 en grados decimales. `12208.341758` es 122.1390293°, y la dirección es `W` (oeste), por lo que es una longitud negativa.
+
+## Decodificar datos del sensor GPS
+
+En lugar de usar los datos NMEA en bruto, es mejor decodificarlos en un formato más útil. Existen múltiples bibliotecas de código abierto que puedes usar para extraer datos útiles de los mensajes NMEA en bruto.
+
+### Tarea - decodificar datos del sensor GPS
+
+Sigue la guía correspondiente para decodificar datos del sensor GPS usando tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-gps-decode.md)
+* [Computadora de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-gps-decode.md)
+
+---
+
+## 🚀 Desafío
+
+¡Escribe tu propio decodificador NMEA! En lugar de depender de bibliotecas de terceros para decodificar oraciones NMEA, ¿puedes escribir tu propio decodificador para extraer latitud y longitud de las oraciones NMEA?
+
+## Cuestionario posterior a la lección
+
+[Cuestionario posterior a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/22)
+
+## Revisión y autoestudio
+
+* Lee más sobre Coordenadas Geoespaciales en la [página del sistema de coordenadas geográficas en Wikipedia](https://wikipedia.org/wiki/Geographic_coordinate_system).
+* Investiga sobre los Meridianos de Origen en otros cuerpos celestes además de la Tierra en la [página del Meridiano de Origen en Wikipedia](https://wikipedia.org/wiki/Prime_meridian#Prime_meridian_on_other_planetary_bodies).
+* Investiga los diferentes sistemas GPS de varios gobiernos y uniones políticas como la UE, Japón, Rusia, India y EE. UU.
+
+## Asignación
+
+[Investiga otros datos GPS](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/3-transport/lessons/1-location-tracking/assignment.md b/translations/es/3-transport/lessons/1-location-tracking/assignment.md
new file mode 100644
index 00000000..a0df1d99
--- /dev/null
+++ b/translations/es/3-transport/lessons/1-location-tracking/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bded364fc06ce37d7a76aed3be1ba73a",
+  "translation_date": "2025-08-26T15:49:16+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/assignment.md",
+  "language_code": "es"
+}
+-->
+# Investigar otros datos de GPS
+
+## Instrucciones
+
+Las oraciones NMEA que provienen de tu sensor GPS contienen otros datos además de la ubicación. Investiga los datos adicionales y utilízalos en tu dispositivo IoT.
+
+Por ejemplo, ¿puedes obtener la fecha y hora actuales? Si estás usando un microcontrolador, ¿puedes configurar el reloj utilizando los datos del GPS de la misma manera que lo hiciste con las señales NTP en el proyecto anterior? ¿Puedes obtener la altitud (tu altura sobre el nivel del mar) o tu velocidad actual?
+
+Si estás utilizando un dispositivo IoT virtual, puedes obtener algunos de estos datos enviando oraciones NMEA generadas con herramientas como [nmeagen.org](https://www.nmeagen.org).
+
+## Rúbrica
+
+| Criterios | Sobresaliente | Adecuado | Necesita Mejorar |
+| --------- | ------------- | -------- | ----------------- |
+| Obtener más datos de GPS | Es capaz de obtener y utilizar más datos de GPS, ya sea como telemetría o para configurar el dispositivo IoT | Es capaz de obtener más datos de GPS, pero no puede utilizarlos | No es capaz de obtener más datos de GPS |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de ningún malentendido o interpretación errónea que surja del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/es/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
new file mode 100644
index 00000000..d938637d
--- /dev/null
+++ b/translations/es/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
@@ -0,0 +1,193 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3b2448c7ab4e9673e77e35a50c5e350d",
+  "translation_date": "2025-08-26T15:50:01+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/pi-gps-sensor.md",
+  "language_code": "es"
+}
+-->
+# Leer datos de GPS - Raspberry Pi
+
+En esta parte de la lección, agregarás un sensor GPS a tu Raspberry Pi y leerás valores de él.
+
+## Hardware
+
+La Raspberry Pi necesita un sensor GPS.
+
+El sensor que usarás es un [sensor Grove GPS Air530](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html). Este sensor puede conectarse a múltiples sistemas GPS para obtener una ubicación rápida y precisa. El sensor está compuesto por 2 partes: la electrónica principal del sensor y una antena externa conectada por un cable delgado para captar las ondas de radio de los satélites.
+
+Este es un sensor UART, por lo que envía datos GPS a través de UART.
+
+## Conectar el sensor GPS
+
+El sensor Grove GPS puede conectarse a la Raspberry Pi.
+
+### Tarea - conectar el sensor GPS
+
+Conecta el sensor GPS.
+
+![Un sensor Grove GPS](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.es.png)
+
+1. Inserta un extremo de un cable Grove en el conector del sensor GPS. Solo encajará de una manera.
+
+1. Con la Raspberry Pi apagada, conecta el otro extremo del cable Grove al conector UART marcado como **UART** en el Grove Base Hat conectado a la Pi. Este conector está en la fila del medio, en el lado más cercano a la ranura de la tarjeta SD, en el extremo opuesto a los puertos USB y el conector Ethernet.
+
+    ![El sensor Grove GPS conectado al conector UART](../../../../../translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.es.png)
+
+1. Coloca el sensor GPS de manera que la antena conectada tenga visibilidad al cielo, idealmente cerca de una ventana abierta o al aire libre. Es más fácil obtener una señal clara sin obstáculos para la antena.
+
+## Programar el sensor GPS
+
+La Raspberry Pi ahora puede ser programada para usar el sensor GPS conectado.
+
+### Tarea - programar el sensor GPS
+
+Programa el dispositivo.
+
+1. Enciende la Pi y espera a que arranque.
+
+1. El sensor GPS tiene 2 LEDs: un LED azul que parpadea cuando se transmiten datos y un LED verde que parpadea cada segundo cuando recibe datos de los satélites. Asegúrate de que el LED azul esté parpadeando cuando enciendas la Pi. Después de unos minutos, el LED verde comenzará a parpadear; si no lo hace, puede que necesites reposicionar la antena.
+
+1. Abre VS Code, ya sea directamente en la Pi o conectándote mediante la extensión Remote SSH.
+
+    > ⚠️ Puedes consultar [las instrucciones para configurar y abrir VS Code en la lección 1 si lo necesitas](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md).
+
+1. Con las versiones más recientes de la Raspberry Pi que admiten Bluetooth, existe un conflicto entre el puerto serial utilizado para Bluetooth y el utilizado por el puerto UART del Grove. Para solucionarlo, haz lo siguiente:
+
+    1. Desde el terminal de VS Code, edita el archivo `/boot/config.txt` usando `nano`, un editor de texto integrado en el terminal, con el siguiente comando:
+
+        ```sh
+        sudo nano /boot/config.txt
+        ```
+
+        > Este archivo no puede ser editado por VS Code ya que necesitas permisos elevados (`sudo`). VS Code no ejecuta esta función.
+
+    1. Usa las teclas de dirección para navegar al final del archivo, luego copia el código a continuación y pégalo al final del archivo:
+
+        ```ini
+        dtoverlay=pi3-miniuart-bt
+        dtoverlay=pi3-disable-bt
+        enable_uart=1
+        ```
+
+        Puedes pegar usando los atajos de teclado normales de tu dispositivo (`Ctrl+v` en Windows, Linux o Raspberry Pi OS, `Cmd+v` en macOS).
+
+    1. Guarda este archivo y sal de nano presionando `Ctrl+x`. Presiona `y` cuando se te pregunte si deseas guardar el buffer modificado, luego presiona `enter` para confirmar que deseas sobrescribir `/boot/config.txt`.
+
+        > Si cometes un error, puedes salir sin guardar y repetir estos pasos.
+
+    1. Edita el archivo `/boot/cmdline.txt` en nano con el siguiente comando:
+
+        ```sh
+        sudo nano /boot/cmdline.txt
+        ```
+
+    1. Este archivo tiene varios pares clave/valor separados por espacios. Elimina cualquier par clave/valor para la clave `console`. Probablemente se verán algo así:
+
+        ```output
+        console=serial0,115200 console=tty1 
+        ```
+
+        Puedes navegar a estas entradas usando las teclas de dirección y luego eliminarlas usando las teclas `del` o `backspace`.
+
+        Por ejemplo, si tu archivo original se ve así:
+
+        ```output
+        console=serial0,115200 console=tty1 root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+        La nueva versión será:
+
+        ```output
+        root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+    1. Sigue los pasos anteriores para guardar este archivo y salir de nano.
+
+    1. Reinicia tu Pi y luego vuelve a conectarte en VS Code una vez que la Pi haya reiniciado.
+
+1. Desde el terminal, crea una nueva carpeta en el directorio de inicio del usuario `pi` llamada `gps-sensor`. Crea un archivo en esta carpeta llamado `app.py`.
+
+1. Abre esta carpeta en VS Code.
+
+1. El módulo GPS envía datos UART a través de un puerto serial. Instala el paquete Pip `pyserial` para comunicarte con el puerto serial desde tu código Python:
+
+    ```sh
+    pip3 install pyserial
+    ```
+
+1. Agrega el siguiente código a tu archivo `app.py`:
+
+    ```python
+    import time
+    import serial
+    
+    serial = serial.Serial('/dev/ttyAMA0', 9600, timeout=1)
+    serial.reset_input_buffer()
+    serial.flush()
+    
+    def print_gps_data(line):
+        print(line.rstrip())
+    
+    while True:
+        line = serial.readline().decode('utf-8')
+    
+        while len(line) > 0:
+            print_gps_data(line)
+            line = serial.readline().decode('utf-8')
+    
+        time.sleep(1)
+    ```
+
+    Este código importa el módulo `serial` del paquete Pip `pyserial`. Luego se conecta al puerto serial `/dev/ttyAMA0`, que es la dirección del puerto serial que utiliza el Grove Pi Base Hat para su puerto UART. Después, limpia cualquier dato existente de esta conexión serial.
+
+    A continuación, se define una función llamada `print_gps_data` que imprime en la consola la línea que se le pasa.
+
+    Luego, el código entra en un bucle infinito, leyendo tantas líneas de texto como pueda del puerto serial en cada iteración. Llama a la función `print_gps_data` para cada línea.
+
+    Después de leer todos los datos, el bucle duerme durante 1 segundo y luego intenta nuevamente.
+
+1. Ejecuta este código. Verás la salida en bruto del sensor GPS, algo como lo siguiente:
+
+    ```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
+    ```
+
+    > Si obtienes uno de los siguientes errores al detener y reiniciar tu código, agrega un bloque `try - except` a tu bucle while.
+
+      ```output
+      UnicodeDecodeError: 'utf-8' codec can't decode byte 0x93 in position 0: invalid start byte
+      UnicodeDecodeError: 'utf-8' codec can't decode byte 0xf1 in position 0: invalid continuation byte
+      ```
+
+    ```python
+    while True:
+        try:
+            line = serial.readline().decode('utf-8')
+              
+            while len(line) > 0:
+                print_gps_data()
+                line = serial.readline().decode('utf-8')
+      
+        # There's a random chance the first byte being read is part way through a character.
+        # Read another full line and continue.
+
+        except UnicodeDecodeError:
+            line = serial.readline().decode('utf-8')
+
+    time.sleep(1)
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-gps/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps/pi).
+
+😀 ¡Tu programa del sensor GPS fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md b/translations/es/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
new file mode 100644
index 00000000..d7166688
--- /dev/null
+++ b/translations/es/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
@@ -0,0 +1,75 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cbb8c285bc64c5192fae3368fb5077d2",
+  "translation_date": "2025-08-26T15:49:33+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md",
+  "language_code": "es"
+}
+-->
+# Decodificar datos GPS - Hardware IoT Virtual y Raspberry Pi
+
+En esta parte de la lección, decodificarás los mensajes NMEA leídos del sensor GPS por la Raspberry Pi o el Dispositivo IoT Virtual, y extraerás la latitud y la longitud.
+
+## Decodificar datos GPS
+
+Una vez que los datos NMEA en bruto se han leído desde el puerto serial, pueden ser decodificados utilizando una biblioteca NMEA de código abierto.
+
+### Tarea - decodificar datos GPS
+
+Programa el dispositivo para decodificar los datos GPS.
+
+1. Abre el proyecto de la aplicación `gps-sensor` si aún no está abierto.
+
+1. Instala el paquete Pip `pynmea2`. Este paquete contiene código para decodificar mensajes NMEA.
+
+    ```sh
+    pip3 install pynmea2
+    ```
+
+1. Agrega el siguiente código a las importaciones en el archivo `app.py` para importar el módulo `pynmea2`:
+
+    ```python
+    import pynmea2
+    ```
+
+1. Reemplaza el contenido de la función `print_gps_data` con lo siguiente:
+
+    ```python
+    msg = pynmea2.parse(line)
+    if msg.sentence_type == 'GGA':
+        lat = pynmea2.dm_to_sd(msg.lat)
+        lon = pynmea2.dm_to_sd(msg.lon)
+
+        if msg.lat_dir == 'S':
+            lat = lat * -1
+
+        if msg.lon_dir == 'W':
+            lon = lon * -1
+
+        print(f'{lat},{lon} - from {msg.num_sats} satellites')
+    ```
+
+    Este código utilizará la biblioteca `pynmea2` para analizar la línea leída desde el puerto serial UART.
+
+    Si el tipo de sentencia del mensaje es `GGA`, entonces este es un mensaje de fijación de posición y se procesa. Los valores de latitud y longitud se leen del mensaje y se convierten a grados decimales desde el formato NMEA `(d)ddmm.mmmm`. La función `dm_to_sd` realiza esta conversión.
+
+    Luego se verifica la dirección de la latitud, y si la latitud es sur, el valor se convierte en un número negativo. Lo mismo ocurre con la longitud; si es oeste, se convierte en un número negativo.
+
+    Finalmente, las coordenadas se imprimen en la consola, junto con el número de satélites utilizados para obtener la ubicación.
+
+1. Ejecuta el código. Si estás utilizando un dispositivo IoT virtual, asegúrate de que la aplicación CounterFit esté ejecutándose y que los datos GPS se estén enviando.
+
+    ```output
+    pi@raspberrypi:~/gps-sensor $ python3 app.py 
+    47.6423109,-122.1390293 - from 3 satellites
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-gps-decode/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/virtual-device), o en la carpeta [code-gps-decode/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/pi).
+
+😀 ¡Tu programa del sensor GPS con decodificación de datos fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/es/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
new file mode 100644
index 00000000..d1f5bdd0
--- /dev/null
+++ b/translations/es/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
@@ -0,0 +1,144 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64f18a8f8aaa1fef5e7320e0992d8b3a",
+  "translation_date": "2025-08-26T15:46:38+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md",
+  "language_code": "es"
+}
+-->
+# Leer datos GPS - Hardware IoT Virtual
+
+En esta parte de la lección, agregarás un sensor GPS a tu dispositivo IoT virtual y leerás valores de él.
+
+## Hardware Virtual
+
+El dispositivo IoT virtual usará un sensor GPS simulado que es accesible a través de UART mediante un puerto serial.
+
+Un sensor GPS físico tendrá una antena para captar ondas de radio de los satélites GPS y convertir las señales GPS en datos GPS. La versión virtual simula esto permitiéndote establecer una latitud y longitud, enviar sentencias NMEA en bruto o cargar un archivo GPX con múltiples ubicaciones que se pueden devolver secuencialmente.
+
+> 🎓 Las sentencias NMEA se cubrirán más adelante en esta lección.
+
+### Agregar el sensor a CounterFit
+
+Para usar un sensor GPS virtual, necesitas agregar uno a la aplicación CounterFit.
+
+#### Tarea - agregar el sensor a CounterFit
+
+Agrega el sensor GPS a la aplicación CounterFit.
+
+1. Crea una nueva aplicación en Python en tu computadora dentro de una carpeta llamada `gps-sensor` con un único archivo llamado `app.py` y un entorno virtual de Python, y agrega los paquetes pip de CounterFit.
+
+    > ⚠️ Puedes consultar [las instrucciones para crear y configurar un proyecto Python de CounterFit en la lección 1 si lo necesitas](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Instala un paquete adicional de Pip para instalar un shim de CounterFit que pueda comunicarse con sensores basados en UART a través de una conexión serial. Asegúrate de instalarlo desde un terminal con el entorno virtual activado.
+
+    ```sh
+    pip install counterfit-shims-serial
+    ```
+
+1. Asegúrate de que la aplicación web de CounterFit esté en ejecución.
+
+1. Crea un sensor GPS:
+
+    1. En el cuadro *Create sensor* en el panel *Sensors*, despliega el cuadro *Sensor type* y selecciona *UART GPS*.
+
+    1. Deja el *Port* configurado como */dev/ttyAMA0*.
+
+    1. Selecciona el botón **Add** para crear el sensor GPS en el puerto `/dev/ttyAMA0`.
+
+    ![Configuración del sensor GPS](../../../../../translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.es.png)
+
+    El sensor GPS será creado y aparecerá en la lista de sensores.
+
+    ![Sensor GPS creado](../../../../../translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.es.png)
+
+## Programar el sensor GPS
+
+El dispositivo IoT virtual ahora puede ser programado para usar el sensor GPS virtual.
+
+### Tarea - programar el sensor GPS
+
+Programa la aplicación del sensor GPS.
+
+1. Asegúrate de que la aplicación `gps-sensor` esté abierta en VS Code.
+
+1. Abre el archivo `app.py`.
+
+1. Agrega el siguiente código al inicio de `app.py` para conectar la aplicación a CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Agrega el siguiente código debajo de este para importar algunas bibliotecas necesarias, incluida la biblioteca para el puerto serial de CounterFit:
+
+    ```python
+    import time
+    import counterfit_shims_serial
+    
+    serial = counterfit_shims_serial.Serial('/dev/ttyAMA0')
+    ```
+
+    Este código importa el módulo `serial` del paquete Pip `counterfit_shims_serial`. Luego se conecta al puerto serial `/dev/ttyAMA0`, que es la dirección del puerto serial que el sensor GPS virtual utiliza para su puerto UART.
+
+1. Agrega el siguiente código debajo de este para leer desde el puerto serial e imprimir los valores en la consola:
+
+    ```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)
+    ```
+
+    Se define una función llamada `print_gps_data` que imprime en la consola la línea que se le pasa.
+
+    Luego, el código entra en un bucle infinito, leyendo tantas líneas de texto como pueda desde el puerto serial en cada iteración. Llama a la función `print_gps_data` para cada línea.
+
+    Después de leer todos los datos, el bucle duerme durante 1 segundo y luego lo intenta de nuevo.
+
+1. Ejecuta este código, asegurándote de usar un terminal diferente al que está ejecutando la aplicación CounterFit, para que la aplicación CounterFit siga funcionando.
+
+1. Desde la aplicación CounterFit, cambia el valor del sensor GPS. Puedes hacerlo de una de estas maneras:
+
+    * Configura la **Source** como `Lat/Lon` y establece una latitud, longitud y número de satélites utilizados para obtener la posición GPS. Este valor se enviará solo una vez, así que marca la casilla **Repeat** para que los datos se repitan cada segundo.
+
+      ![El sensor GPS con lat lon seleccionado](../../../../../translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.es.png)
+
+    * Configura la **Source** como `NMEA` y agrega algunas sentencias NMEA en el cuadro de texto. Todos estos valores se enviarán, con un retraso de 1 segundo antes de que se pueda leer cada nueva sentencia GGA (posición fija).
+
+      ![El sensor GPS con sentencias NMEA configuradas](../../../../../translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.es.png)
+
+      Puedes usar una herramienta como [nmeagen.org](https://www.nmeagen.org) para generar estas sentencias dibujando en un mapa. Estos valores se enviarán solo una vez, así que marca la casilla **Repeat** para que los datos se repitan un segundo después de que se hayan enviado todos.
+
+    * Configura la **Source** como archivo GPX y carga un archivo GPX con ubicaciones de ruta. Puedes descargar archivos GPX de varios sitios populares de mapas y senderismo, como [AllTrails](https://www.alltrails.com/). Estos archivos contienen múltiples ubicaciones GPS como un recorrido, y el sensor GPS devolverá cada nueva ubicación en intervalos de 1 segundo.
+
+      ![El sensor GPS con un archivo GPX configurado](../../../../../translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.es.png)
+
+      Estos valores se enviarán solo una vez, así que marca la casilla **Repeat** para que los datos se repitan un segundo después de que se hayan enviado todos.
+
+    Una vez que hayas configurado los ajustes del GPS, selecciona el botón **Set** para confirmar estos valores en el sensor.
+
+1. Verás la salida en bruto del sensor GPS, algo como lo siguiente:
+
+    ```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
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-gps/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps/virtual-device).
+
+😀 ¡Tu programa del sensor GPS fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md b/translations/es/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
new file mode 100644
index 00000000..e5a4ddc6
--- /dev/null
+++ b/translations/es/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
@@ -0,0 +1,83 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "fbbcf96a9b63ccd661db98bbf854bb06",
+  "translation_date": "2025-08-26T15:50:30+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md",
+  "language_code": "es"
+}
+-->
+# Decodificar datos GPS - Wio Terminal
+
+En esta parte de la lección, decodificarás los mensajes NMEA leídos desde el sensor GPS por el Wio Terminal y extraerás la latitud y la longitud.
+
+## Decodificar datos GPS
+
+Una vez que se hayan leído los datos NMEA en bruto desde el puerto serie, se pueden decodificar utilizando una biblioteca NMEA de código abierto.
+
+### Tarea - decodificar datos GPS
+
+Programa el dispositivo para decodificar los datos GPS.
+
+1. Abre el proyecto de la aplicación `gps-sensor` si aún no está abierto.
+
+1. Agrega una dependencia de biblioteca para la biblioteca [TinyGPSPlus](https://github.com/mikalhart/TinyGPSPlus) en el archivo `platformio.ini` del proyecto. Esta biblioteca contiene el código necesario para decodificar datos NMEA.
+
+    ```ini
+    lib_deps =
+        mikalhart/TinyGPSPlus @ 1.0.2
+    ```
+
+1. En `main.cpp`, agrega una directiva de inclusión para la biblioteca TinyGPSPlus:
+
+    ```cpp
+    #include <TinyGPS++.h>
+    ```
+
+1. Debajo de la declaración de `Serial3`, declara un objeto TinyGPSPlus para procesar las sentencias NMEA:
+
+    ```cpp
+    TinyGPSPlus gps;
+    ```
+
+1. Cambia el contenido de la función `printGPSData` al siguiente:
+
+    ```cpp
+    if (gps.encode(Serial3.read()))
+    {
+        if (gps.location.isValid())
+        {
+            Serial.print(gps.location.lat(), 6);
+            Serial.print(F(","));
+            Serial.print(gps.location.lng(), 6);
+            Serial.print(" - from ");
+            Serial.print(gps.satellites.value());
+            Serial.println(" satellites");
+        }
+    }
+    ```
+
+    Este código lee el siguiente carácter desde el puerto serie UART en el decodificador NMEA `gps`. Después de cada carácter, verificará si el decodificador ha leído una sentencia válida y luego comprobará si ha leído una ubicación válida. Si la ubicación es válida, la enviará al monitor serie junto con el número de satélites que contribuyeron a esta solución.
+
+1. Compila y sube el código al Wio Terminal.
+
+1. Una vez subido, puedes monitorear los datos de ubicación GPS utilizando el monitor serie.
+
+    ```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
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-gps-decode/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/wio-terminal).
+
+😀 ¡Tu programa del sensor GPS con decodificación de datos fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/es/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
new file mode 100644
index 00000000..bccfb01c
--- /dev/null
+++ b/translations/es/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da6ae0a795cf06be33d23ca5b8493fc8",
+  "translation_date": "2025-08-26T15:46:03+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md",
+  "language_code": "es"
+}
+-->
+# Leer datos GPS - Wio Terminal
+
+En esta parte de la lección, agregarás un sensor GPS a tu Wio Terminal y leerás valores de él.
+
+## Hardware
+
+El Wio Terminal necesita un sensor GPS.
+
+El sensor que usarás es un [sensor Grove GPS Air530](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html). Este sensor puede conectarse a múltiples sistemas GPS para obtener una ubicación rápida y precisa. El sensor está compuesto por 2 partes: la electrónica principal del sensor y una antena externa conectada por un cable delgado para captar las ondas de radio de los satélites.
+
+Este es un sensor UART, por lo que envía datos GPS a través de UART.
+
+### Conectar el sensor GPS
+
+El sensor Grove GPS se puede conectar al Wio Terminal.
+
+#### Tarea - conectar el sensor GPS
+
+Conecta el sensor GPS.
+
+![Un sensor Grove GPS](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.es.png)
+
+1. Inserta un extremo de un cable Grove en el conector del sensor GPS. Solo encajará de una manera.
+
+1. Con el Wio Terminal desconectado de tu computadora u otra fuente de alimentación, conecta el otro extremo del cable Grove al conector Grove del lado izquierdo del Wio Terminal, mirando la pantalla. Este es el conector más cercano al botón de encendido.
+
+    ![El sensor Grove GPS conectado al conector izquierdo](../../../../../translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.es.png)
+
+1. Coloca el sensor GPS de manera que la antena conectada tenga visibilidad al cielo, idealmente cerca de una ventana abierta o al aire libre. Es más fácil obtener una señal clara sin obstáculos frente a la antena.
+
+1. Ahora puedes conectar el Wio Terminal a tu computadora.
+
+1. El sensor GPS tiene 2 LEDs: un LED azul que parpadea cuando se transmiten datos y un LED verde que parpadea cada segundo al recibir datos de los satélites. Asegúrate de que el LED azul parpadee cuando enciendas el Wio Terminal. Después de unos minutos, el LED verde debería parpadear; si no, es posible que necesites reposicionar la antena.
+
+## Programar el sensor GPS
+
+Ahora se puede programar el Wio Terminal para usar el sensor GPS conectado.
+
+### Tarea - programar el sensor GPS
+
+Programa el dispositivo.
+
+1. Crea un nuevo proyecto para el Wio Terminal usando PlatformIO. Llama a este proyecto `gps-sensor`. Agrega código en la función `setup` para configurar el puerto serial.
+
+1. Agrega la siguiente directiva `include` en la parte superior del archivo `main.cpp`. Esto incluye un archivo de cabecera con funciones para configurar el puerto Grove izquierdo para UART.
+
+    ```cpp
+    #include <wiring_private.h>
+    ```
+
+1. Debajo de esto, agrega la siguiente línea de código para declarar una conexión de puerto serial al puerto UART:
+
+    ```cpp
+    static Uart Serial3(&sercom3, PIN_WIRE_SCL, PIN_WIRE_SDA, SERCOM_RX_PAD_1, UART_TX_PAD_0);
+    ```
+
+1. Necesitas agregar algo de código para redirigir algunos manejadores de señales internas a este puerto serial. Agrega el siguiente código debajo de la declaración de `Serial3`:
+
+    ```cpp
+    void SERCOM3_0_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_1_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_2_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_3_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    ```
+
+1. En la función `setup`, debajo de donde se configura el puerto `Serial`, configura el puerto serial UART con el siguiente código:
+
+    ```cpp
+    Serial3.begin(9600);
+
+    while (!Serial3)
+        ; // Wait for Serial3 to be ready
+
+    delay(1000);
+    ```
+
+1. Debajo de este código en la función `setup`, agrega el siguiente código para conectar el pin Grove al puerto serial:
+
+    ```cpp
+    pinPeripheral(PIN_WIRE_SCL, PIO_SERCOM_ALT);
+    ```
+
+1. Agrega la siguiente función antes de la función `loop` para enviar los datos GPS al monitor serial:
+
+    ```cpp
+    void printGPSData()
+    {
+        Serial.println(Serial3.readStringUntil('\n'));
+    }
+    ```
+
+1. En la función `loop`, agrega el siguiente código para leer del puerto serial UART e imprimir la salida en el monitor serial:
+
+    ```cpp
+    while (Serial3.available() > 0)
+    {
+        printGPSData();
+    }
+    
+    delay(1000);
+    ```
+
+    Este código lee del puerto serial UART. La función `readStringUntil` lee hasta un carácter terminador, en este caso, una nueva línea. Esto leerá una oración completa en formato NMEA (las oraciones NMEA terminan con un carácter de nueva línea). Mientras se puedan leer datos del puerto serial UART, se leen y se envían al monitor serial a través de la función `printGPSData`. Una vez que no se puedan leer más datos, el `loop` se retrasa por 1 segundo (1,000 ms).
+
+1. Compila y sube el código al Wio Terminal.
+
+1. Una vez subido, puedes monitorear los datos GPS usando el monitor serial.
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
+    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
+    $GPGSV,1,1,00*79
+    $BDGSV,1,1,00*68
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-gps/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps/wio-terminal).
+
+😀 ¡Tu programa del sensor GPS fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/3-transport/lessons/2-store-location-data/README.md b/translations/es/3-transport/lessons/2-store-location-data/README.md
new file mode 100644
index 00000000..e7234c61
--- /dev/null
+++ b/translations/es/3-transport/lessons/2-store-location-data/README.md
@@ -0,0 +1,479 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e345843ccfeb7261d81500d19c64d476",
+  "translation_date": "2025-08-26T15:55:02+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/README.md",
+  "language_code": "es"
+}
+-->
+# Datos de ubicación de la tienda
+
+![Una vista general en sketchnote de esta lección](../../../../../translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.es.jpg)
+
+> Sketchnote por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/23)
+
+## Introducción
+
+En la última lección, aprendiste cómo usar un sensor GPS para capturar datos de ubicación. Para usar estos datos y visualizar la ubicación de un camión cargado de alimentos y su recorrido, es necesario enviarlos a un servicio IoT en la nube y luego almacenarlos en algún lugar.
+
+En esta lección aprenderás sobre las diferentes formas de almacenar datos IoT y cómo guardar datos de tu servicio IoT utilizando código sin servidor.
+
+En esta lección cubriremos:
+
+* [Datos estructurados y no estructurados](../../../../../3-transport/lessons/2-store-location-data)
+* [Enviar datos GPS a un IoT Hub](../../../../../3-transport/lessons/2-store-location-data)
+* [Rutas calientes, templadas y frías](../../../../../3-transport/lessons/2-store-location-data)
+* [Manejar eventos GPS usando código sin servidor](../../../../../3-transport/lessons/2-store-location-data)
+* [Cuentas de almacenamiento de Azure](../../../../../3-transport/lessons/2-store-location-data)
+* [Conectar tu código sin servidor al almacenamiento](../../../../../3-transport/lessons/2-store-location-data)
+
+## Datos estructurados y no estructurados
+
+Los sistemas informáticos manejan datos, y estos datos vienen en diferentes formas y tamaños. Pueden variar desde números individuales, grandes cantidades de texto, videos e imágenes, hasta datos IoT. Los datos generalmente se dividen en una de dos categorías: *estructurados* y *no estructurados*.
+
+* **Datos estructurados** son datos con una estructura bien definida y rígida que no cambia, y usualmente se mapean a tablas de datos con relaciones. Un ejemplo es la información de una persona, incluyendo su nombre, fecha de nacimiento y dirección.
+
+* **Datos no estructurados** son datos sin una estructura bien definida y rígida, incluyendo datos que pueden cambiar de estructura frecuentemente. Un ejemplo son documentos como textos escritos o hojas de cálculo.
+
+✅ Investiga: ¿Puedes pensar en otros ejemplos de datos estructurados y no estructurados?
+
+> 💁 También existen datos semiestructurados que tienen estructura pero no encajan en tablas de datos fijas.
+
+Los datos IoT generalmente se consideran datos no estructurados.
+
+Imagina que estás añadiendo dispositivos IoT a una flota de vehículos para una gran granja comercial. Podrías querer usar diferentes dispositivos para diferentes tipos de vehículos. Por ejemplo:
+
+* Para vehículos agrícolas como tractores, necesitas datos GPS para asegurarte de que están trabajando en los campos correctos.
+* Para camiones de reparto que transportan alimentos a almacenes, necesitas datos GPS, así como datos de velocidad y aceleración para garantizar que el conductor maneje de forma segura, además de datos de identidad del conductor y de inicio/parada para cumplir con las leyes locales sobre horas de trabajo.
+* Para camiones refrigerados, también necesitas datos de temperatura para asegurarte de que los alimentos no se calienten o enfríen demasiado y se echen a perder durante el transporte.
+
+Estos datos pueden cambiar constantemente. Por ejemplo, si el dispositivo IoT está en la cabina de un camión, los datos que envía pueden cambiar según el remolque, por ejemplo, enviando datos de temperatura solo cuando se utiliza un remolque refrigerado.
+
+✅ ¿Qué otros datos IoT podrían capturarse? Piensa en los tipos de cargas que los camiones pueden transportar, así como en datos de mantenimiento.
+
+Estos datos varían de un vehículo a otro, pero todos se envían al mismo servicio IoT para su procesamiento. El servicio IoT necesita ser capaz de procesar estos datos no estructurados, almacenándolos de una manera que permita buscarlos o analizarlos, pero que funcione con diferentes estructuras de datos.
+
+### Almacenamiento SQL vs NoSQL
+
+Las bases de datos son servicios que permiten almacenar y consultar datos. Las bases de datos vienen en dos tipos: SQL y NoSQL.
+
+#### Bases de datos SQL
+
+Las primeras bases de datos fueron Sistemas de Gestión de Bases de Datos Relacionales (RDBMS), o bases de datos relacionales. También se conocen como bases de datos SQL debido al Lenguaje de Consulta Estructurado (SQL) utilizado para interactuar con ellas para agregar, eliminar, actualizar o consultar datos. Estas bases de datos consisten en un esquema: un conjunto bien definido de tablas de datos, similar a una hoja de cálculo. Cada tabla tiene múltiples columnas con nombres. Cuando insertas datos, agregas una fila a la tabla, colocando valores en cada una de las columnas. Esto mantiene los datos en una estructura muy rígida: aunque puedes dejar columnas vacías, si deseas agregar una nueva columna, debes hacerlo en la base de datos, rellenando valores para las filas existentes. Estas bases de datos son relacionales, en el sentido de que una tabla puede tener una relación con otra.
+
+![Una base de datos relacional con el ID de la tabla de usuarios relacionado con la columna de ID de usuario de la tabla de compras, y el ID de la tabla de productos relacionado con el ID de producto de la tabla de compras](../../../../../translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.es.png)
+
+Por ejemplo, si almacenas los detalles personales de un usuario en una tabla, tendrías algún tipo de ID único interno por usuario que se utiliza en una fila de una tabla que contiene el nombre y la dirección del usuario. Si luego quisieras almacenar otros detalles sobre ese usuario, como sus compras, en otra tabla, tendrías una columna en la nueva tabla para el ID de ese usuario. Cuando buscas un usuario, puedes usar su ID para obtener sus detalles personales de una tabla y sus compras de otra.
+
+Las bases de datos SQL son ideales para almacenar datos estructurados y para cuando deseas asegurarte de que los datos coincidan con tu esquema.
+
+✅ Si no has usado SQL antes, tómate un momento para leer sobre ello en la [página de SQL en Wikipedia](https://wikipedia.org/wiki/SQL).
+
+Algunas bases de datos SQL conocidas son Microsoft SQL Server, MySQL y PostgreSQL.
+
+✅ Investiga: Lee sobre algunas de estas bases de datos SQL y sus capacidades.
+
+#### Bases de datos NoSQL
+
+Las bases de datos NoSQL se llaman NoSQL porque no tienen la misma estructura rígida de las bases de datos SQL. También se conocen como bases de datos de documentos, ya que pueden almacenar datos no estructurados como documentos.
+
+> 💁 A pesar de su nombre, algunas bases de datos NoSQL permiten usar SQL para consultar los datos.
+
+![Documentos en carpetas en una base de datos NoSQL](../../../../../translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.es.png)
+
+Las bases de datos NoSQL no tienen un esquema predefinido que limite cómo se almacenan los datos; en cambio, puedes insertar cualquier dato no estructurado, generalmente utilizando documentos JSON. Estos documentos pueden organizarse en carpetas, similar a los archivos en tu computadora. Cada documento puede tener diferentes campos en comparación con otros documentos. Por ejemplo, si estuvieras almacenando datos IoT de tus vehículos agrícolas, algunos podrían tener campos para datos de acelerómetro y velocidad, mientras que otros podrían tener campos para la temperatura en el remolque. Si agregaras un nuevo tipo de camión, como uno con básculas integradas para rastrear el peso de los productos transportados, entonces tu dispositivo IoT podría agregar este nuevo campo y podría almacenarse sin cambios en la base de datos.
+
+Algunas bases de datos NoSQL conocidas incluyen Azure CosmosDB, MongoDB y CouchDB.
+
+✅ Investiga: Lee sobre algunas de estas bases de datos NoSQL y sus capacidades.
+
+En esta lección, usarás almacenamiento NoSQL para guardar datos IoT.
+
+## Enviar datos GPS a un IoT Hub
+
+En la última lección capturaste datos GPS de un sensor GPS conectado a tu dispositivo IoT. Para almacenar estos datos IoT en la nube, necesitas enviarlos a un servicio IoT. Una vez más, usarás Azure IoT Hub, el mismo servicio IoT en la nube que utilizaste en el proyecto anterior.
+
+![Enviando telemetría GPS desde un dispositivo IoT a IoT Hub](../../../../../translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.es.png)
+
+### Tarea - enviar datos GPS a un IoT Hub
+
+1. Crea un nuevo IoT Hub utilizando el nivel gratuito.
+
+    > ⚠️ Puedes consultar las [instrucciones para crear un IoT Hub del proyecto 2, lección 4](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#create-an-iot-service-in-the-cloud) si es necesario.
+
+    Recuerda crear un nuevo Grupo de Recursos. Nombra el nuevo Grupo de Recursos `gps-sensor` y el nuevo IoT Hub con un nombre único basado en `gps-sensor`, como `gps-sensor-<tu nombre>`.
+
+    > 💁 Si aún tienes tu IoT Hub del proyecto anterior, puedes reutilizarlo. Recuerda usar el nombre de este IoT Hub y el Grupo de Recursos en el que está al crear otros servicios.
+
+1. Agrega un nuevo dispositivo al IoT Hub. Llama a este dispositivo `gps-sensor`. Obtén la cadena de conexión para el dispositivo.
+
+1. Actualiza el código de tu dispositivo para enviar los datos GPS al nuevo IoT Hub utilizando la cadena de conexión del dispositivo obtenida en el paso anterior.
+
+    > ⚠️ Puedes consultar las [instrucciones para conectar tu dispositivo a un IoT del proyecto 2, lección 4](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#connect-your-device-to-the-iot-service) si es necesario.
+
+1. Cuando envíes los datos GPS, hazlo en formato JSON con el siguiente formato:
+
+    ```json
+    {
+        "gps" :
+        {
+            "lat" : <latitude>,
+            "lon" : <longitude>
+        }
+    }
+    ```
+
+1. Envía datos GPS cada minuto para no exceder tu asignación diaria de mensajes.
+
+Si estás utilizando el Wio Terminal, recuerda agregar todas las bibliotecas necesarias y configurar la hora utilizando un servidor NTP. Tu código también debe asegurarse de haber leído todos los datos del puerto serial antes de enviar la ubicación GPS, utilizando el código existente de la última lección. Usa el siguiente código para construir el documento JSON:
+
+```cpp
+DynamicJsonDocument doc(1024);
+doc["gps"]["lat"] = gps.location.lat();
+doc["gps"]["lon"] = gps.location.lng();
+```
+
+Si estás utilizando un dispositivo IoT virtual, recuerda instalar todas las bibliotecas necesarias utilizando un entorno virtual.
+
+Para tanto el Raspberry Pi como el dispositivo IoT virtual, utiliza el código existente de la última lección para obtener los valores de latitud y longitud, luego envíalos en el formato JSON correcto con el siguiente código:
+
+```python
+message_json = { "gps" : { "lat":lat, "lon":lon } }
+print("Sending telemetry", message_json)
+message = Message(json.dumps(message_json))
+```
+
+> 💁 Puedes encontrar este código en la carpeta [code/wio-terminal](../../../../../3-transport/lessons/2-store-location-data/code/wio-terminal), [code/pi](../../../../../3-transport/lessons/2-store-location-data/code/pi) o [code/virtual-device](../../../../../3-transport/lessons/2-store-location-data/code/virtual-device).
+
+Ejecuta el código de tu dispositivo y asegúrate de que los mensajes estén fluyendo hacia IoT Hub utilizando el comando CLI `az iot hub monitor-events`.
+
+## Rutas calientes, templadas y frías
+
+Los datos que fluyen desde un dispositivo IoT hacia la nube no siempre se procesan en tiempo real. Algunos datos necesitan procesamiento en tiempo real, otros pueden procesarse poco tiempo después, y otros pueden procesarse mucho más tarde. El flujo de datos hacia diferentes servicios que procesan los datos en diferentes momentos se conoce como rutas calientes, templadas y frías.
+
+### Ruta caliente
+
+La ruta caliente se refiere a los datos que necesitan ser procesados en tiempo real o casi en tiempo real. Usarías datos de ruta caliente para alertas, como recibir notificaciones de que un vehículo se está acercando a un depósito o que la temperatura en un camión refrigerado es demasiado alta.
+
+Para usar datos de ruta caliente, tu código respondería a eventos tan pronto como sean recibidos por tus servicios en la nube.
+
+### Ruta templada
+
+La ruta templada se refiere a los datos que pueden procesarse poco tiempo después de ser recibidos, por ejemplo, para informes o análisis a corto plazo. Usarías datos de ruta templada para informes diarios sobre el kilometraje de los vehículos, utilizando datos recopilados el día anterior.
+
+Los datos de ruta templada se almacenan una vez que son recibidos por el servicio en la nube dentro de algún tipo de almacenamiento que pueda ser accedido rápidamente.
+
+### Ruta fría
+
+La ruta fría se refiere a datos históricos, almacenando datos a largo plazo para ser procesados cuando sea necesario. Por ejemplo, podrías usar la ruta fría para obtener informes anuales de kilometraje de vehículos o realizar análisis de rutas para encontrar la ruta más óptima y reducir costos de combustible.
+
+Los datos de ruta fría se almacenan en almacenes de datos: bases de datos diseñadas para almacenar grandes cantidades de datos que nunca cambiarán y que pueden ser consultados de manera rápida y sencilla. Normalmente tendrías un trabajo regular en tu aplicación en la nube que se ejecutaría a una hora regular cada día, semana o mes para mover datos del almacenamiento de ruta templada al almacén de datos.
+
+✅ Piensa en los datos que has capturado hasta ahora en estas lecciones. ¿Son datos de ruta caliente, templada o fría?
+
+## Manejar eventos GPS usando código sin servidor
+
+Una vez que los datos están fluyendo hacia tu IoT Hub, puedes escribir código sin servidor para escuchar eventos publicados en el punto de conexión compatible con Event-Hub. Esta es la ruta templada: estos datos serán almacenados y utilizados en la próxima lección para informes sobre el recorrido.
+
+![Enviando telemetría GPS desde un dispositivo IoT a IoT Hub, luego a Azure Functions mediante un disparador de Event Hub](../../../../../translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.es.png)
+
+### Tarea - manejar eventos GPS usando código sin servidor
+
+1. Crea una aplicación de Azure Functions utilizando la CLI de Azure Functions. Usa el runtime de Python y créala en una carpeta llamada `gps-trigger`, utilizando el mismo nombre para el proyecto de la aplicación de Functions. Asegúrate de crear un entorno virtual para esto.
+> ⚠️ Puedes consultar las [instrucciones para crear un proyecto de Azure Functions del proyecto 2, lección 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-a-serverless-application) si es necesario.
+1. Agrega un desencadenador de eventos de IoT Hub que utilice el endpoint compatible con Event Hub del IoT Hub.
+
+   > ⚠️ Puedes consultar las [instrucciones para crear un desencadenador de eventos de IoT Hub del proyecto 2, lección 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger) si es necesario.
+
+1. Configura la cadena de conexión del endpoint compatible con Event Hub en el archivo `local.settings.json`, y utiliza la clave correspondiente en el archivo `function.json`.
+
+1. Usa la aplicación Azurite como emulador de almacenamiento local.
+
+1. Ejecuta tu aplicación de funciones para asegurarte de que está recibiendo eventos desde tu dispositivo GPS. Asegúrate de que tu dispositivo IoT también esté funcionando y enviando datos GPS.
+
+   ```output
+    Python EventHub trigger processed an event: {"gps": {"lat": 47.73481, "lon": -122.25701}}
+    ```
+
+## Cuentas de Almacenamiento de Azure
+
+![El logotipo de Azure Storage](../../../../../translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.es.png)
+
+Las Cuentas de Almacenamiento de Azure son un servicio de almacenamiento de propósito general que puede almacenar datos de diversas maneras. Puedes almacenar datos como blobs, en colas, en tablas o como archivos, y todo al mismo tiempo.
+
+### Almacenamiento de blobs
+
+La palabra *Blob* significa objetos binarios grandes, pero se ha convertido en el término para cualquier dato no estructurado. Puedes almacenar cualquier dato en el almacenamiento de blobs, desde documentos JSON que contienen datos de IoT, hasta archivos de imágenes y películas. El almacenamiento de blobs tiene el concepto de *contenedores*, que son como carpetas nombradas donde puedes almacenar datos, similar a las tablas en una base de datos relacional. Estos contenedores pueden tener una o más carpetas para almacenar blobs, y cada carpeta puede contener otras carpetas, similar a cómo se almacenan los archivos en el disco duro de tu computadora.
+
+Usarás el almacenamiento de blobs en esta lección para almacenar datos de IoT.
+
+✅ Investiga: Lee sobre el [Almacenamiento de Blobs de Azure](https://docs.microsoft.com/azure/storage/blobs/storage-blobs-overview?WT.mc_id=academic-17441-jabenn)
+
+### Almacenamiento de tablas
+
+El almacenamiento de tablas te permite almacenar datos semiestructurados. El almacenamiento de tablas es en realidad una base de datos NoSQL, por lo que no requiere un conjunto definido de tablas de antemano, pero está diseñado para almacenar datos en una o más tablas, con claves únicas para definir cada fila.
+
+✅ Investiga: Lee sobre el [Almacenamiento de Tablas de Azure](https://docs.microsoft.com/azure/storage/tables/table-storage-overview?WT.mc_id=academic-17441-jabenn)
+
+### Almacenamiento de colas
+
+El almacenamiento de colas te permite almacenar mensajes de hasta 64 KB de tamaño en una cola. Puedes agregar mensajes al final de la cola y leerlos desde el principio. Las colas almacenan mensajes indefinidamente mientras haya espacio de almacenamiento disponible, lo que permite que los mensajes se almacenen a largo plazo y se lean cuando sea necesario. Por ejemplo, si quisieras ejecutar un trabajo mensual para procesar datos GPS, podrías agregar mensajes a una cola todos los días durante un mes y luego, al final del mes, procesar todos los mensajes de la cola.
+
+✅ Investiga: Lee sobre el [Almacenamiento de Colas de Azure](https://docs.microsoft.com/azure/storage/queues/storage-queues-introduction?WT.mc_id=academic-17441-jabenn)
+
+### Almacenamiento de archivos
+
+El almacenamiento de archivos es el almacenamiento de archivos en la nube, y cualquier aplicación o dispositivo puede conectarse utilizando protocolos estándar de la industria. Puedes escribir archivos en el almacenamiento de archivos y luego montarlo como una unidad en tu PC o Mac.
+
+✅ Investiga: Lee sobre el [Almacenamiento de Archivos de Azure](https://docs.microsoft.com/azure/storage/files/storage-files-introduction?WT.mc_id=academic-17441-jabenn)
+
+## Conecta tu código sin servidor al almacenamiento
+
+Tu aplicación de funciones ahora necesita conectarse al almacenamiento de blobs para almacenar los mensajes del IoT Hub. Hay dos maneras de hacerlo:
+
+* Dentro del código de la función, conecta al almacenamiento de blobs utilizando el SDK de Python para blobs y escribe los datos como blobs.
+* Usa un enlace de salida de función para vincular el valor de retorno de la función al almacenamiento de blobs y que el blob se guarde automáticamente.
+
+En esta lección, usarás el SDK de Python para ver cómo interactuar con el almacenamiento de blobs.
+
+![Enviando telemetría GPS desde un dispositivo IoT a IoT Hub, luego a Azure Functions a través de un desencadenador de Event Hub, y luego guardándolo en el almacenamiento de blobs](../../../../../translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.es.png)
+
+Los datos se guardarán como un blob JSON con el siguiente formato:
+
+```json
+{
+    "device_id": <device_id>,
+    "timestamp" : <time>,
+    "gps" :
+    {
+        "lat" : <latitude>,
+        "lon" : <longitude>
+    }
+}
+```
+
+### Tarea - conecta tu código sin servidor al almacenamiento
+
+1. Crea una cuenta de almacenamiento de Azure. Nómbrala algo como `gps<tu nombre>`.
+
+   > ⚠️ Puedes consultar las [instrucciones para crear una cuenta de almacenamiento del proyecto 2, lección 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources) si es necesario.
+
+   Si aún tienes una cuenta de almacenamiento del proyecto anterior, puedes reutilizarla.
+
+   > 💁 Podrás usar la misma cuenta de almacenamiento para implementar tu aplicación de Azure Functions más adelante en esta lección.
+
+1. Ejecuta el siguiente comando para obtener la cadena de conexión de la cuenta de almacenamiento:
+
+   ```sh
+    az storage account show-connection-string --output table \
+                                              --name <storage_name>
+    ```
+
+   Sustituye `<storage_name>` por el nombre de la cuenta de almacenamiento que creaste en el paso anterior.
+
+1. Agrega una nueva entrada al archivo `local.settings.json` para la cadena de conexión de tu cuenta de almacenamiento, utilizando el valor del paso anterior. Nómbrala `STORAGE_CONNECTION_STRING`.
+
+1. Agrega lo siguiente al archivo `requirements.txt` para instalar los paquetes Pip de almacenamiento de Azure:
+
+   ```sh
+    azure-storage-blob
+    ```
+
+   Instala los paquetes de este archivo en tu entorno virtual.
+
+   > Si obtienes un error, actualiza tu versión de Pip en tu entorno virtual a la última versión con el siguiente comando, y luego intenta nuevamente:
+   >
+   > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. En el archivo `__init__.py` para el `iot-hub-trigger`, agrega las siguientes declaraciones de importación:
+
+   ```python
+    import json
+    import os
+    import uuid
+    from azure.storage.blob import BlobServiceClient, PublicAccess
+    ```
+
+   El módulo del sistema `json` se usará para leer y escribir JSON, el módulo del sistema `os` se usará para leer la cadena de conexión, y el módulo del sistema `uuid` se usará para generar un ID único para la lectura GPS.
+
+   El paquete `azure.storage.blob` contiene el SDK de Python para trabajar con el almacenamiento de blobs.
+
+1. Antes del método `main`, agrega la siguiente función auxiliar:
+
+   ```python
+    def get_or_create_container(name):
+        connection_str = os.environ['STORAGE_CONNECTION_STRING']
+        blob_service_client = BlobServiceClient.from_connection_string(connection_str)
+    
+        for container in blob_service_client.list_containers():
+            if container.name == name:
+                return blob_service_client.get_container_client(container.name)
+        
+        return blob_service_client.create_container(name, public_access=PublicAccess.Container)
+    ```
+
+   El SDK de blobs de Python no tiene un método auxiliar para crear un contenedor si no existe. Este código cargará la cadena de conexión desde el archivo `local.settings.json` (o desde los Application Settings una vez implementado en la nube), luego creará una clase `BlobServiceClient` a partir de esta para interactuar con la cuenta de almacenamiento de blobs. Luego recorre todos los contenedores de la cuenta de almacenamiento de blobs, buscando uno con el nombre proporcionado; si encuentra uno, devolverá una clase `ContainerClient` que puede interactuar con el contenedor para crear blobs. Si no encuentra uno, se crea el contenedor y se devuelve el cliente para el nuevo contenedor.
+
+   Cuando se crea el nuevo contenedor, se otorga acceso público para consultar los blobs en el contenedor. Esto se usará en la próxima lección para visualizar los datos GPS en un mapa.
+
+1. A diferencia de la humedad del suelo, con este código queremos almacenar cada evento, así que agrega el siguiente código dentro del bucle `for event in events:` en la función `main`, debajo de la declaración `logging`:
+
+   ```python
+    device_id = event.iothub_metadata['connection-device-id']
+    blob_name = f'{device_id}/{str(uuid.uuid1())}.json'
+    ```
+
+   Este código obtiene el ID del dispositivo desde los metadatos del evento, y luego lo utiliza para crear un nombre de blob. Los blobs pueden almacenarse en carpetas, y el ID del dispositivo se usará como el nombre de la carpeta, por lo que cada dispositivo tendrá todos sus eventos GPS en una carpeta. El nombre del blob es esta carpeta, seguido de un nombre de documento, separados por barras diagonales, similar a las rutas en Linux y macOS (similar también a Windows, pero Windows usa barras invertidas). El nombre del documento es un ID único generado utilizando el módulo `uuid` de Python, con el tipo de archivo `json`.
+
+   Por ejemplo, para el ID del dispositivo `gps-sensor`, el nombre del blob podría ser `gps-sensor/a9487ac2-b9cf-11eb-b5cd-1e00621e3648.json`.
+
+1. Agrega el siguiente código debajo de esto:
+
+   ```python
+    container_client = get_or_create_container('gps-data')
+    blob = container_client.get_blob_client(blob_name)
+    ```
+
+   Este código obtiene el cliente del contenedor utilizando la clase auxiliar `get_or_create_container`, y luego obtiene un objeto cliente de blob utilizando el nombre del blob. Estos clientes de blob pueden referirse a blobs existentes o, como en este caso, a un nuevo blob.
+
+1. Agrega el siguiente código después de esto:
+
+   ```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']
+    }
+    ```
+
+   Esto construye el cuerpo del blob que se escribirá en el almacenamiento de blobs. Es un documento JSON que contiene el ID del dispositivo, la hora en que se envió la telemetría al IoT Hub, y las coordenadas GPS de la telemetría.
+
+   > 💁 Es importante usar la hora en que el mensaje fue encolado en lugar de la hora actual para obtener la hora en que se envió el mensaje. Podría estar en el hub por un tiempo antes de ser recogido si la aplicación de funciones no está en ejecución.
+
+1. Agrega lo siguiente debajo de este código:
+
+   ```python
+    logging.info(f'Writing blob to {blob_name} - {blob_body}')
+    blob.upload_blob(json.dumps(blob_body).encode('utf-8'))
+    ```
+
+   Este código registra que un blob está a punto de ser escrito con sus detalles, y luego sube el cuerpo del blob como el contenido del nuevo blob.
+
+1. Ejecuta la aplicación de funciones. Verás que se están escribiendo blobs para todos los eventos GPS en la salida:
+
+   ```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}}
+    ```
+
+   > 💁 Asegúrate de no estar ejecutando el monitor de eventos de IoT Hub al mismo tiempo.
+
+> 💁 Puedes encontrar este código en la carpeta [code/functions](../../../../../3-transport/lessons/2-store-location-data/code/functions).
+
+### Tarea - verifica los blobs subidos
+
+1. Para ver los blobs creados, puedes usar el [Azure Storage Explorer](https://azure.microsoft.com/features/storage-explorer/?WT.mc_id=academic-17441-jabenn), una herramienta gratuita que te permite ver y administrar tus cuentas de almacenamiento, o desde la CLI.
+
+   1. Para usar la CLI, primero necesitarás una clave de cuenta. Ejecuta el siguiente comando para obtener esta clave:
+
+      ```sh
+        az storage account keys list --output table \
+                                     --account-name <storage_name>
+        ```
+
+      Sustituye `<storage_name>` por el nombre de la cuenta de almacenamiento.
+
+      Copia el valor de `key1`.
+
+   1. Ejecuta el siguiente comando para listar los blobs en el contenedor:
+
+      ```sh
+        az storage blob list --container-name gps-data \
+                             --output table \
+                             --account-name <storage_name> \
+                             --account-key <key1>
+        ```
+
+      Sustituye `<storage_name>` por el nombre de la cuenta de almacenamiento, y `<key1>` por el valor de `key1` que copiaste en el último paso.
+
+      Esto listará todos los blobs en el contenedor:
+
+      ```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. Descarga uno de los blobs utilizando el siguiente comando:
+
+      ```sh
+        az storage blob download --container-name gps-data \
+                                 --account-name <storage_name> \
+                                 --account-key <key1> \
+                                 --name <blob_name> \
+                                 --file <file_name>
+        ```
+
+      Sustituye `<storage_name>` por el nombre de la cuenta de almacenamiento, y `<key1>` por el valor de `key1` que copiaste en el paso anterior.
+
+      Sustituye `<blob_name>` por el nombre completo de la columna `Name` del resultado del último paso, incluyendo el nombre de la carpeta. Sustituye `<file_name>` por el nombre de un archivo local para guardar el blob.
+
+   Una vez descargado, puedes abrir el archivo JSON en VS Code, y verás el blob que contiene los detalles de ubicación GPS:
+
+   ```json
+    {"device_id": "gps-sensor", "timestamp": "2021-05-21T00:57:53.878Z", "gps": {"lat": 47.73092, "lon": -122.26206}}
+    ```
+
+### Tarea - implementa tu aplicación de funciones en la nube
+
+Ahora que tu aplicación de funciones está funcionando, puedes implementarla en la nube.
+
+1. Crea una nueva aplicación de Azure Functions, utilizando la cuenta de almacenamiento que creaste anteriormente. Nómbrala algo como `gps-sensor-` y agrega un identificador único al final, como algunas palabras aleatorias o tu nombre.
+
+   > ⚠️ Puedes consultar las [instrucciones para crear una aplicación de funciones del proyecto 2, lección 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources) si es necesario.
+
+1. Sube los valores de `IOT_HUB_CONNECTION_STRING` y `STORAGE_CONNECTION_STRING` a los Application Settings.
+
+   > ⚠️ Puedes consultar las [instrucciones para subir Application Settings del proyecto 2, lección 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings) si es necesario.
+
+1. Implementa tu aplicación de funciones local en la nube.
+> ⚠️ Puedes consultar las [instrucciones para implementar tu aplicación de funciones desde el proyecto 2, lección 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud) si es necesario.
+---
+
+## 🚀 Desafío
+
+Los datos de GPS no son perfectamente precisos, y las ubicaciones detectadas pueden estar desviadas por unos pocos metros, o incluso más, especialmente en túneles y áreas con edificios altos.
+
+¿Has pensado cómo la navegación por satélite podría superar esto? ¿Qué datos tiene tu sistema de navegación que podrían permitirle hacer mejores predicciones sobre tu ubicación?
+
+## Cuestionario posterior a la clase
+
+[Cuestionario posterior a la clase](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/24)
+
+## Revisión y estudio autónomo
+
+* Lee sobre datos estructurados en la [página de modelo de datos en Wikipedia](https://wikipedia.org/wiki/Data_model)
+* Lee sobre datos semiestructurados en la [página de datos semiestructurados en Wikipedia](https://wikipedia.org/wiki/Semi-structured_data)
+* Lee sobre datos no estructurados en la [página de datos no estructurados en Wikipedia](https://wikipedia.org/wiki/Unstructured_data)
+* Aprende más sobre Azure Storage y los diferentes tipos de almacenamiento en la [documentación de Azure Storage](https://docs.microsoft.com/azure/storage/?WT.mc_id=academic-17441-jabenn)
+
+## Tarea
+
+[Investiga sobre enlaces de funciones](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/3-transport/lessons/2-store-location-data/assignment.md b/translations/es/3-transport/lessons/2-store-location-data/assignment.md
new file mode 100644
index 00000000..bb51763f
--- /dev/null
+++ b/translations/es/3-transport/lessons/2-store-location-data/assignment.md
@@ -0,0 +1,33 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b2e0a965723082b068f735aec0faf3f6",
+  "translation_date": "2025-08-26T15:56:29+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/assignment.md",
+  "language_code": "es"
+}
+-->
+# Investigar enlaces de funciones
+
+## Instrucciones
+
+Los enlaces de funciones permiten que tu código guarde blobs en el almacenamiento de blobs devolviéndolos desde la función `main`. La cuenta de Azure Storage, la colección y otros detalles se configuran en el archivo `function.json`.
+
+Cuando trabajes con Azure u otras tecnologías de Microsoft, la mejor fuente de información es [la documentación de Microsoft en docs.com](https://docs.microsoft.com/?WT.mc_id=academic-17441-jabenn). En esta tarea, necesitarás leer la documentación sobre enlaces de Azure Functions para averiguar cómo configurar el enlace de salida.
+
+Algunas páginas para comenzar son:
+
+* [Conceptos de activadores y enlaces de Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python)
+* [Descripción general de los enlaces de almacenamiento de blobs para Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob?WT.mc_id=academic-17441-jabenn)
+* [Enlace de salida de almacenamiento de blobs para Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob-output?WT.mc_id=academic-17441-jabenn&tabs=python)
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejorar |
+| --------- | --------- | -------- | ---------------- |
+| Configurar el enlace de salida de almacenamiento de blobs | Fue capaz de configurar el enlace de salida, devolver el blob y almacenarlo exitosamente en el almacenamiento de blobs | Fue capaz de configurar el enlace de salida o devolver el blob, pero no logró almacenarlo exitosamente en el almacenamiento de blobs | No fue capaz de configurar el enlace de salida |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/3-transport/lessons/3-visualize-location-data/README.md b/translations/es/3-transport/lessons/3-visualize-location-data/README.md
new file mode 100644
index 00000000..d8695c88
--- /dev/null
+++ b/translations/es/3-transport/lessons/3-visualize-location-data/README.md
@@ -0,0 +1,359 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9095c61445c2bca7245ef9b59a186a11",
+  "translation_date": "2025-08-26T15:52:17+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/README.md",
+  "language_code": "es"
+}
+-->
+# Visualizar datos de ubicación
+
+![Resumen visual de esta lección](../../../../../translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.es.jpg)
+
+> Dibujo por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para verla en mayor tamaño.
+
+Este video ofrece una visión general de Azure Maps con IoT, un servicio que se cubrirá en esta lección.
+
+[![Azure Maps - La plataforma de ubicación empresarial de Microsoft Azure](https://img.youtube.com/vi/P5i2GFTtb2s/0.jpg)](https://www.youtube.com/watch?v=P5i2GFTtb2s)
+
+> 🎥 Haz clic en la imagen de arriba para ver el video
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/25)
+
+## Introducción
+
+En la lección anterior aprendiste cómo obtener datos GPS de tus sensores y guardarlos en la nube en un contenedor de almacenamiento utilizando código sin servidor. Ahora descubrirás cómo visualizar esos puntos en un mapa de Azure. Aprenderás a crear un mapa en una página web, conocer el formato de datos GeoJSON y cómo usarlo para trazar todos los puntos GPS capturados en tu mapa.
+
+En esta lección cubriremos:
+
+* [¿Qué es la visualización de datos?](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Servicios de mapas](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Crear un recurso de Azure Maps](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Mostrar un mapa en una página web](../../../../../3-transport/lessons/3-visualize-location-data)
+* [El formato GeoJSON](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Trazar datos GPS en un mapa usando GeoJSON](../../../../../3-transport/lessons/3-visualize-location-data)
+
+> 💁 Esta lección incluirá una pequeña cantidad de HTML y JavaScript. Si deseas aprender más sobre desarrollo web con HTML y JavaScript, consulta [Desarrollo web para principiantes](https://github.com/microsoft/Web-Dev-For-Beginners).
+
+## ¿Qué es la visualización de datos?
+
+La visualización de datos, como su nombre lo indica, consiste en representar datos de manera visual para que sean más fáciles de entender para los humanos. Generalmente se asocia con gráficos y tablas, pero en realidad es cualquier forma de representar datos de manera pictórica para ayudar a las personas a comprenderlos mejor y tomar decisiones.
+
+Tomemos un ejemplo simple: en el proyecto de la granja capturaste datos de humedad del suelo. Una tabla con los datos de humedad del suelo capturados cada hora el 1 de junio de 2021 podría verse así:
+
+| Fecha            | Lectura |
+| ---------------- | ------: |
+| 01/06/2021 00:00 |     257 |
+| 01/06/2021 01:00 |     268 |
+| 01/06/2021 02:00 |     295 |
+| 01/06/2021 03:00 |     305 |
+| 01/06/2021 04:00 |     325 |
+| 01/06/2021 05:00 |     359 |
+| 01/06/2021 06:00 |     398 |
+| 01/06/2021 07:00 |     410 |
+| 01/06/2021 08:00 |     429 |
+| 01/06/2021 09:00 |     451 |
+| 01/06/2021 10:00 |     460 |
+| 01/06/2021 11:00 |     452 |
+| 01/06/2021 12:00 |     420 |
+| 01/06/2021 13:00 |     408 |
+| 01/06/2021 14:00 |     431 |
+| 01/06/2021 15:00 |     462 |
+| 01/06/2021 16:00 |     432 |
+| 01/06/2021 17:00 |     402 |
+| 01/06/2021 18:00 |     387 |
+| 01/06/2021 19:00 |     360 |
+| 01/06/2021 20:00 |     358 |
+| 01/06/2021 21:00 |     354 |
+| 01/06/2021 22:00 |     356 |
+| 01/06/2021 23:00 |     362 |
+
+Para un humano, entender estos datos puede ser complicado. Es una pared de números sin mucho significado. Como primer paso para visualizar estos datos, se pueden trazar en un gráfico de líneas:
+
+![Un gráfico de líneas con los datos anteriores](../../../../../translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.es.png)
+
+Esto se puede mejorar aún más añadiendo una línea que indique cuándo se activó el sistema de riego automático al alcanzar una lectura de humedad del suelo de 450:
+
+![Un gráfico de líneas de humedad del suelo con una línea en 450](../../../../../translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.es.png)
+
+Este gráfico muestra rápidamente no solo los niveles de humedad del suelo, sino también los puntos donde se activó el sistema de riego.
+
+Los gráficos no son la única herramienta para visualizar datos. Los dispositivos IoT que rastrean el clima pueden tener aplicaciones web o móviles que visualizan las condiciones climáticas usando símbolos, como un ícono de nube para días nublados, un ícono de lluvia para días lluviosos, y así sucesivamente. Hay una gran variedad de formas de visualizar datos, algunas serias, otras divertidas.
+
+✅ Piensa en las formas en que has visto datos visualizados. ¿Qué métodos te han parecido más claros y te han permitido tomar decisiones más rápidamente?
+
+Las mejores visualizaciones permiten a los humanos tomar decisiones rápidamente. Por ejemplo, tener una pared llena de indicadores con todo tipo de lecturas de maquinaria industrial es difícil de procesar, pero una luz roja parpadeante cuando algo va mal permite a una persona tomar una decisión. ¡A veces la mejor visualización es una luz parpadeante!
+
+Cuando se trabaja con datos GPS, la visualización más clara puede ser trazar los datos en un mapa. Un mapa que muestre camiones de reparto, por ejemplo, puede ayudar a los trabajadores de una planta de procesamiento a ver cuándo llegarán los camiones. Si este mapa muestra más que solo imágenes de camiones en sus ubicaciones actuales, como el contenido de un camión, los trabajadores pueden planificar en consecuencia. Por ejemplo, si ven un camión refrigerado cerca, saben que deben preparar espacio en un frigorífico.
+
+## Servicios de mapas
+
+Trabajar con mapas es un ejercicio interesante, y hay muchas opciones disponibles como Bing Maps, Leaflet, Open Street Maps y Google Maps. En esta lección, aprenderás sobre [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) y cómo pueden mostrar tus datos GPS.
+
+![El logotipo de Azure Maps](../../../../../translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.es.png)
+
+Azure Maps es "una colección de servicios geoespaciales y SDKs que utilizan datos de mapas actualizados para proporcionar contexto geográfico a aplicaciones web y móviles". Los desarrolladores cuentan con herramientas para crear mapas hermosos e interactivos que pueden hacer cosas como proporcionar rutas de tráfico recomendadas, información sobre incidentes de tráfico, navegación en interiores, capacidades de búsqueda, información de elevación, servicios meteorológicos y más.
+
+✅ Experimenta con algunos [ejemplos de código de mapas](https://docs.microsoft.com/samples/browse?WT.mc_id=academic-17441-jabenn&products=azure-maps)
+
+Puedes mostrar los mapas como un lienzo en blanco, mosaicos, imágenes satelitales, imágenes satelitales con carreteras superpuestas, varios tipos de mapas en escala de grises, mapas con relieve sombreado para mostrar elevaciones, mapas nocturnos y mapas de alto contraste. Puedes obtener actualizaciones en tiempo real en tus mapas integrándolos con [Azure Event Grid](https://azure.microsoft.com/services/event-grid/?WT.mc_id=academic-17441-jabenn). Puedes controlar el comportamiento y la apariencia de tus mapas habilitando varios controles para que el mapa reaccione a eventos como pellizcar, arrastrar y hacer clic. Para controlar la apariencia de tu mapa, puedes agregar capas que incluyan burbujas, líneas, polígonos, mapas de calor y más. El estilo de mapa que implementes dependerá de tu elección de SDK.
+
+Puedes acceder a las APIs de Azure Maps utilizando su [REST API](https://docs.microsoft.com/javascript/api/azure-maps-rest/?WT.mc_id=academic-17441-jabenn&view=azure-maps-typescript-latest), su [Web SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-map-control?WT.mc_id=academic-17441-jabenn) o, si estás desarrollando una aplicación móvil, su [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).
+
+En esta lección, usarás el Web SDK para dibujar un mapa y mostrar la ruta de ubicación GPS de tu sensor.
+
+## Crear un recurso de Azure Maps
+
+El primer paso es crear una cuenta de Azure Maps.
+
+### Tarea - crear un recurso de Azure Maps
+
+1. Ejecuta el siguiente comando desde tu Terminal o Command Prompt para crear un recurso de Azure Maps en tu grupo de recursos `gps-sensor`:
+
+    ```sh
+    az maps account create --name gps-sensor \
+                           --resource-group gps-sensor \
+                           --accept-tos \
+                           --sku S1
+    ```
+
+    Esto creará un recurso de Azure Maps llamado `gps-sensor`. El nivel utilizado es `S1`, que es un nivel de pago que incluye una variedad de características, pero con una cantidad generosa de llamadas gratuitas.
+
+    > 💁 Para ver el costo de usar Azure Maps, consulta la [página de precios de Azure Maps](https://azure.microsoft.com/pricing/details/azure-maps/?WT.mc_id=academic-17441-jabenn).
+
+1. Necesitarás una clave API para el recurso de mapas. Usa el siguiente comando para obtener esta clave:
+
+    ```sh
+    az maps account keys list --name gps-sensor \
+                              --resource-group gps-sensor \
+                              --output table
+    ```
+
+    Copia el valor de `PrimaryKey`.
+
+## Mostrar un mapa en una página web
+
+Ahora puedes dar el siguiente paso, que es mostrar tu mapa en una página web. Usaremos solo un archivo `html` para tu pequeña aplicación web; ten en cuenta que en un entorno de producción o en equipo, tu aplicación web probablemente tendrá más partes móviles.
+
+### Tarea - mostrar un mapa en una página web
+
+1. Crea un archivo llamado index.html en una carpeta en tu computadora local. Agrega el marcado HTML para contener un mapa:
+
+    ```html
+    <html>
+    <head>
+        <style>
+            #myMap {
+                width:100%;
+                height:100%;
+            }
+        </style>
+    </head>
+    
+    <body onload="init()">
+        <div id="myMap"></div>
+    </body>
+    </html>
+    ```
+
+    El mapa se cargará en el `div` llamado `myMap`. Algunos estilos permiten que ocupe el ancho y alto de la página.
+
+    > 🎓 Un `div` es una sección de una página web que puede ser nombrada y estilizada.
+
+1. Bajo la etiqueta de apertura `<head>`, agrega una hoja de estilo externa para controlar la visualización del mapa y un script externo del Web SDK para gestionar su comportamiento:
+
+    ```html
+    <link rel="stylesheet" href="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.css" type="text/css" />
+    <script src="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.js"></script>
+    ```
+
+    Esta hoja de estilo contiene las configuraciones de cómo se ve el mapa, y el archivo de script contiene el código para cargar el mapa. Agregar este código es similar a incluir archivos de cabecera en C++ o importar módulos en Python.
+
+1. Bajo ese script, agrega un bloque de script para iniciar el mapa.
+
+    ```javascript
+    <script type='text/javascript'>
+        function init() {
+            var map = new atlas.Map('myMap', {
+                center: [-122.26473, 47.73444],
+                zoom: 12,
+                authOptions: {
+                    authType: "subscriptionKey",
+                    subscriptionKey: "<subscription_key>",
+
+                }
+            });
+        }
+    </script>
+    ```
+
+    Reemplaza `<subscription_key>` con la clave API de tu cuenta de Azure Maps.
+
+    Si abres tu archivo `index.html` en un navegador web, deberías ver un mapa cargado y centrado en el área de Seattle.
+
+    ![Un mapa que muestra Seattle, una ciudad en el estado de Washington, EE. UU.](../../../../../translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.es.png)
+
+    ✅ Experimenta con los parámetros de zoom y centro para cambiar la visualización de tu mapa. Puedes agregar diferentes coordenadas correspondientes a la latitud y longitud de tus datos para re-centrar el mapa.
+
+> 💁 Una mejor manera de trabajar con aplicaciones web localmente es instalar [http-server](https://www.npmjs.com/package/http-server). Necesitarás tener [node.js](https://nodejs.org/) y [npm](https://www.npmjs.com/) instalados antes de usar esta herramienta. Una vez que estas herramientas estén instaladas, puedes navegar a la ubicación de tu archivo `index.html` y escribir `http-server`. La aplicación web se abrirá en un servidor web local [http://127.0.0.1:8080/](http://127.0.0.1:8080/).
+
+## El formato GeoJSON
+
+Ahora que tienes tu aplicación web en funcionamiento con el mapa mostrado, necesitas extraer datos GPS de tu cuenta de almacenamiento y mostrarlos en una capa de marcadores sobre el mapa. Antes de hacer eso, echemos un vistazo al formato [GeoJSON](https://wikipedia.org/wiki/GeoJSON) que requiere Azure Maps.
+
+[GeoJSON](https://geojson.org/) es un estándar abierto de especificación JSON con un formato especial diseñado para manejar datos específicos geográficos. Puedes aprender sobre él probando datos de ejemplo usando [geojson.io](https://geojson.io), que también es una herramienta útil para depurar archivos GeoJSON.
+
+Los datos de ejemplo de GeoJSON se ven así:
+
+```json
+{
+  "type": "FeatureCollection",
+  "features": [
+    {
+      "type": "Feature",
+      "geometry": {
+        "type": "Point",
+        "coordinates": [
+          -2.10237979888916,
+          57.164918677004714
+        ]
+      }
+    }
+  ]
+}
+```
+
+De particular interés es la forma en que los datos están anidados como un `Feature` dentro de un `FeatureCollection`. Dentro de ese objeto se encuentra `geometry` con las `coordinates` que indican latitud y longitud.
+
+✅ Al construir tu GeoJSON, presta atención al orden de `latitude` y `longitude` en el objeto, o tus puntos no aparecerán donde deberían. GeoJSON espera datos en el orden `lon,lat` para puntos, no `lat,lon`.
+
+`Geometry` puede tener diferentes tipos, como un solo punto o un polígono. En este ejemplo, es un punto con dos coordenadas especificadas: la longitud y la latitud.
+✅ Azure Maps admite GeoJSON estándar además de algunas [funciones mejoradas](https://docs.microsoft.com/azure/azure-maps/extend-geojson?WT.mc_id=academic-17441-jabenn), incluyendo la capacidad de dibujar círculos y otras geometrías.
+
+## Representar datos GPS en un mapa usando GeoJSON
+
+Ahora estás listo para consumir los datos del almacenamiento que creaste en la lección anterior. Como recordatorio, los datos están almacenados en varios archivos en un almacenamiento de blobs, por lo que necesitarás recuperar los archivos y analizarlos para que Azure Maps pueda utilizarlos.
+
+### Tarea - configurar el almacenamiento para ser accesible desde una página web
+
+Si haces una llamada a tu almacenamiento para obtener los datos, podrías sorprenderte al ver errores en la consola de tu navegador. Esto se debe a que necesitas configurar los permisos de [CORS](https://developer.mozilla.org/docs/Web/HTTP/CORS) en este almacenamiento para permitir que aplicaciones web externas lean sus datos.
+
+> 🎓 CORS significa "Intercambio de Recursos de Origen Cruzado" y generalmente necesita configurarse explícitamente en Azure por razones de seguridad. Esto evita que sitios no esperados puedan acceder a tus datos.
+
+1. Ejecuta el siguiente comando para habilitar CORS:
+
+    ```sh
+    az storage cors add --methods GET \
+                        --origins "*" \
+                        --services b \
+                        --account-name <storage_name> \
+                        --account-key <key1>
+    ```
+
+    Sustituye `<storage_name>` por el nombre de tu cuenta de almacenamiento. Sustituye `<key1>` por la clave de cuenta de tu almacenamiento.
+
+    Este comando permite que cualquier sitio web (el comodín `*` significa cualquiera) realice una solicitud *GET*, es decir, obtenga datos de tu cuenta de almacenamiento. El parámetro `--services b` significa que esta configuración solo se aplica a los blobs.
+
+### Tarea - cargar los datos GPS desde el almacenamiento
+
+1. Sustituye todo el contenido de la función `init` con el siguiente código:
+
+    ```javascript
+    fetch("https://<storage_name>.blob.core.windows.net/gps-data/?restype=container&comp=list")
+        .then(response => response.text())
+        .then(str => new window.DOMParser().parseFromString(str, "text/xml"))
+        .then(xml => {
+            let blobList = Array.from(xml.querySelectorAll("Url"));
+                blobList.forEach(async blobUrl => {
+                    loadJSON(blobUrl.innerHTML)                
+        });
+    })
+    .then( response => {
+        map = new atlas.Map('myMap', {
+            center: [-122.26473, 47.73444],
+            zoom: 14,
+            authOptions: {
+                authType: "subscriptionKey",
+                subscriptionKey: "<subscription_key>",
+    
+            }
+        });
+        map.events.add('ready', function () {
+            var source = new atlas.source.DataSource();
+            map.sources.add(source);
+            map.layers.add(new atlas.layer.BubbleLayer(source));
+            source.add(features);
+        })
+    })
+    ```
+
+    Sustituye `<storage_name>` por el nombre de tu cuenta de almacenamiento. Sustituye `<subscription_key>` por la clave API de tu cuenta de Azure Maps.
+
+    Aquí están ocurriendo varias cosas. Primero, el código recupera tus datos GPS desde tu contenedor de blobs utilizando un endpoint URL construido con el nombre de tu cuenta de almacenamiento. Esta URL recupera desde `gps-data`, indicando que el tipo de recurso es un contenedor (`restype=container`), y lista información sobre todos los blobs. Esta lista no devolverá los blobs en sí, pero proporcionará una URL para cada blob que puede ser utilizada para cargar los datos del blob.
+
+    > 💁 Puedes poner esta URL en tu navegador para ver detalles de todos los blobs en tu contenedor. Cada elemento tendrá una propiedad `Url` que también puedes cargar en tu navegador para ver el contenido del blob.
+
+    Este código luego carga cada blob, llamando a una función `loadJSON`, que será creada a continuación. Luego crea el control del mapa y agrega código al evento `ready`. Este evento se llama cuando el mapa se muestra en la página web.
+
+    El evento `ready` crea una fuente de datos de Azure Maps: un contenedor que contiene datos GeoJSON que se poblarán más adelante. Esta fuente de datos luego se utiliza para crear una capa de burbujas, es decir, un conjunto de círculos en el mapa centrados en cada punto del GeoJSON.
+
+1. Agrega la función `loadJSON` a tu bloque de script, debajo de la función `init`:
+
+    ```javascript
+    var map, features;
+
+    function loadJSON(file) {
+        var xhr = new XMLHttpRequest();
+        features = [];
+        xhr.onreadystatechange = function () {
+            if (xhr.readyState === XMLHttpRequest.DONE) {
+                if (xhr.status === 200) {
+                    gps = JSON.parse(xhr.responseText)
+                    features.push(
+                        new atlas.data.Feature(new atlas.data.Point([parseFloat(gps.gps.lon), parseFloat(gps.gps.lat)]))
+                    )
+                }
+            }
+        };
+        xhr.open("GET", file, true);
+        xhr.send();
+    }    
+    ```
+
+    Esta función es llamada por la rutina de recuperación para analizar los datos JSON y convertirlos en coordenadas de longitud y latitud como GeoJSON. 
+    Una vez analizados, los datos se configuran como parte de una `Feature` de GeoJSON. El mapa se inicializará y aparecerán pequeñas burbujas alrededor del camino que tus datos están trazando:
+
+1. Carga la página HTML en tu navegador. Se cargará el mapa, luego se cargarán todos los datos GPS desde el almacenamiento y se representarán en el mapa.
+
+    ![Un mapa del parque estatal Saint Edward cerca de Seattle, con círculos mostrando un camino alrededor del borde del parque](../../../../../translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.es.png)
+
+> 💁 Puedes encontrar este código en la [carpeta de código](../../../../../3-transport/lessons/3-visualize-location-data/code).
+
+---
+
+## 🚀 Desafío
+
+Es genial poder mostrar datos estáticos en un mapa como marcadores. ¿Puedes mejorar esta aplicación web para agregar animación y mostrar el recorrido de los marcadores a lo largo del tiempo, utilizando los archivos JSON con marcas de tiempo? Aquí tienes [algunos ejemplos](https://azuremapscodesamples.azurewebsites.net/) de cómo usar animaciones en mapas.
+
+## Cuestionario posterior a la lección
+
+[Cuestionario posterior a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/26)
+
+## Revisión y autoestudio
+
+Azure Maps es particularmente útil para trabajar con dispositivos IoT.
+
+* Investiga algunos de los usos en la [documentación de Azure Maps en Microsoft docs](https://docs.microsoft.com/azure/azure-maps/tutorial-iot-hub-maps?WT.mc_id=academic-17441-jabenn).
+* Profundiza tu conocimiento sobre la creación de mapas y puntos de referencia con el [módulo de aprendizaje autodirigido sobre cómo crear tu primera aplicación de búsqueda de rutas con Azure Maps en Microsoft Learn](https://docs.microsoft.com/learn/modules/create-your-first-app-with-azure-maps/?WT.mc_id=academic-17441-jabenn).
+
+## Tarea
+
+[Despliega tu aplicación](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/3-transport/lessons/3-visualize-location-data/assignment.md b/translations/es/3-transport/lessons/3-visualize-location-data/assignment.md
new file mode 100644
index 00000000..890c3516
--- /dev/null
+++ b/translations/es/3-transport/lessons/3-visualize-location-data/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ccdc1faa676a485c4c6ecbddb9f9067",
+  "translation_date": "2025-08-26T15:53:30+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/assignment.md",
+  "language_code": "es"
+}
+-->
+# Despliega tu aplicación
+
+## Instrucciones
+
+Existen varias formas de desplegar tu aplicación para compartirla con el mundo, incluyendo el uso de GitHub Pages o de uno de los muchos proveedores de servicios disponibles. Una forma realmente excelente de hacerlo es utilizando Azure Static Web Apps. En esta tarea, construye tu aplicación web y desplíegala en la nube siguiendo [estas instrucciones](https://github.com/Azure/static-web-apps-cli) o viendo [estos videos](https://www.youtube.com/watch?v=ADVGIXciYn8&list=PLlrxD0HtieHgMPeBaDQFx9yNuFxx6S1VG&index=3).  
+Una ventaja de usar Azure Static Web Apps es que puedes ocultar cualquier clave de API en el portal, así que aprovecha esta oportunidad para refactorizar tu subscriptionKey como una variable y almacenarla en la nube.
+
+## Rúbrica
+
+| Criterios | Sobresaliente                                                                                                                          | Adecuado                                                                                                           | Necesita Mejorar                                   |
+| --------- | --------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------ | ------------------------------------------------- |
+|           | Se presenta una aplicación web funcional en un repositorio de GitHub documentado con su subscriptionKey almacenada en la nube y llamada mediante una variable | Se presenta una aplicación web funcional en un repositorio de GitHub documentado, pero su subscriptionKey no está almacenada en la nube | La aplicación web contiene errores o no funciona correctamente |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/3-transport/lessons/4-geofences/README.md b/translations/es/3-transport/lessons/4-geofences/README.md
new file mode 100644
index 00000000..704a340c
--- /dev/null
+++ b/translations/es/3-transport/lessons/4-geofences/README.md
@@ -0,0 +1,488 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "078ae664c7b686bf069545e9a5fc95b2",
+  "translation_date": "2025-08-26T15:44:11+00:00",
+  "source_file": "3-transport/lessons/4-geofences/README.md",
+  "language_code": "es"
+}
+-->
+# Geocercas
+
+![Una vista general de esta lección en formato sketchnote](../../../../../translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.es.jpg)
+
+> Sketchnote por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+Este video ofrece una vista general de las geocercas y cómo utilizarlas en Azure Maps, temas que se cubrirán en esta lección:
+
+[![Geocercas con Azure Maps en el programa Microsoft Developer IoT](https://img.youtube.com/vi/nsrgYhaYNVY/0.jpg)](https://www.youtube.com/watch?v=nsrgYhaYNVY)
+
+> 🎥 Haz clic en la imagen de arriba para ver el video
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/27)
+
+## Introducción
+
+En las últimas 3 lecciones, has utilizado IoT para localizar los camiones que transportan tus productos desde tu granja hasta un centro de procesamiento. Has capturado datos GPS, los has enviado a la nube para almacenarlos y los has visualizado en un mapa. El siguiente paso para aumentar la eficiencia de tu cadena de suministro es recibir una alerta cuando un camión esté a punto de llegar al centro de procesamiento, de modo que el equipo necesario para descargar pueda estar listo con montacargas y otros equipos tan pronto como el vehículo llegue. De esta manera, pueden descargar rápidamente y no estarás pagando por un camión y conductor que estén esperando.
+
+En esta lección aprenderás sobre las geocercas: regiones geoespaciales definidas, como un área dentro de un radio de 2 km alrededor de un centro de procesamiento, y cómo probar si las coordenadas GPS están dentro o fuera de una geocerca, para que puedas saber si tu sensor GPS ha llegado o salido de un área.
+
+En esta lección cubriremos:
+
+* [Qué son las geocercas](../../../../../3-transport/lessons/4-geofences)
+* [Definir una geocerca](../../../../../3-transport/lessons/4-geofences)
+* [Probar puntos contra una geocerca](../../../../../3-transport/lessons/4-geofences)
+* [Usar geocercas desde código sin servidor](../../../../../3-transport/lessons/4-geofences)
+
+> 🗑 Esta es la última lección de este proyecto, así que después de completar esta lección y la tarea, no olvides limpiar tus servicios en la nube. Necesitarás los servicios para completar la tarea, así que asegúrate de completar eso primero.
+>
+> Consulta [la guía para limpiar tu proyecto](../../../clean-up.md) si necesitas instrucciones sobre cómo hacerlo.
+
+## Qué son las geocercas
+
+Una geocerca es un perímetro virtual para una región geográfica del mundo real. Las geocercas pueden ser círculos definidos como un punto y un radio (por ejemplo, un círculo de 100m alrededor de un edificio), o un polígono que cubre un área como una zona escolar, límites de una ciudad, o un campus universitario o de oficinas.
+
+![Algunos ejemplos de geocercas mostrando una geocerca circular alrededor de la tienda de Microsoft y una geocerca poligonal alrededor del campus oeste de Microsoft](../../../../../translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.es.png)
+
+> 💁 Puede que ya hayas usado geocercas sin saberlo. Si has configurado un recordatorio usando la aplicación de recordatorios de iOS o Google Keep basado en una ubicación, has utilizado una geocerca. Estas aplicaciones configuran una geocerca basada en la ubicación dada y te alertan cuando tu teléfono entra en la geocerca.
+
+Hay muchas razones por las que querrías saber si un vehículo está dentro o fuera de una geocerca:
+
+* Preparación para la descarga: recibir una notificación de que un vehículo ha llegado al sitio permite que el equipo esté preparado para descargar el vehículo, reduciendo el tiempo de espera del vehículo. Esto puede permitir que un conductor haga más entregas en un día con menos tiempo de espera.
+* Cumplimiento fiscal: algunos países, como Nueva Zelanda, cobran impuestos de carretera para vehículos diésel basados en el peso del vehículo cuando circulan solo por carreteras públicas. Usar geocercas permite rastrear el kilometraje recorrido en carreteras públicas en lugar de privadas, como granjas o áreas de tala.
+* Monitoreo de robos: si un vehículo solo debe permanecer en un área específica, como una granja, y sale de la geocerca, podría haber sido robado.
+* Cumplimiento de ubicación: algunas partes de un sitio de trabajo, granja o fábrica pueden estar fuera de los límites para ciertos vehículos, como mantener vehículos que transportan fertilizantes artificiales y pesticidas lejos de campos que cultivan productos orgánicos. Si se entra en una geocerca, entonces un vehículo está fuera de cumplimiento y se puede notificar al conductor.
+
+✅ ¿Puedes pensar en otros usos para las geocercas?
+
+Azure Maps, el servicio que utilizaste en la última lección para visualizar datos GPS, te permite definir geocercas y luego probar si un punto está dentro o fuera de la geocerca.
+
+## Definir una geocerca
+
+Las geocercas se definen utilizando GeoJSON, igual que los puntos que se agregaron al mapa en la lección anterior. En este caso, en lugar de ser una `FeatureCollection` de valores `Point`, es una `FeatureCollection` que contiene un `Polygon`.
+
+```json
+{
+   "type": "FeatureCollection",
+   "features": [
+     {
+       "type": "Feature",
+       "geometry": {
+         "type": "Polygon",
+         "coordinates": [
+           [
+             [
+               -122.13393688201903,
+               47.63829579223815
+             ],
+             [
+               -122.13389128446579,
+               47.63782047131512
+             ],
+             [
+               -122.13240802288054,
+               47.63783312249837
+             ],
+             [
+               -122.13238388299942,
+               47.63829037035086
+             ],
+             [
+               -122.13393688201903,
+               47.63829579223815
+             ]
+           ]
+         ]
+       },
+       "properties": {
+         "geometryId": "1"
+       }
+     }
+   ]
+}
+```
+
+Cada punto en el polígono se define como un par de longitud y latitud en un arreglo, y estos puntos están en un arreglo que se establece como las `coordinates`. En un `Point` en la lección anterior, las `coordinates` eran un arreglo que contenía 2 valores, latitud y longitud. Para un `Polygon`, es un arreglo de arreglos que contiene 2 valores, longitud y latitud.
+
+> 💁 Recuerda, GeoJSON utiliza `longitud, latitud` para los puntos, no `latitud, longitud`.
+
+El arreglo de coordenadas del polígono siempre tiene 1 entrada más que el número de puntos en el polígono, siendo la última entrada igual a la primera, cerrando el polígono. Por ejemplo, para un rectángulo habría 5 puntos.
+
+![Un rectángulo con coordenadas](../../../../../translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.es.png)
+
+En la imagen de arriba, hay un rectángulo. Las coordenadas del polígono comienzan en la esquina superior izquierda en 47,-122, luego se mueven hacia la derecha a 47,-121, luego hacia abajo a 46,-121, luego hacia la izquierda a 46,-122, y finalmente de vuelta al punto inicial en 47,-122. Esto da al polígono 5 puntos: superior izquierda, superior derecha, inferior derecha, inferior izquierda y nuevamente superior izquierda para cerrarlo.
+
+✅ Intenta crear un polígono GeoJSON alrededor de tu casa o escuela. Usa una herramienta como [GeoJSON.io](https://geojson.io/).
+
+### Tarea - definir una geocerca
+
+Para usar una geocerca en Azure Maps, primero debe cargarse en tu cuenta de Azure Maps. Una vez cargada, obtendrás un ID único que puedes usar para probar un punto contra la geocerca. Para cargar geocercas en Azure Maps, necesitas usar la API web de mapas. Puedes llamar a la API web de Azure Maps utilizando una herramienta llamada [curl](https://curl.se).
+
+> 🎓 Curl es una herramienta de línea de comandos para realizar solicitudes contra puntos finales web.
+
+1. Si estás usando Linux, macOS o una versión reciente de Windows 10, probablemente ya tengas curl instalado. Ejecuta lo siguiente desde tu terminal o línea de comandos para verificar:
+
+    ```sh
+    curl --version
+    ```
+
+    Si no ves información de versión para curl, necesitarás instalarlo desde la [página de descargas de curl](https://curl.se/download.html).
+
+    > 💁 Si tienes experiencia con Postman, puedes usarlo en su lugar si lo prefieres.
+
+1. Crea un archivo GeoJSON que contenga un polígono. Lo probarás utilizando tu sensor GPS, así que crea un polígono alrededor de tu ubicación actual. Puedes crearlo manualmente editando el ejemplo de GeoJSON dado arriba o usar una herramienta como [GeoJSON.io](https://geojson.io/).
+
+    El GeoJSON necesitará contener una `FeatureCollection`, que contenga una `Feature` con una `geometry` de tipo `Polygon`.
+
+    También **DEBES** agregar un elemento `properties` al mismo nivel que el elemento `geometry`, y este debe contener un `geometryId`:
+
+    ```json
+    "properties": {
+        "geometryId": "1"
+    }
+    ```
+
+    Si usas [GeoJSON.io](https://geojson.io/), tendrás que agregar manualmente este elemento al elemento `properties` vacío, ya sea después de descargar el archivo JSON o en el editor JSON de la aplicación.
+
+    Este `geometryId` debe ser único en este archivo. Puedes cargar múltiples geocercas como múltiples `Features` en la `FeatureCollection` en el mismo archivo GeoJSON, siempre que cada una tenga un `geometryId` diferente. Los polígonos pueden tener el mismo `geometryId` si se cargan desde un archivo diferente en un momento diferente.
+
+1. Guarda este archivo como `geofence.json` y navega a donde está guardado en tu terminal o consola.
+
+1. Ejecuta el siguiente comando curl para crear la geocerca:
+
+    ```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
+    ```
+
+    Reemplaza `<subscription_key>` en la URL con la clave API de tu cuenta de Azure Maps.
+
+    La URL se utiliza para cargar datos de mapas a través de la API `https://atlas.microsoft.com/mapData/upload`. La llamada incluye un parámetro `api-version` para especificar qué API de Azure Maps usar, esto es para permitir que la API cambie con el tiempo pero mantenga compatibilidad hacia atrás. El formato de datos que se carga se establece como `geojson`.
+
+    Esto ejecutará la solicitud POST a la API de carga y devolverá una lista de encabezados de respuesta que incluye un encabezado llamado `location`.
+
+    ```output
+    content-type: application/json
+    location: https://us.atlas.microsoft.com/mapData/operations/1560ced6-3a80-46f2-84b2-5b1531820eab?api-version=1.0
+    x-ms-azuremaps-region: West US 2
+    x-content-type-options: nosniff
+    strict-transport-security: max-age=31536000; includeSubDomains
+    x-cache: CONFIG_NOCACHE
+    date: Sat, 22 May 2021 21:34:57 GMT
+    content-length: 0
+    ```
+
+    > 🎓 Al llamar a un punto final web, puedes pasar parámetros a la llamada agregando un `?` seguido de pares clave-valor como `key=value`, separando los pares clave-valor con un `&`.
+
+1. Azure Maps no procesa esto de inmediato, por lo que necesitarás verificar si la solicitud de carga ha terminado utilizando la URL dada en el encabezado `location`. Haz una solicitud GET a esta ubicación para ver el estado. Necesitarás agregar tu clave de suscripción al final de la URL `location` agregando `&subscription-key=<subscription_key>` al final, reemplazando `<subscription_key>` con la clave API de tu cuenta de Azure Maps. Ejecuta el siguiente comando:
+
+    ```sh
+    curl --request GET '<location>&subscription-key=<subscription_key>'
+    ```
+
+    Reemplaza `<location>` con el valor del encabezado `location` y `<subscription_key>` con la clave API de tu cuenta de Azure Maps.
+
+1. Verifica el valor de `status` en la respuesta. Si no es `Succeeded`, espera un minuto e intenta nuevamente.
+
+1. Una vez que el estado regrese como `Succeeded`, observa el `resourceLocation` de la respuesta. Esto contiene detalles sobre el ID único (conocido como UDID) para el objeto GeoJSON. El UDID es el valor después de `metadata/`, y no incluye el `api-version`. Por ejemplo, si el `resourceLocation` fuera:
+
+    ```json
+    {
+      "resourceLocation": "https://us.atlas.microsoft.com/mapData/metadata/7c3776eb-da87-4c52-ae83-caadf980323a?api-version=1.0"
+    }
+    ```
+
+    Entonces el UDID sería `7c3776eb-da87-4c52-ae83-caadf980323a`.
+
+    Guarda una copia de este UDID ya que lo necesitarás para probar la geocerca.
+
+## Probar puntos contra una geocerca
+
+Una vez que el polígono se ha cargado en Azure Maps, puedes probar un punto para ver si está dentro o fuera de la geocerca. Esto se hace realizando una solicitud a la API web, pasando el UDID de la geocerca y la latitud y longitud del punto a probar.
+
+Cuando realizas esta solicitud, también puedes pasar un valor llamado `searchBuffer`. Esto indica a la API de Maps qué tan precisa debe ser al devolver resultados. La razón de esto es que el GPS no es perfectamente preciso y, a veces, las ubicaciones pueden estar desviadas por metros o más. El valor predeterminado para el search buffer es de 50m, pero puedes establecer valores de 0m a 500m.
+
+Cuando se devuelven los resultados de la llamada a la API, una de las partes del resultado es una `distance` medida al punto más cercano en el borde de la geocerca, con un valor positivo si el punto está fuera de la geocerca y negativo si está dentro de la geocerca. Si esta distancia es menor que el search buffer, se devuelve la distancia real en metros; de lo contrario, el valor es 999 o -999. 999 significa que el punto está fuera de la geocerca por más del search buffer, -999 significa que está dentro de la geocerca por más del search buffer.
+
+![Una geocerca con un search buffer de 50m alrededor](../../../../../translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.es.png)
+
+En la imagen de arriba, la geocerca tiene un search buffer de 50m.
+
+* Un punto en el centro de la geocerca, bien dentro del search buffer, tiene una distancia de **-999**.
+* Un punto bien fuera del search buffer tiene una distancia de **999**.
+* Un punto dentro de la geocerca y dentro del search buffer, a 6m de la geocerca, tiene una distancia de **6m**.
+* Un punto fuera de la geocerca y dentro del search buffer, a 39m de la geocerca, tiene una distancia de **39m**.
+
+Es importante conocer la distancia al borde de la geocerca y combinar esto con otra información, como otras lecturas de GPS, velocidad y datos de carreteras, al tomar decisiones basadas en la ubicación de un vehículo.
+
+Por ejemplo, imagina lecturas de GPS que muestran que un vehículo estaba conduciendo por una carretera que termina corriendo junto a una geocerca. Si un único valor de GPS es inexacto y coloca el vehículo dentro de la geocerca, a pesar de que no hay acceso vehicular, entonces puede ignorarse.
+
+![Un rastro de GPS mostrando un vehículo pasando por el campus de Microsoft en la 520, con lecturas de GPS a lo largo de la carretera excepto una en el campus, dentro de una geocerca](../../../../../translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.es.png)
+En la imagen anterior, hay una geocerca sobre parte del campus de Microsoft. La línea roja muestra un camión conduciendo a lo largo de la 520, con círculos que representan las lecturas de GPS. La mayoría de estas son precisas y están a lo largo de la 520, con una lectura inexacta dentro de la geocerca. No hay forma de que esa lectura sea correcta: no hay carreteras para que el camión se desvíe repentinamente de la 520 hacia el campus y luego regrese a la 520. El código que verifica esta geocerca necesitará tomar en cuenta las lecturas previas antes de actuar sobre los resultados de la prueba de la geocerca.
+
+✅ ¿Qué datos adicionales necesitarías verificar para determinar si una lectura de GPS puede considerarse correcta?
+
+### Tarea - probar puntos contra una geocerca
+
+1. Comienza construyendo la URL para la consulta de la API web. El formato es:
+
+    ```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>
+    ```
+
+    Reemplaza `<subscription_key>` con la clave de API de tu cuenta de Azure Maps.
+
+    Reemplaza `<UDID>` con el UDID de la geocerca de la tarea anterior.
+
+    Reemplaza `<lat>` y `<lon>` con la latitud y longitud que deseas probar.
+
+    Esta URL utiliza la API `https://atlas.microsoft.com/spatial/geofence/json` para consultar una geocerca definida usando GeoJSON. Apunta a la versión de API `1.0`. El parámetro `deviceId` es obligatorio y debe ser el nombre del dispositivo del que provienen la latitud y longitud.
+
+    El búfer de búsqueda predeterminado es de 50m, y puedes cambiarlo pasando un parámetro adicional de `searchBuffer=<distance>`, configurando `<distance>` como la distancia del búfer de búsqueda en metros, de 0 a 500.
+
+1. Usa curl para realizar una solicitud GET a esta URL:
+
+    ```sh
+    curl --request GET '<URL>'
+    ```
+
+    > 💁 Si obtienes un código de respuesta de `BadRequest`, con un error de:
+    >
+    > ```output
+    > Invalid GeoJSON: All feature properties should contain a geometryId, which is used for identifying the geofence.
+    > ```
+    >
+    > entonces tu GeoJSON está perdiendo la sección `properties` con el `geometryId`. Necesitarás corregir tu GeoJSON, luego repetir los pasos anteriores para volver a cargarlo y obtener un nuevo UDID.
+
+1. La respuesta contendrá una lista de `geometries`, una para cada polígono definido en el GeoJSON utilizado para crear la geocerca. Cada geometría tiene 3 campos de interés: `distance`, `nearestLat` y `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` y `nearestLon` son la latitud y longitud de un punto en el borde de la geocerca que está más cerca de la ubicación que se está probando.
+
+    * `distance` es la distancia desde la ubicación que se está probando hasta el punto más cercano en el borde de la geocerca. Los números negativos significan dentro de la geocerca, los positivos fuera. Este valor será menor que 50 (el búfer de búsqueda predeterminado), o 999.
+
+1. Repite esto varias veces con ubicaciones dentro y fuera de la geocerca.
+
+## Usar geocercas desde código sin servidor
+
+Ahora puedes agregar un nuevo disparador a tu aplicación de Functions para probar los datos de eventos GPS del IoT Hub contra la geocerca.
+
+### Grupos de consumidores
+
+Como recordarás de lecciones anteriores, el IoT Hub te permitirá reproducir eventos que han sido recibidos por el hub pero no procesados. Pero, ¿qué pasaría si se conectaran múltiples disparadores? ¿Cómo sabrá cuál ha procesado qué eventos?
+
+La respuesta es que no puede. En su lugar, puedes definir múltiples conexiones separadas para leer eventos, y cada una puede gestionar la reproducción de mensajes no leídos. Estos se llaman *grupos de consumidores*. Cuando te conectas al punto de conexión, puedes especificar a qué grupo de consumidores deseas conectarte. Cada componente de tu aplicación se conectará a un grupo de consumidores diferente.
+
+![Un IoT Hub con 3 grupos de consumidores distribuyendo los mismos mensajes a 3 diferentes aplicaciones de Functions](../../../../../translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.es.png)
+
+En teoría, hasta 5 aplicaciones pueden conectarse a cada grupo de consumidores, y todas recibirán mensajes cuando lleguen. Es una buena práctica tener solo una aplicación accediendo a cada grupo de consumidores para evitar el procesamiento duplicado de mensajes y asegurarse de que, al reiniciar, todos los mensajes en cola se procesen correctamente. Por ejemplo, si lanzas tu aplicación de Functions localmente además de ejecutarla en la nube, ambas procesarían mensajes, lo que llevaría a blobs duplicados almacenados en la cuenta de almacenamiento.
+
+Si revisas el archivo `function.json` para el disparador del IoT Hub que creaste en una lección anterior, verás el grupo de consumidores en la sección de enlace del disparador del Event Hub:
+
+```json
+"consumerGroup": "$Default"
+```
+
+Cuando creas un IoT Hub, obtienes el grupo de consumidores `$Default` creado por defecto. Si deseas agregar un disparador adicional, puedes hacerlo usando un nuevo grupo de consumidores.
+
+> 💁 En esta lección, usarás una función diferente para probar la geocerca a la utilizada para almacenar los datos de GPS. Esto es para mostrar cómo usar grupos de consumidores y separar el código para hacerlo más fácil de leer y entender. En una aplicación de producción hay muchas formas en que podrías diseñar esto: poner ambos en una función, usar un disparador en la cuenta de almacenamiento para ejecutar una función para verificar la geocerca, o usar múltiples funciones. No hay una "forma correcta", depende del resto de tu aplicación y tus necesidades.
+
+### Tarea - crear un nuevo grupo de consumidores
+
+1. Ejecuta el siguiente comando para crear un nuevo grupo de consumidores llamado `geofence` para tu IoT Hub:
+
+    ```sh
+    az iot hub consumer-group create --name geofence \
+                                     --hub-name <hub_name>
+    ```
+
+    Reemplaza `<hub_name>` con el nombre que usaste para tu IoT Hub.
+
+1. Si deseas ver todos los grupos de consumidores para un IoT Hub, ejecuta el siguiente comando:
+
+    ```sh
+    az iot hub consumer-group list --output table \
+                                   --hub-name <hub_name>
+    ```
+
+    Reemplaza `<hub_name>` con el nombre que usaste para tu IoT Hub. Esto listará todos los grupos de consumidores.
+
+    ```output
+    Name      ResourceGroup
+    --------  ---------------
+    $Default  gps-sensor
+    geofence  gps-sensor
+    ```
+
+> 💁 Cuando ejecutaste el monitor de eventos del IoT Hub en una lección anterior, se conectó al grupo de consumidores `$Default`. Por esta razón, no puedes ejecutar el monitor de eventos y un disparador de eventos. Si deseas ejecutar ambos, entonces puedes usar otros grupos de consumidores para todas tus aplicaciones de Functions y mantener `$Default` para el monitor de eventos.
+
+### Tarea - crear un nuevo disparador del IoT Hub
+
+1. Agrega un nuevo disparador de eventos del IoT Hub a tu aplicación de función `gps-trigger` que creaste en una lección anterior. Llama a esta función `geofence-trigger`.
+
+    > ⚠️ Puedes consultar [las instrucciones para crear un disparador de eventos del IoT Hub del proyecto 2, lección 5 si es necesario](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger).
+
+1. Configura la cadena de conexión del IoT Hub en el archivo `function.json`. El archivo `local.settings.json` se comparte entre todos los disparadores en la aplicación de Functions.
+
+1. Actualiza el valor de `consumerGroup` en el archivo `function.json` para referenciar el nuevo grupo de consumidores `geofence`:
+
+    ```json
+    "consumerGroup": "geofence"
+    ```
+
+1. Necesitarás usar la clave de suscripción para tu cuenta de Azure Maps en este disparador, así que agrega una nueva entrada al archivo `local.settings.json` llamada `MAPS_KEY`.
+
+1. Ejecuta la aplicación de Functions para asegurarte de que se está conectando y procesando mensajes. El `iot-hub-trigger` de la lección anterior también se ejecutará y cargará blobs en el almacenamiento.
+
+    > Para evitar lecturas duplicadas de GPS en el almacenamiento de blobs, puedes detener la aplicación de Functions que tienes ejecutándose en la nube. Para hacerlo, usa el siguiente comando:
+    >
+    > ```sh
+    > az functionapp stop --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > Reemplaza `<functions_app_name>` con el nombre que usaste para tu aplicación de Functions.
+    >
+    > Puedes reiniciarla más tarde con el siguiente comando:
+    >
+    > ```sh
+    > az functionapp start --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > Reemplaza `<functions_app_name>` con el nombre que usaste para tu aplicación de Functions.
+
+### Tarea - probar la geocerca desde el disparador
+
+Anteriormente en esta lección usaste curl para consultar una geocerca y ver si un punto estaba dentro o fuera. Puedes hacer una solicitud web similar desde dentro de tu disparador.
+
+1. Para consultar la geocerca, necesitas su UDID. Agrega una nueva entrada al archivo `local.settings.json` llamada `GEOFENCE_UDID` con este valor.
+
+1. Abre el archivo `__init__.py` del nuevo disparador `geofence-trigger`.
+
+1. Agrega la siguiente importación al inicio del archivo:
+
+    ```python
+    import json
+    import os
+    import requests
+    ```
+
+    El paquete `requests` te permite realizar llamadas a la API web. Azure Maps no tiene un SDK para Python, necesitas hacer llamadas a la API web para usarlo desde código Python.
+
+1. Agrega las siguientes 2 líneas al inicio del método `main` para obtener la clave de suscripción de Maps:
+
+    ```python
+    maps_key = os.environ['MAPS_KEY']
+    geofence_udid = os.environ['GEOFENCE_UDID']    
+    ```
+
+1. Dentro del bucle `for event in events`, agrega lo siguiente para obtener la latitud y longitud de cada evento:
+
+    ```python
+    event_body = json.loads(event.get_body().decode('utf-8'))
+    lat = event_body['gps']['lat']
+    lon = event_body['gps']['lon']
+    ```
+
+    Este código convierte el JSON del cuerpo del evento en un diccionario, luego extrae la `lat` y `lon` del campo `gps`.
+
+1. Al usar `requests`, en lugar de construir una URL larga como hiciste con curl, puedes usar solo la parte de la URL y pasar los parámetros como un diccionario. Agrega el siguiente código para definir la URL a llamar y configurar los parámetros:
+
+    ```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
+    }
+    ```
+
+    Los elementos en el diccionario `params` coincidirán con los pares clave-valor que usaste al llamar a la API web mediante curl.
+
+1. Agrega las siguientes líneas de código para llamar a la API web:
+
+    ```python
+    response = requests.get(url, params=params)
+    response_body = json.loads(response.text)
+    ```
+
+    Esto llama a la URL con los parámetros y obtiene un objeto de respuesta.
+
+1. Agrega el siguiente código debajo de esto:
+
+    ```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')
+    ```
+
+    Este código asume 1 geometría y extrae la distancia de esa única geometría. Luego registra diferentes mensajes según la distancia.
+
+1. Ejecuta este código. Verás en la salida de registro si las coordenadas GPS están dentro o fuera de la geocerca, con una distancia si el punto está dentro de los 50m. Prueba este código con diferentes geocercas basadas en la ubicación de tu sensor GPS, intenta mover el sensor (por ejemplo, conectado a WiFi desde un teléfono móvil, o con diferentes coordenadas en el dispositivo IoT virtual) para ver este cambio.
+
+1. Cuando estés listo, despliega este código en tu aplicación de Functions en la nube. No olvides desplegar las nuevas configuraciones de la aplicación.
+
+    > ⚠️ Puedes consultar [las instrucciones para cargar configuraciones de la aplicación del proyecto 2, lección 5 si es necesario](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings).
+
+    > ⚠️ Puedes consultar [las instrucciones para desplegar tu aplicación de Functions del proyecto 2, lección 5 si es necesario](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud).
+
+> 💁 Puedes encontrar este código en la carpeta [code/functions](../../../../../3-transport/lessons/4-geofences/code/functions).
+
+---
+
+## 🚀 Desafío
+
+En esta lección agregaste una geocerca usando un archivo GeoJSON con un único polígono. Puedes cargar múltiples polígonos al mismo tiempo, siempre que tengan diferentes valores de `geometryId` en la sección `properties`.
+
+Intenta cargar un archivo GeoJSON con múltiples polígonos y ajusta tu código para encontrar a qué polígono están más cerca o dentro las coordenadas GPS.
+
+## Cuestionario posterior a la lección
+
+[Cuestionario posterior a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/28)
+
+## Revisión y autoestudio
+
+* Lee más sobre geocercas y algunos de sus casos de uso en la [página de Geofencing en Wikipedia](https://en.wikipedia.org/wiki/Geo-fence).
+* Lee más sobre la API de geocercas de Azure Maps en la [documentación de Microsoft Azure Maps Spatial - Get Geofence](https://docs.microsoft.com/rest/api/maps/spatial/getgeofence?WT.mc_id=academic-17441-jabenn).
+* Lee más sobre grupos de consumidores en la [documentación de características y terminología en Azure Event Hubs - Event consumers en Microsoft docs](https://docs.microsoft.com/azure/event-hubs/event-hubs-features?WT.mc_id=academic-17441-jabenn#event-consumers).
+
+## Asignación
+
+[Enviar notificaciones usando Twilio](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/3-transport/lessons/4-geofences/assignment.md b/translations/es/3-transport/lessons/4-geofences/assignment.md
new file mode 100644
index 00000000..0cdeee58
--- /dev/null
+++ b/translations/es/3-transport/lessons/4-geofences/assignment.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5cb65a6ec4387ed177e145347e8e308e",
+  "translation_date": "2025-08-26T15:45:35+00:00",
+  "source_file": "3-transport/lessons/4-geofences/assignment.md",
+  "language_code": "es"
+}
+-->
+# Enviar notificaciones usando Twilio
+
+## Instrucciones
+
+En tu código hasta ahora, solo has registrado la distancia a la geovalla. En esta tarea, necesitarás agregar una notificación, ya sea un mensaje de texto o un correo electrónico, cuando las coordenadas GPS estén dentro de la geovalla.
+
+Azure Functions tiene muchas opciones para enlaces, incluyendo servicios de terceros como Twilio, una plataforma de comunicaciones.
+
+* Regístrate para obtener una cuenta gratuita en [Twilio.com](https://www.twilio.com)
+* Lee la documentación sobre cómo enlazar Azure Functions con Twilio SMS en la [página de documentación de Microsoft sobre el enlace Twilio para Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-twilio?WT.mc_id=academic-17441-jabenn&tabs=python).
+* Lee la documentación sobre cómo enlazar Azure Functions con Twilio SendGrid para enviar correos electrónicos en la [página de documentación de Microsoft sobre los enlaces de Azure Functions SendGrid](https://docs.microsoft.com/azure/azure-functions/functions-bindings-sendgrid?WT.mc_id=academic-17441-jabenn&tabs=python).
+* Agrega el enlace a tu aplicación de Functions para ser notificado sobre las coordenadas GPS ya sea dentro o fuera de la geovalla, pero no ambas.
+
+## Rúbrica
+
+| Criterios | Sobresaliente | Adecuado | Necesita Mejorar |
+| --------- | ------------- | -------- | ----------------- |
+| Configurar los enlaces de las funciones y recibir un correo o SMS | Fue capaz de configurar los enlaces de las funciones y recibir un correo o SMS cuando estaba dentro o fuera de la geovalla, pero no ambas | Fue capaz de configurar los enlaces pero no pudo enviar el correo o SMS, o solo pudo enviarlo cuando las coordenadas estaban tanto dentro como fuera | No fue capaz de configurar los enlaces ni enviar un correo o SMS |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/README.md b/translations/es/4-manufacturing/README.md
new file mode 100644
index 00000000..c071af43
--- /dev/null
+++ b/translations/es/4-manufacturing/README.md
@@ -0,0 +1,38 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3764e089adf2d5801272bc0895f8498b",
+  "translation_date": "2025-08-26T14:06:47+00:00",
+  "source_file": "4-manufacturing/README.md",
+  "language_code": "es"
+}
+-->
+# Fabricación y procesamiento - usando IoT para mejorar el procesamiento de alimentos
+
+Una vez que los alimentos llegan a un centro central o planta de procesamiento, no siempre se envían directamente a los supermercados. Muchas veces, los alimentos pasan por una serie de pasos de procesamiento, como la clasificación por calidad. Este es un proceso que solía ser manual: comenzaba en el campo cuando los recolectores solo recogían fruta madura, luego en la fábrica la fruta pasaba por una cinta transportadora y los empleados retiraban manualmente cualquier fruta magullada o podrida. Habiendo recogido y clasificado fresas yo mismo como trabajo de verano durante la escuela, puedo dar fe de que este no es un trabajo divertido.
+
+Configuraciones más modernas dependen del IoT para la clasificación. Algunos de los primeros dispositivos, como los clasificadores de [Weco](https://wecotek.com), utilizan sensores ópticos para detectar la calidad de los productos, rechazando, por ejemplo, tomates verdes. Estos pueden ser implementados en cosechadoras en la propia granja o en plantas de procesamiento.
+
+A medida que se producen avances en Inteligencia Artificial (IA) y Aprendizaje Automático (ML), estas máquinas pueden volverse más avanzadas, utilizando modelos de ML entrenados para distinguir entre fruta y objetos extraños como piedras, tierra o insectos. Estos modelos también pueden ser entrenados para detectar la calidad de la fruta, no solo fruta magullada, sino también la detección temprana de enfermedades u otros problemas en los cultivos.
+
+> 🎓 El término *modelo de ML* se refiere al resultado de entrenar software de aprendizaje automático con un conjunto de datos. Por ejemplo, puedes entrenar un modelo de ML para distinguir entre tomates maduros e inmaduros, y luego usar el modelo en nuevas imágenes para determinar si los tomates están maduros o no.
+
+En estas 4 lecciones aprenderás cómo entrenar modelos de IA basados en imágenes para detectar la calidad de la fruta, cómo utilizarlos desde un dispositivo IoT y cómo ejecutarlos en el edge, es decir, en un dispositivo IoT en lugar de en la nube.
+
+> 💁 Estas lecciones utilizarán algunos recursos en la nube. Si no completas todas las lecciones de este proyecto, asegúrate de [limpiar tu proyecto](../clean-up.md).
+
+## Temas
+
+1. [Entrenar un detector de calidad de fruta](./lessons/1-train-fruit-detector/README.md)
+1. [Verificar la calidad de la fruta desde un dispositivo IoT](./lessons/2-check-fruit-from-device/README.md)
+1. [Ejecutar tu detector de fruta en el edge](./lessons/3-run-fruit-detector-edge/README.md)
+1. [Activar la detección de calidad de fruta desde un sensor](./lessons/4-trigger-fruit-detector/README.md)
+
+## Créditos
+
+Todas las lecciones fueron escritas con ♥️ por [Jen Fox](https://github.com/jenfoxbot) y [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/es/4-manufacturing/lessons/1-train-fruit-detector/README.md
new file mode 100644
index 00000000..7faf4967
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/1-train-fruit-detector/README.md
@@ -0,0 +1,244 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f5e63c916d2dd97d58be12aaf76bd9f1",
+  "translation_date": "2025-08-26T14:07:54+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/README.md",
+  "language_code": "es"
+}
+-->
+# Entrena un detector de calidad de frutas
+
+![Una vista general ilustrada de esta lección](../../../../../translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.es.jpg)
+
+> Ilustración por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+Este video ofrece una visión general del servicio Azure Custom Vision, un servicio que se cubrirá en esta lección.
+
+[![Custom Vision – Machine Learning Made Easy | The Xamarin Show](https://img.youtube.com/vi/TETcDLJlWR4/0.jpg)](https://www.youtube.com/watch?v=TETcDLJlWR4)
+
+> 🎥 Haz clic en la imagen de arriba para ver el video
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/29)
+
+## Introducción
+
+El reciente auge de la Inteligencia Artificial (IA) y el Aprendizaje Automático (ML) está proporcionando una amplia gama de capacidades a los desarrolladores de hoy en día. Los modelos de ML pueden entrenarse para reconocer diferentes cosas en imágenes, incluyendo frutas inmaduras, y esto puede usarse en dispositivos IoT para ayudar a clasificar productos, ya sea durante la cosecha o durante el procesamiento en fábricas o almacenes.
+
+En esta lección aprenderás sobre la clasificación de imágenes: usar modelos de ML para distinguir entre imágenes de diferentes cosas. Aprenderás cómo entrenar un clasificador de imágenes para distinguir entre frutas que están en buen estado y frutas que están en mal estado, ya sea demasiado maduras, golpeadas o podridas.
+
+En esta lección cubriremos:
+
+* [Usar IA y ML para clasificar alimentos](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Clasificación de imágenes mediante Aprendizaje Automático](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Entrenar un clasificador de imágenes](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Probar tu clasificador de imágenes](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Reentrenar tu clasificador de imágenes](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+
+## Usar IA y ML para clasificar alimentos
+
+Alimentar a la población mundial es difícil, especialmente a un precio que haga que los alimentos sean asequibles para todos. Uno de los mayores costos es la mano de obra, por lo que los agricultores están recurriendo cada vez más a la automatización y herramientas como IoT para reducir sus costos laborales. La cosecha manual es intensiva en mano de obra (y a menudo un trabajo agotador), y está siendo reemplazada por maquinaria, especialmente en países más ricos. A pesar de los ahorros en costos al usar maquinaria para cosechar, hay un inconveniente: la capacidad de clasificar los alimentos mientras se cosechan.
+
+No todos los cultivos maduran de manera uniforme. Los tomates, por ejemplo, pueden tener algunos frutos verdes en la planta cuando la mayoría está lista para cosechar. Aunque es un desperdicio cosechar estos frutos verdes, es más barato y fácil para el agricultor cosechar todo usando maquinaria y desechar los productos inmaduros más tarde.
+
+✅ Observa diferentes frutas o verduras, ya sea creciendo cerca de ti en granjas o en tu jardín, o en tiendas. ¿Están todas en el mismo grado de madurez, o ves variaciones?
+
+El auge de la cosecha automatizada trasladó la clasificación de productos de la cosecha a la fábrica. Los alimentos viajarían en largas cintas transportadoras con equipos de personas revisando los productos y eliminando cualquier cosa que no cumpliera con el estándar de calidad requerido. La cosecha era más barata gracias a la maquinaria, pero todavía había un costo asociado con la clasificación manual de los alimentos.
+
+![Si se detecta un tomate rojo, continúa su trayecto sin interrupciones. Si se detecta un tomate verde, se lanza a un contenedor de desechos mediante una palanca](../../../../../translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.es.png)
+
+La siguiente evolución fue usar máquinas para clasificar, ya sea integradas en la cosechadora o en las plantas de procesamiento. La primera generación de estas máquinas usaba sensores ópticos para detectar colores, controlando actuadores para empujar tomates verdes a un contenedor de desechos usando palancas o ráfagas de aire, dejando que los tomates rojos continuaran en una red de cintas transportadoras.
+
+En este video, mientras los tomates caen de una cinta transportadora a otra, los tomates verdes son detectados y lanzados a un contenedor usando palancas.
+
+✅ ¿Qué condiciones necesitarías en una fábrica o en un campo para que estos sensores ópticos funcionen correctamente?
+
+Las últimas evoluciones de estas máquinas de clasificación aprovechan la IA y el ML, utilizando modelos entrenados para distinguir productos buenos de malos, no solo por diferencias obvias de color como tomates verdes frente a rojos, sino por diferencias más sutiles en apariencia que pueden indicar enfermedad o golpes.
+
+## Clasificación de imágenes mediante Aprendizaje Automático
+
+La programación tradicional consiste en tomar datos, aplicar un algoritmo a los datos y obtener un resultado. Por ejemplo, en el último proyecto tomaste coordenadas GPS y una geocerca, aplicaste un algoritmo proporcionado por Azure Maps y obtuviste un resultado sobre si el punto estaba dentro o fuera de la geocerca. Introduces más datos, obtienes más resultados.
+
+![El desarrollo tradicional toma datos de entrada y un algoritmo y da un resultado. El aprendizaje automático usa datos de entrada y salida para entrenar un modelo, y este modelo puede tomar nuevos datos de entrada para generar nuevos resultados](../../../../../translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.es.png)
+
+El aprendizaje automático cambia esto: comienzas con datos y resultados conocidos, y el algoritmo de aprendizaje automático aprende de los datos. Luego puedes tomar ese algoritmo entrenado, llamado *modelo de aprendizaje automático* o *modelo*, e introducir nuevos datos para obtener nuevos resultados.
+
+> 🎓 El proceso de un algoritmo de aprendizaje automático aprendiendo de los datos se llama *entrenamiento*. Los datos de entrada y los resultados conocidos se llaman *datos de entrenamiento*.
+
+Por ejemplo, podrías darle a un modelo millones de imágenes de plátanos inmaduros como datos de entrenamiento de entrada, con el resultado de entrenamiento configurado como `inmaduro`, y millones de imágenes de plátanos maduros como datos de entrenamiento con el resultado configurado como `maduro`. El algoritmo de ML entonces creará un modelo basado en estos datos. Luego le das a este modelo una nueva imagen de un plátano y predice si la nueva imagen es de un plátano maduro o inmaduro.
+
+> 🎓 Los resultados de los modelos de ML se llaman *predicciones*
+
+![2 plátanos, uno maduro con una predicción de 99.7% maduro, 0.3% inmaduro, y uno inmaduro con una predicción de 1.4% maduro, 98.6% inmaduro](../../../../../translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.es.png)
+
+Los modelos de ML no dan una respuesta binaria, en cambio, dan probabilidades. Por ejemplo, un modelo puede recibir una imagen de un plátano y predecir `maduro` con un 99.7% y `inmaduro` con un 0.3%. Tu código luego elegiría la mejor predicción y decidiría que el plátano está maduro.
+
+El modelo de ML utilizado para detectar imágenes como esta se llama *clasificador de imágenes*: se le dan imágenes etiquetadas y luego clasifica nuevas imágenes basándose en estas etiquetas.
+
+> 💁 Esto es una simplificación, y hay muchas otras formas de entrenar modelos que no siempre necesitan resultados etiquetados, como el aprendizaje no supervisado. Si quieres aprender más sobre ML, consulta [ML para principiantes, un currículo de 24 lecciones sobre Aprendizaje Automático](https://aka.ms/ML-beginners).
+
+## Entrenar un clasificador de imágenes
+
+Para entrenar con éxito un clasificador de imágenes necesitas millones de imágenes. Sin embargo, una vez que tienes un clasificador de imágenes entrenado con millones o miles de millones de imágenes variadas, puedes reutilizarlo y reentrenarlo usando un pequeño conjunto de imágenes y obtener excelentes resultados, utilizando un proceso llamado *aprendizaje por transferencia*.
+
+> 🎓 El aprendizaje por transferencia es cuando transfieres el aprendizaje de un modelo de ML existente a un nuevo modelo basado en nuevos datos.
+
+Una vez que un clasificador de imágenes ha sido entrenado para una amplia variedad de imágenes, sus componentes internos son excelentes para reconocer formas, colores y patrones. El aprendizaje por transferencia permite que el modelo tome lo que ya ha aprendido al reconocer partes de imágenes y lo use para reconocer nuevas imágenes.
+
+![Una vez que puedes reconocer formas, pueden colocarse en diferentes configuraciones para formar un barco o un gato](../../../../../translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.es.png)
+
+Puedes pensar en esto como los libros de formas para niños, donde una vez que puedes reconocer un semicírculo, un rectángulo y un triángulo, puedes reconocer un velero o un gato dependiendo de la configuración de estas formas. El clasificador de imágenes puede reconocer las formas, y el aprendizaje por transferencia le enseña qué combinación forma un barco o un gato, o un plátano maduro.
+
+Hay una amplia gama de herramientas que pueden ayudarte a hacer esto, incluyendo servicios basados en la nube que pueden ayudarte a entrenar tu modelo y luego usarlo a través de APIs web.
+
+> 💁 Entrenar estos modelos requiere mucha potencia de cómputo, generalmente mediante Unidades de Procesamiento Gráfico (GPUs). El mismo hardware especializado que hace que los juegos en tu Xbox se vean increíbles también puede usarse para entrenar modelos de aprendizaje automático. Al usar la nube, puedes alquilar tiempo en computadoras potentes con GPUs para entrenar estos modelos, obteniendo acceso a la potencia de cómputo que necesitas, solo por el tiempo que la necesitas.
+
+## Custom Vision
+
+Custom Vision es una herramienta basada en la nube para entrenar clasificadores de imágenes. Te permite entrenar un clasificador usando solo un pequeño número de imágenes. Puedes subir imágenes a través de un portal web, una API web o un SDK, dando a cada imagen una *etiqueta* que clasifique esa imagen. Luego entrenas el modelo y lo pruebas para ver qué tan bien funciona. Una vez que estés satisfecho con el modelo, puedes publicar versiones de este que pueden ser accesibles a través de una API web o un SDK.
+
+![El logo de Azure Custom Vision](../../../../../translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.es.png)
+
+> 💁 Puedes entrenar un modelo de Custom Vision con tan solo 5 imágenes por clasificación, pero más es mejor. Puedes obtener mejores resultados con al menos 30 imágenes.
+
+Custom Vision es parte de una gama de herramientas de IA de Microsoft llamadas Cognitive Services. Estas son herramientas de IA que pueden usarse ya sea sin ningún entrenamiento o con una pequeña cantidad de entrenamiento. Incluyen reconocimiento y traducción de voz, comprensión del lenguaje y análisis de imágenes. Estas están disponibles con un nivel gratuito como servicios en Azure.
+
+> 💁 El nivel gratuito es más que suficiente para crear un modelo, entrenarlo y luego usarlo para trabajos de desarrollo. Puedes leer sobre los límites del nivel gratuito en la [página de límites y cuotas de Custom Vision en la documentación de Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/limits-and-quotas?WT.mc_id=academic-17441-jabenn).
+
+### Tarea - crear un recurso de servicios cognitivos
+
+Para usar Custom Vision, primero necesitas crear dos recursos de servicios cognitivos en Azure usando la CLI de Azure, uno para el entrenamiento de Custom Vision y otro para la predicción de Custom Vision.
+
+1. Crea un Grupo de Recursos para este proyecto llamado `fruit-quality-detector`.
+
+1. Usa el siguiente comando para crear un recurso gratuito de entrenamiento de Custom Vision:
+
+    ```sh
+    az cognitiveservices account create --name fruit-quality-detector-training \
+                                        --resource-group fruit-quality-detector \
+                                        --kind CustomVision.Training \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Reemplaza `<location>` con la ubicación que usaste al crear el Grupo de Recursos.
+
+    Esto creará un recurso de entrenamiento de Custom Vision en tu Grupo de Recursos. Se llamará `fruit-quality-detector-training` y usará el SKU `F0`, que es el nivel gratuito. La opción `--yes` significa que aceptas los términos y condiciones de los servicios cognitivos.
+
+> 💁 Usa el SKU `S0` si ya tienes una cuenta gratuita usando cualquiera de los Servicios Cognitivos.
+
+1. Usa el siguiente comando para crear un recurso gratuito de predicción de Custom Vision:
+
+    ```sh
+    az cognitiveservices account create --name fruit-quality-detector-prediction \
+                                        --resource-group fruit-quality-detector \
+                                        --kind CustomVision.Prediction \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Reemplaza `<location>` con la ubicación que usaste al crear el Grupo de Recursos.
+
+    Esto creará un recurso de predicción de Custom Vision en tu Grupo de Recursos. Se llamará `fruit-quality-detector-prediction` y usará el SKU `F0`, que es el nivel gratuito. La opción `--yes` significa que aceptas los términos y condiciones de los servicios cognitivos.
+
+### Tarea - crear un proyecto de clasificador de imágenes
+
+1. Abre el portal de Custom Vision en [CustomVision.ai](https://customvision.ai) e inicia sesión con la cuenta de Microsoft que usaste para tu cuenta de Azure.
+
+1. Sigue la [sección de creación de un nuevo proyecto en el inicio rápido para construir un clasificador en la documentación de Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#create-a-new-project) para crear un nuevo proyecto de Custom Vision. La interfaz de usuario puede cambiar y esta documentación siempre será la referencia más actualizada.
+
+    Llama a tu proyecto `fruit-quality-detector`.
+
+    Cuando crees tu proyecto, asegúrate de usar el recurso `fruit-quality-detector-training` que creaste anteriormente. Usa un tipo de proyecto *Clasificación*, un tipo de clasificación *Multiclase* y el dominio *Alimentos*.
+
+    ![La configuración para el proyecto de Custom Vision con el nombre configurado como fruit-quality-detector, sin descripción, el recurso configurado como fruit-quality-detector-training, el tipo de proyecto configurado como clasificación, el tipo de clasificación configurado como multiclase y el dominio configurado como alimentos](../../../../../translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.es.png)
+
+✅ Tómate un tiempo para explorar la interfaz de usuario de Custom Vision para tu clasificador de imágenes.
+
+### Tarea - entrenar tu proyecto de clasificador de imágenes
+
+Para entrenar un clasificador de imágenes, necesitarás múltiples imágenes de frutas, tanto de buena como de mala calidad, para etiquetarlas como buenas y malas, como un plátano maduro y uno demasiado maduro.
+💁 Estos clasificadores pueden clasificar imágenes de cualquier cosa, así que si no tienes frutas de diferentes calidades a mano, puedes usar dos tipos diferentes de frutas, ¡o gatos y perros!
+Idealmente, cada imagen debería mostrar solo la fruta, con un fondo consistente o una amplia variedad de fondos. Asegúrate de que no haya nada en el fondo que sea específico para frutas maduras o inmaduras.
+
+> 💁 Es importante no tener fondos específicos ni elementos que no estén relacionados con lo que se está clasificando para cada etiqueta, de lo contrario, el clasificador podría clasificar basándose en el fondo. Hubo un clasificador para cáncer de piel que se entrenó con lunares normales y cancerosos, y los cancerosos siempre tenían reglas para medir el tamaño. Resultó que el clasificador era casi 100% preciso identificando reglas en las imágenes, no lunares cancerosos.
+
+Los clasificadores de imágenes funcionan con resoluciones muy bajas. Por ejemplo, Custom Vision puede tomar imágenes de entrenamiento y predicción de hasta 10240x10240, pero entrena y ejecuta el modelo en imágenes de 227x227. Las imágenes más grandes se reducen a este tamaño, así que asegúrate de que el objeto que estás clasificando ocupe una gran parte de la imagen, de lo contrario, podría ser demasiado pequeño en la imagen reducida utilizada por el clasificador.
+
+1. Reúne imágenes para tu clasificador. Necesitarás al menos 5 imágenes para cada etiqueta para entrenar el clasificador, pero mientras más, mejor. También necesitarás algunas imágenes adicionales para probar el clasificador. Estas imágenes deben ser diferentes imágenes del mismo objeto. Por ejemplo:
+
+    * Usando 2 plátanos maduros, toma algunas fotos de cada uno desde diferentes ángulos, tomando al menos 7 fotos (5 para entrenar, 2 para probar), pero idealmente más.
+
+        ![Fotos de 2 plátanos diferentes](../../../../../translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.es.png)
+
+    * Repite el mismo proceso usando 2 plátanos inmaduros.
+
+    Deberías tener al menos 10 imágenes de entrenamiento, con al menos 5 maduras y 5 inmaduras, y 4 imágenes de prueba, 2 maduras y 2 inmaduras. Tus imágenes deben ser png o jpeg, de menos de 6MB. Si las creas con un iPhone, por ejemplo, podrían ser imágenes HEIC de alta resolución, por lo que necesitarán ser convertidas y posiblemente reducidas. Mientras más imágenes tengas, mejor, y deberías tener un número similar de maduras e inmaduras.
+
+    Si no tienes frutas maduras e inmaduras, puedes usar diferentes frutas o cualquier par de objetos que tengas disponibles. También puedes encontrar algunas imágenes de ejemplo en la carpeta [images](../../../../../4-manufacturing/lessons/1-train-fruit-detector/images) de plátanos maduros e inmaduros que puedes usar.
+
+1. Sigue la [sección de subir y etiquetar imágenes del tutorial rápido para construir un clasificador en la documentación de Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) para subir tus imágenes de entrenamiento. Etiqueta las frutas maduras como `ripe` y las inmaduras como `unripe`.
+
+    ![Los diálogos de subida mostrando la carga de imágenes de plátanos maduros e inmaduros](../../../../../translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.es.png)
+
+1. Sigue la [sección de entrenar el clasificador del tutorial rápido para construir un clasificador en la documentación de Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier) para entrenar el clasificador de imágenes con tus imágenes subidas.
+
+    Se te dará una opción de tipo de entrenamiento. Selecciona **Quick Training**.
+
+El clasificador comenzará a entrenarse. Tomará unos minutos para completar el entrenamiento.
+
+> 🍌 Si decides comer tu fruta mientras el clasificador se está entrenando, asegúrate de tener suficientes imágenes para probar primero.
+
+## Prueba tu clasificador de imágenes
+
+Una vez que tu clasificador esté entrenado, puedes probarlo dándole una nueva imagen para clasificar.
+
+### Tarea - prueba tu clasificador de imágenes
+
+1. Sigue la [documentación para probar tu modelo en los documentos de Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model) para probar tu clasificador de imágenes. Usa las imágenes de prueba que creaste anteriormente, no ninguna de las imágenes que usaste para entrenar.
+
+    ![Un plátano inmaduro predicho como inmaduro con una probabilidad del 98.9%, maduro con una probabilidad del 1.1%](../../../../../translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.es.png)
+
+1. Prueba todas las imágenes de prueba que tengas y observa las probabilidades.
+
+## Reentrena tu clasificador de imágenes
+
+Cuando pruebes tu clasificador, puede que no dé los resultados que esperas. Los clasificadores de imágenes usan aprendizaje automático para hacer predicciones sobre lo que hay en una imagen, basándose en probabilidades de que ciertas características de una imagen signifiquen que coincide con una etiqueta particular. No entiende lo que hay en la imagen: no sabe qué es un plátano ni entiende qué hace que un plátano sea un plátano en lugar de un barco. Puedes mejorar tu clasificador reentrenándolo con imágenes en las que se equivoque.
+
+Cada vez que haces una predicción usando la opción de prueba rápida, la imagen y los resultados se almacenan. Puedes usar estas imágenes para reentrenar tu modelo.
+
+### Tarea - reentrena tu clasificador de imágenes
+
+1. Sigue la [documentación para usar la imagen predicha para entrenamiento en los documentos de Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#use-the-predicted-image-for-training) para reentrenar tu modelo, usando la etiqueta correcta para cada imagen.
+
+1. Una vez que tu modelo haya sido reentrenado, prueba con nuevas imágenes.
+
+---
+
+## 🚀 Desafío
+
+¿Qué crees que pasaría si usas una imagen de una fresa con un modelo entrenado en plátanos, o una imagen de un plátano inflable, o una persona disfrazada de plátano, o incluso un personaje amarillo de caricatura como alguien de Los Simpson?
+
+Pruébalo y observa cuáles son las predicciones. Puedes encontrar imágenes para probar usando [Bing Image search](https://www.bing.com/images/trending).
+
+## Cuestionario post-lectura
+
+[Cuestionario post-lectura](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/30)
+
+## Revisión y autoestudio
+
+* Cuando entrenaste tu clasificador, habrás visto valores para *Precision*, *Recall* y *AP* que califican el modelo creado. Investiga qué significan estos valores usando [la sección de evaluar el clasificador del tutorial rápido para construir un clasificador en la documentación de Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#evaluate-the-classifier)
+* Investiga cómo mejorar tu clasificador en [cómo mejorar tu modelo de Custom Vision en la documentación de Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-improving-your-classifier?WT.mc_id=academic-17441-jabenn)
+
+## Asignación
+
+[Entrena tu clasificador para múltiples frutas y verduras](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/1-train-fruit-detector/assignment.md b/translations/es/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
new file mode 100644
index 00000000..d01766f0
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e74eb2fc7cc3b81916b52e957802f182",
+  "translation_date": "2025-08-26T14:09:07+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/assignment.md",
+  "language_code": "es"
+}
+-->
+# Entrena tu clasificador para múltiples frutas y verduras
+
+## Instrucciones
+
+En esta lección entrenaste un clasificador de imágenes para distinguir entre frutas maduras e inmaduras, pero solo utilizando un tipo de fruta. Un clasificador puede ser entrenado para reconocer múltiples frutas, con tasas de éxito variables dependiendo del tipo de fruta y la diferencia entre madura e inmadura.
+
+Por ejemplo, con frutas que cambian de color al madurar, los clasificadores de imágenes podrían ser menos efectivos que un sensor de color, ya que generalmente trabajan con imágenes en escala de grises en lugar de imágenes a todo color.
+
+Entrena tu clasificador con otras frutas para ver qué tan bien funciona, especialmente cuando las frutas se parecen. Por ejemplo, manzanas y tomates.
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejorar |
+| --------- | -------- | -------- | ---------------- |
+| Entrenar el clasificador para múltiples frutas | Fue capaz de entrenar el clasificador para múltiples frutas | Fue capaz de entrenar el clasificador para una fruta adicional | No fue capaz de entrenar el clasificador para más frutas |
+| Determinar qué tan bien funciona el clasificador | Fue capaz de comentar correctamente sobre qué tan bien funcionó el clasificador con diferentes frutas | Fue capaz de observar y ofrecer sugerencias sobre qué tan bien estaba funcionando | No fue capaz de comentar sobre qué tan bien funcionó el clasificador |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/README.md
new file mode 100644
index 00000000..48d8a932
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/README.md
@@ -0,0 +1,172 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "557f4ee96b752e0651d2e6e74aa6bd14",
+  "translation_date": "2025-08-26T14:10:00+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/README.md",
+  "language_code": "es"
+}
+-->
+# Verificar la calidad de la fruta desde un dispositivo IoT
+
+![Un resumen visual de esta lección](../../../../../translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.es.jpg)
+
+> Resumen visual por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/31)
+
+## Introducción
+
+En la lección anterior aprendiste sobre clasificadores de imágenes y cómo entrenarlos para detectar frutas buenas y malas. Para usar este clasificador de imágenes en una aplicación IoT, necesitas capturar una imagen con algún tipo de cámara y enviarla a la nube para ser clasificada.
+
+En esta lección aprenderás sobre sensores de cámara y cómo usarlos con un dispositivo IoT para capturar una imagen. También aprenderás cómo llamar al clasificador de imágenes desde tu dispositivo IoT.
+
+En esta lección cubriremos:
+
+* [Sensores de cámara](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Capturar una imagen usando un dispositivo IoT](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Publicar tu clasificador de imágenes](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Clasificar imágenes desde tu dispositivo IoT](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Mejorar el modelo](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+
+## Sensores de cámara
+
+Los sensores de cámara, como su nombre lo indica, son cámaras que puedes conectar a tu dispositivo IoT. Pueden tomar imágenes fijas o capturar video en streaming. Algunos devuelven datos de imagen sin procesar, mientras que otros comprimen los datos en un archivo de imagen como JPEG o PNG. Por lo general, las cámaras que funcionan con dispositivos IoT son mucho más pequeñas y de menor resolución que las que podrías estar acostumbrado a usar, aunque también puedes encontrar cámaras de alta resolución que rivalizan con los mejores teléfonos. Además, puedes obtener lentes intercambiables, configuraciones de múltiples cámaras, cámaras térmicas infrarrojas o cámaras UV.
+
+![La luz de una escena pasa a través de una lente y se enfoca en un sensor CMOS](../../../../../translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.es.png)
+
+La mayoría de los sensores de cámara utilizan sensores de imagen donde cada píxel es un fotodiodo. Una lente enfoca la imagen en el sensor de imagen, y miles o millones de fotodiodos detectan la luz que incide en cada uno, registrándola como datos de píxeles.
+
+> 💁 Las lentes invierten las imágenes, y el sensor de la cámara las voltea nuevamente para que queden en la orientación correcta. Esto es similar a lo que ocurre en tus ojos: lo que ves se detecta al revés en la parte posterior de tu ojo, y tu cerebro lo corrige.
+
+> 🎓 El sensor de imagen se conoce como Sensor de Píxel Activo (APS), y el tipo más popular de APS es un sensor de semiconductor complementario de óxido metálico, o CMOS. Es posible que hayas escuchado el término sensor CMOS para referirse a los sensores de cámara.
+
+Los sensores de cámara son digitales, enviando datos de imagen como datos digitales, generalmente con la ayuda de una biblioteca que facilita la comunicación. Las cámaras se conectan utilizando protocolos como SPI para permitirles enviar grandes cantidades de datos, ya que las imágenes son sustancialmente más grandes que los datos de un solo número de un sensor, como un sensor de temperatura.
+
+✅ ¿Cuáles son las limitaciones en cuanto al tamaño de las imágenes en dispositivos IoT? Piensa en las restricciones, especialmente en el hardware de microcontroladores.
+
+## Capturar una imagen usando un dispositivo IoT
+
+Puedes usar tu dispositivo IoT para capturar una imagen que será clasificada.
+
+### Tarea - capturar una imagen usando un dispositivo IoT
+
+Sigue la guía correspondiente para capturar una imagen usando tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-camera.md)
+* [Computadora de placa única - Raspberry Pi](pi-camera.md)
+* [Computadora de placa única - Dispositivo virtual](virtual-device-camera.md)
+
+## Publicar tu clasificador de imágenes
+
+Entrenaste tu clasificador de imágenes en la lección anterior. Antes de poder usarlo desde tu dispositivo IoT, necesitas publicar el modelo.
+
+### Iteraciones del modelo
+
+Cuando tu modelo se entrenó en la lección anterior, es posible que hayas notado que la pestaña **Performance** muestra iteraciones en el lado. Cuando entrenaste el modelo por primera vez, habrías visto *Iteration 1* en entrenamiento. Cuando mejoraste el modelo usando las imágenes de predicción, habrías visto *Iteration 2* en entrenamiento.
+
+Cada vez que entrenas el modelo, obtienes una nueva iteración. Esto sirve para realizar un seguimiento de las diferentes versiones de tu modelo entrenadas con diferentes conjuntos de datos. Cuando realizas una **Quick Test**, hay un menú desplegable que puedes usar para seleccionar la iteración y comparar los resultados entre múltiples iteraciones.
+
+Cuando estés satisfecho con una iteración, puedes publicarla para que esté disponible para ser utilizada desde aplicaciones externas. De esta manera, puedes tener una versión publicada que sea utilizada por tus dispositivos, mientras trabajas en una nueva versión a lo largo de múltiples iteraciones, y luego publicarla cuando estés satisfecho con ella.
+
+### Tarea - publicar una iteración
+
+Las iteraciones se publican desde el portal de Custom Vision.
+
+1. Abre el portal de Custom Vision en [CustomVision.ai](https://customvision.ai) e inicia sesión si no lo tienes abierto ya. Luego abre tu proyecto `fruit-quality-detector`.
+
+1. Selecciona la pestaña **Performance** de las opciones en la parte superior.
+
+1. Selecciona la última iteración de la lista *Iterations* en el lado.
+
+1. Haz clic en el botón **Publish** para la iteración.
+
+    ![El botón de publicar](../../../../../translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.es.png)
+
+1. En el cuadro de diálogo *Publish Model*, configura el *Prediction resource* en el recurso `fruit-quality-detector-prediction` que creaste en la lección anterior. Deja el nombre como `Iteration2` y selecciona el botón **Publish**.
+
+1. Una vez publicado, selecciona el botón **Prediction URL**. Esto mostrará los detalles de la API de predicción, y necesitarás estos datos para llamar al modelo desde tu dispositivo IoT. La sección inferior está etiquetada como *If you have an image file*, y estos son los detalles que necesitas. Copia la URL que se muestra, que será algo como:
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/classify/iterations/Iteration2/image
+    ```
+
+    Donde `<location>` será la ubicación que usaste al crear tu recurso de visión personalizada, y `<id>` será un ID largo compuesto por letras y números.
+
+    También copia el valor de la *Prediction-Key*. Esta es una clave segura que debes pasar al llamar al modelo. Solo las aplicaciones que pasen esta clave podrán usar el modelo; cualquier otra aplicación será rechazada.
+
+    ![El cuadro de diálogo de la API de predicción mostrando la URL y la clave](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.es.png)
+
+✅ Cuando se publica una nueva iteración, tendrá un nombre diferente. ¿Cómo crees que podrías cambiar la iteración que está usando un dispositivo IoT?
+
+## Clasificar imágenes desde tu dispositivo IoT
+
+Ahora puedes usar estos detalles de conexión para llamar al clasificador de imágenes desde tu dispositivo IoT.
+
+### Tarea - clasificar imágenes desde tu dispositivo IoT
+
+Sigue la guía correspondiente para clasificar imágenes usando tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-classify-image.md)
+* [Computadora de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-classify-image.md)
+
+## Mejorar el modelo
+
+Es posible que los resultados que obtengas al usar la cámara conectada a tu dispositivo IoT no coincidan con lo que esperabas. Las predicciones no siempre son tan precisas como al usar imágenes cargadas desde tu computadora. Esto se debe a que el modelo fue entrenado con datos diferentes a los que se están utilizando para las predicciones.
+
+Para obtener los mejores resultados de un clasificador de imágenes, debes entrenar el modelo con imágenes que sean lo más similares posible a las imágenes utilizadas para las predicciones. Por ejemplo, si usaste la cámara de tu teléfono para capturar imágenes para el entrenamiento, la calidad, nitidez y color de las imágenes serán diferentes a las de una cámara conectada a un dispositivo IoT.
+
+![2 imágenes de un plátano, una de baja resolución con poca iluminación de un dispositivo IoT, y otra de alta resolución con buena iluminación de un teléfono](../../../../../translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.es.png)
+
+En la imagen anterior, la foto del plátano a la izquierda fue tomada con una cámara Raspberry Pi, mientras que la de la derecha fue tomada del mismo plátano en la misma ubicación con un iPhone. Hay una diferencia notable en la calidad: la foto del iPhone es más nítida, con colores más brillantes y mayor contraste.
+
+✅ ¿Qué otros factores podrían causar que las imágenes capturadas por tu dispositivo IoT generen predicciones incorrectas? Piensa en el entorno en el que podría usarse un dispositivo IoT y qué factores pueden afectar la imagen capturada.
+
+Para mejorar el modelo, puedes reentrenarlo usando las imágenes capturadas desde el dispositivo IoT.
+
+### Tarea - mejorar el modelo
+
+1. Clasifica múltiples imágenes de frutas maduras e inmaduras usando tu dispositivo IoT.
+
+1. En el portal de Custom Vision, reentrena el modelo usando las imágenes en la pestaña *Predictions*.
+
+    > ⚠️ Puedes consultar [las instrucciones para reentrenar tu clasificador en la lección 1 si es necesario](../1-train-fruit-detector/README.md#retrain-your-image-classifier).
+
+1. Si tus imágenes son muy diferentes a las originales usadas para entrenar, puedes eliminar todas las imágenes originales seleccionándolas en la pestaña *Training Images* y haciendo clic en el botón **Delete**. Para seleccionar una imagen, mueve el cursor sobre ella y aparecerá una marca de verificación; selecciona esa marca para seleccionar o deseleccionar la imagen.
+
+1. Entrena una nueva iteración del modelo y publícala siguiendo los pasos anteriores.
+
+1. Actualiza la URL del endpoint en tu código y vuelve a ejecutar la aplicación.
+
+1. Repite estos pasos hasta que estés satisfecho con los resultados de las predicciones.
+
+---
+
+## 🚀 Desafío
+
+¿Qué tanto afecta la resolución de la imagen o la iluminación a la predicción?
+
+Prueba cambiar la resolución de las imágenes en el código de tu dispositivo y observa si hace una diferencia en la calidad de las imágenes. También prueba cambiar la iluminación.
+
+Si fueras a crear un dispositivo de producción para vender a granjas o fábricas, ¿cómo garantizarías que ofrezca resultados consistentes todo el tiempo?
+
+## Cuestionario posterior a la lección
+
+[Cuestionario posterior a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/32)
+
+## Revisión y autoestudio
+
+Entrenaste tu modelo de visión personalizada usando el portal. Esto depende de tener imágenes disponibles, y en el mundo real puede que no consigas datos de entrenamiento que coincidan con lo que captura la cámara de tu dispositivo. Puedes solucionar esto entrenando directamente desde tu dispositivo usando la API de entrenamiento, para entrenar un modelo con imágenes capturadas desde tu dispositivo IoT.
+
+* Lee sobre la API de entrenamiento en el [inicio rápido del SDK de Custom Vision](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/quickstarts/image-classification?WT.mc_id=academic-17441-jabenn&tabs=visual-studio&pivots=programming-language-python)
+
+## Tarea
+
+[Responder a los resultados de clasificación](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md b/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
new file mode 100644
index 00000000..e762bcef
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "022e21f8629b721424c1de25195fff67",
+  "translation_date": "2025-08-26T14:10:46+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/assignment.md",
+  "language_code": "es"
+}
+-->
+# Responder a los resultados de clasificación
+
+## Instrucciones
+
+Tu dispositivo ha clasificado imágenes y tiene los valores de las predicciones. Tu dispositivo podría usar esta información para realizar alguna acción: podría enviarla a IoT Hub para que otros sistemas la procesen, o podría controlar un actuador, como encender un LED cuando la fruta está inmadura.
+
+Añade código a tu dispositivo para responder de la manera que elijas: ya sea enviando datos a un IoT Hub, controlando un actuador, o combinando ambas opciones y enviando datos a un IoT Hub con algún código sin servidor que determine si la fruta está madura o no y envíe un comando para controlar un actuador.
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejorar |
+| --------- | --------- | -------- | ---------------- |
+| Responder a las predicciones | Fue capaz de implementar una respuesta a las predicciones que funciona de manera consistente con predicciones del mismo valor. | Fue capaz de implementar una respuesta que no depende de las predicciones, como simplemente enviar datos sin procesar a un IoT Hub. | No fue capaz de programar el dispositivo para responder a las predicciones. |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
new file mode 100644
index 00000000..450eedbd
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
@@ -0,0 +1,155 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c677667095f6133eee418c7e53615d05",
+  "translation_date": "2025-08-26T14:11:17+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md",
+  "language_code": "es"
+}
+-->
+# Captura una imagen - Raspberry Pi
+
+En esta parte de la lección, agregarás un sensor de cámara a tu Raspberry Pi y leerás imágenes desde él.
+
+## Hardware
+
+La Raspberry Pi necesita una cámara.
+
+La cámara que usarás es un [Módulo de Cámara Raspberry Pi](https://www.raspberrypi.org/products/camera-module-v2/). Esta cámara está diseñada para funcionar con la Raspberry Pi y se conecta a través de un conector dedicado en la Pi.
+
+> 💁 Esta cámara utiliza la [Interfaz Serial de Cámara, un protocolo de la Alianza de Procesadores de la Industria Móvil](https://wikipedia.org/wiki/Camera_Serial_Interface), conocido como MIPI-CSI. Este es un protocolo dedicado para enviar imágenes.
+
+## Conecta la cámara
+
+La cámara se puede conectar a la Raspberry Pi utilizando un cable plano.
+
+### Tarea - conectar la cámara
+
+![Una cámara Raspberry Pi](../../../../../translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.es.png)
+
+1. Apaga la Raspberry Pi.
+
+1. Conecta el cable plano que viene con la cámara a la cámara. Para hacerlo, tira suavemente del clip de plástico negro en el soporte para que salga un poco, luego desliza el cable en el conector, con el lado azul mirando hacia afuera del lente y las tiras de pines metálicos mirando hacia el lente. Una vez que esté completamente insertado, empuja el clip de plástico negro de nuevo en su lugar.
+
+    Puedes encontrar una animación que muestra cómo abrir el clip e insertar el cable en la [documentación de Raspberry Pi para comenzar con el módulo de cámara](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2).
+
+    ![El cable plano insertado en el módulo de cámara](../../../../../translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.es.png)
+
+1. Retira el Grove Base Hat de la Raspberry Pi.
+
+1. Pasa el cable plano a través de la ranura para cámara en el Grove Base Hat. Asegúrate de que el lado azul del cable mire hacia los puertos analógicos etiquetados como **A0**, **A1**, etc.
+
+    ![El cable plano pasando a través del Grove Base Hat](../../../../../translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.es.png)
+
+1. Inserta el cable plano en el puerto de cámara de la Raspberry Pi. Una vez más, tira del clip de plástico negro hacia arriba, inserta el cable y luego empuja el clip hacia abajo. El lado azul del cable debe mirar hacia los puertos USB y Ethernet.
+
+    ![El cable plano conectado al puerto de cámara en la Raspberry Pi](../../../../../translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.es.png)
+
+1. Vuelve a colocar el Grove Base Hat.
+
+## Programa la cámara
+
+Ahora se puede programar la Raspberry Pi para usar la cámara utilizando la biblioteca de Python [PiCamera](https://pypi.org/project/picamera/).
+
+### Tarea - habilitar el modo de cámara heredado
+
+Desafortunadamente, con el lanzamiento de Raspberry Pi OS Bullseye, el software de cámara incluido en el sistema operativo cambió, lo que significa que, por defecto, PiCamera ya no funciona. Hay un reemplazo en desarrollo, llamado PiCamera2, pero aún no está listo para ser utilizado.
+
+Por ahora, puedes configurar tu Raspberry Pi en modo de cámara heredado para permitir que PiCamera funcione. El puerto de la cámara también está deshabilitado por defecto, pero al activar el software de cámara heredado, el puerto se habilita automáticamente.
+
+1. Enciende la Raspberry Pi y espera a que inicie.
+
+1. Abre VS Code, ya sea directamente en la Raspberry Pi o conectándote a través de la extensión Remote SSH.
+
+1. Ejecuta los siguientes comandos desde tu terminal:
+
+    ```sh
+    sudo raspi-config nonint do_legacy 0
+    sudo reboot
+    ```
+
+    Esto activará una configuración para habilitar el software de cámara heredado y luego reiniciará la Raspberry Pi para que la configuración surta efecto.
+
+1. Espera a que la Raspberry Pi se reinicie y luego vuelve a abrir VS Code.
+
+### Tarea - programa la cámara
+
+Programa el dispositivo.
+
+1. Desde el terminal, crea una nueva carpeta en el directorio de inicio del usuario `pi` llamada `fruit-quality-detector`. Crea un archivo en esta carpeta llamado `app.py`.
+
+1. Abre esta carpeta en VS Code.
+
+1. Para interactuar con la cámara, puedes usar la biblioteca de Python PiCamera. Instala el paquete Pip para esto con el siguiente comando:
+
+    ```sh
+    pip3 install picamera
+    ```
+
+1. Agrega el siguiente código a tu archivo `app.py`:
+
+    ```python
+    import io
+    import time
+    from picamera import PiCamera
+    ```
+
+    Este código importa algunas bibliotecas necesarias, incluida la biblioteca `PiCamera`.
+
+1. Agrega el siguiente código debajo de esto para inicializar la cámara:
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    
+    time.sleep(2)
+    ```
+
+    Este código crea un objeto PiCamera y establece la resolución en 640x480. Aunque se admiten resoluciones más altas (hasta 3280x2464), el clasificador de imágenes funciona con imágenes mucho más pequeñas (227x227), por lo que no es necesario capturar y enviar imágenes más grandes.
+
+    La línea `camera.rotation = 0` establece la rotación de la imagen. El cable plano entra por la parte inferior de la cámara, pero si tu cámara está girada para apuntar más fácilmente al objeto que deseas clasificar, puedes cambiar esta línea al número de grados de rotación.
+
+    ![La cámara colgando sobre una lata de bebida](../../../../../translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.es.png)
+
+    Por ejemplo, si suspendes el cable plano sobre algo para que esté en la parte superior de la cámara, entonces establece la rotación en 180:
+
+    ```python
+    camera.rotation = 180
+    ```
+
+    La cámara tarda unos segundos en encenderse, de ahí la línea `time.sleep(2)`.
+
+1. Agrega el siguiente código debajo de esto para capturar la imagen como datos binarios:
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    Este código crea un objeto `BytesIO` para almacenar datos binarios. La imagen se lee desde la cámara como un archivo JPEG y se almacena en este objeto. Este objeto tiene un indicador de posición para saber dónde está en los datos, de modo que se puedan escribir más datos al final si es necesario, por lo que la línea `image.seek(0)` mueve esta posición al inicio para que todos los datos puedan leerse más tarde.
+
+1. Debajo de esto, agrega lo siguiente para guardar la imagen en un archivo:
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    Este código abre un archivo llamado `image.jpg` para escritura, luego lee todos los datos del objeto `BytesIO` y los escribe en el archivo.
+
+    > 💁 Puedes capturar la imagen directamente en un archivo en lugar de un objeto `BytesIO` pasando el nombre del archivo a la llamada `camera.capture`. La razón para usar el objeto `BytesIO` es que más adelante en esta lección podrás enviar la imagen a tu clasificador de imágenes.
+
+1. Apunta la cámara a algo y ejecuta este código.
+
+1. Se capturará una imagen y se guardará como `image.jpg` en la carpeta actual. Verás este archivo en el explorador de VS Code. Selecciona el archivo para ver la imagen. Si necesita rotación, actualiza la línea `camera.rotation = 0` según sea necesario y toma otra foto.
+
+> 💁 Puedes encontrar este código en la carpeta [code-camera/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/pi).
+
+😀 ¡Tu programa de cámara fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
new file mode 100644
index 00000000..76ed1d82
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
@@ -0,0 +1,105 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e5896207b304ce1abaf065b8acc0cc79",
+  "translation_date": "2025-08-26T14:11:56+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md",
+  "language_code": "es"
+}
+-->
+# Clasificar una imagen - Hardware IoT Virtual y Raspberry Pi
+
+En esta parte de la lección, enviarás la imagen capturada por la cámara al servicio Custom Vision para clasificarla.
+
+## Enviar imágenes a Custom Vision
+
+El servicio Custom Vision tiene un SDK de Python que puedes usar para clasificar imágenes.
+
+### Tarea - enviar imágenes a Custom Vision
+
+1. Abre la carpeta `fruit-quality-detector` en VS Code. Si estás utilizando un dispositivo IoT virtual, asegúrate de que el entorno virtual esté ejecutándose en la terminal.
+
+1. El SDK de Python para enviar imágenes a Custom Vision está disponible como un paquete de Pip. Instálalo con el siguiente comando:
+
+    ```sh
+    pip3 install azure-cognitiveservices-vision-customvision
+    ```
+
+1. Agrega las siguientes declaraciones de importación en la parte superior del archivo `app.py`:
+
+    ```python
+    from msrest.authentication import ApiKeyCredentials
+    from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient
+    ```
+
+    Esto incluye algunos módulos de las bibliotecas de Custom Vision, uno para autenticar con la clave de predicción y otro para proporcionar una clase cliente de predicción que puede llamar a Custom Vision.
+
+1. Agrega el siguiente código al final del archivo:
+
+    ```python
+    prediction_url = '<prediction_url>'
+    prediction_key = '<prediction key>'
+    ```
+
+    Reemplaza `<prediction_url>` con la URL que copiaste del cuadro de diálogo *Prediction URL* anteriormente en esta lección. Reemplaza `<prediction key>` con la clave de predicción que copiaste del mismo cuadro de diálogo.
+
+1. La URL de predicción proporcionada por el cuadro de diálogo *Prediction URL* está diseñada para ser utilizada al llamar directamente al endpoint REST. El SDK de Python utiliza partes de la URL en diferentes lugares. Agrega el siguiente código para descomponer esta URL en las partes necesarias:
+
+    ```python
+    parts = prediction_url.split('/')
+    endpoint = 'https://' + parts[2]
+    project_id = parts[6]
+    iteration_name = parts[9]
+    ```
+
+    Esto divide la URL, extrayendo el endpoint de `https://<location>.api.cognitive.microsoft.com`, el ID del proyecto y el nombre de la iteración publicada.
+
+1. Crea un objeto predictor para realizar la predicción con el siguiente código:
+
+    ```python
+    prediction_credentials = ApiKeyCredentials(in_headers={"Prediction-key": prediction_key})
+    predictor = CustomVisionPredictionClient(endpoint, prediction_credentials)
+    ```
+
+    Las `prediction_credentials` envuelven la clave de predicción. Estas se utilizan para crear un objeto cliente de predicción que apunta al endpoint.
+
+1. Envía la imagen a Custom Vision utilizando el siguiente código:
+
+    ```python
+    image.seek(0)
+    results = predictor.classify_image(project_id, iteration_name, image)
+    ```
+
+    Esto rebobina la imagen al inicio y luego la envía al cliente de predicción.
+
+1. Finalmente, muestra los resultados con el siguiente código:
+
+    ```python
+    for prediction in results.predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    Esto recorrerá todas las predicciones que se han devuelto y las mostrará en la terminal. Las probabilidades devueltas son números de punto flotante entre 0 y 1, donde 0 representa un 0% de probabilidad de coincidir con la etiqueta, y 1 representa un 100% de probabilidad.
+
+    > 💁 Los clasificadores de imágenes devolverán los porcentajes para todas las etiquetas que se hayan utilizado. Cada etiqueta tendrá una probabilidad de que la imagen coincida con esa etiqueta.
+
+1. Ejecuta tu código, con tu cámara apuntando a alguna fruta, o un conjunto de imágenes apropiado, o fruta visible en tu cámara web si estás utilizando hardware IoT virtual. Verás la salida en la consola:
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    Podrás ver la imagen que se tomó y estos valores en la pestaña **Predictions** en Custom Vision.
+
+    ![Un plátano en Custom Vision predicho como maduro al 56.8% y no maduro al 43.1%](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.es.png)
+
+> 💁 Puedes encontrar este código en la carpeta [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) o [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device).
+
+😀 ¡Tu programa clasificador de calidad de frutas fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
new file mode 100644
index 00000000..2042d985
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3ba7150ffc4a6999f6c3cfb4906ec7df",
+  "translation_date": "2025-08-26T14:13:24+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md",
+  "language_code": "es"
+}
+-->
+# Captura una imagen - Hardware IoT Virtual
+
+En esta parte de la lección, agregarás un sensor de cámara a tu dispositivo IoT virtual y leerás imágenes desde él.
+
+## Hardware
+
+El dispositivo IoT virtual usará una cámara simulada que envía imágenes desde archivos o desde tu cámara web.
+
+### Agregar la cámara a CounterFit
+
+Para usar una cámara virtual, necesitas agregar una a la aplicación CounterFit.
+
+#### Tarea - agregar la cámara a CounterFit
+
+Agrega la cámara a la aplicación CounterFit.
+
+1. Crea una nueva aplicación en Python en tu computadora dentro de una carpeta llamada `fruit-quality-detector` con un único archivo llamado `app.py` y un entorno virtual de Python, y agrega los paquetes pip de CounterFit.
+
+    > ⚠️ Puedes consultar [las instrucciones para crear y configurar un proyecto de Python con CounterFit en la lección 1 si es necesario](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Instala un paquete adicional de Pip para agregar un shim de CounterFit que pueda comunicarse con sensores de cámara simulando algunas funciones del paquete [Picamera Pip](https://pypi.org/project/picamera/). Asegúrate de instalarlo desde una terminal con el entorno virtual activado.
+
+    ```sh
+    pip install counterfit-shims-picamera
+    ```
+
+1. Asegúrate de que la aplicación web de CounterFit esté en ejecución.
+
+1. Crea una cámara:
+
+    1. En el cuadro *Create sensor* del panel *Sensors*, despliega el menú *Sensor type* y selecciona *Camera*.
+
+    1. Establece el *Name* como `Picamera`.
+
+    1. Selecciona el botón **Add** para crear la cámara.
+
+    ![La configuración de la cámara](../../../../../translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.es.png)
+
+    La cámara será creada y aparecerá en la lista de sensores.
+
+    ![La cámara creada](../../../../../translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.es.png)
+
+## Programar la cámara
+
+El dispositivo IoT virtual ahora puede ser programado para usar la cámara virtual.
+
+### Tarea - programar la cámara
+
+Programa el dispositivo.
+
+1. Asegúrate de que la aplicación `fruit-quality-detector` esté abierta en VS Code.
+
+1. Abre el archivo `app.py`.
+
+1. Agrega el siguiente código al inicio de `app.py` para conectar la aplicación a CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Agrega el siguiente código a tu archivo `app.py`:
+
+    ```python
+    import io
+    from counterfit_shims_picamera import PiCamera
+    ```
+
+    Este código importa algunas bibliotecas necesarias, incluyendo la clase `PiCamera` de la biblioteca counterfit_shims_picamera.
+
+1. Agrega el siguiente código debajo de este para inicializar la cámara:
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    ```
+
+    Este código crea un objeto PiCamera, establece la resolución en 640x480. Aunque se admiten resoluciones más altas, el clasificador de imágenes funciona con imágenes mucho más pequeñas (227x227), por lo que no es necesario capturar y enviar imágenes más grandes.
+
+    La línea `camera.rotation = 0` establece la rotación de la imagen en grados. Si necesitas rotar la imagen de la cámara web o del archivo, ajusta este valor según sea necesario. Por ejemplo, si deseas cambiar la imagen de un plátano en una cámara web en modo horizontal a modo vertical, establece `camera.rotation = 90`.
+
+1. Agrega el siguiente código debajo de este para capturar la imagen como datos binarios:
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    Este código crea un objeto `BytesIO` para almacenar datos binarios. La imagen se lee desde la cámara como un archivo JPEG y se almacena en este objeto. Este objeto tiene un indicador de posición para saber dónde está en los datos, de modo que se puedan escribir más datos al final si es necesario. La línea `image.seek(0)` mueve esta posición al inicio para que todos los datos puedan leerse más tarde.
+
+1. Debajo de esto, agrega lo siguiente para guardar la imagen en un archivo:
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    Este código abre un archivo llamado `image.jpg` para escritura, luego lee todos los datos del objeto `BytesIO` y los escribe en el archivo.
+
+    > 💁 Puedes capturar la imagen directamente en un archivo en lugar de un objeto `BytesIO` pasando el nombre del archivo a la llamada `camera.capture`. La razón para usar el objeto `BytesIO` es que más adelante en esta lección podrás enviar la imagen a tu clasificador de imágenes.
+
+1. Configura la imagen que la cámara en CounterFit capturará. Puedes establecer la *Source* como *File*, luego subir un archivo de imagen, o establecer la *Source* como *WebCam*, y las imágenes se capturarán desde tu cámara web. Asegúrate de seleccionar el botón **Set** después de elegir una imagen o tu cámara web.
+
+    ![CounterFit con un archivo configurado como fuente de imagen y una cámara web mostrando a una persona sosteniendo un plátano en la vista previa de la cámara](../../../../../translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.es.png)
+
+1. Se capturará una imagen y se guardará como `image.jpg` en la carpeta actual. Verás este archivo en el explorador de VS Code. Selecciona el archivo para ver la imagen. Si necesita rotación, actualiza la línea `camera.rotation = 0` según sea necesario y toma otra foto.
+
+> 💁 Puedes encontrar este código en la carpeta [code-camera/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/virtual-iot-device).
+
+😀 ¡Tu programa de cámara fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
new file mode 100644
index 00000000..ad3d24de
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
@@ -0,0 +1,475 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "160be8c0f558687f6686dca64f10f739",
+  "translation_date": "2025-08-26T14:14:51+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md",
+  "language_code": "es"
+}
+-->
+# Captura una imagen - Wio Terminal
+
+En esta parte de la lección, agregarás una cámara a tu Wio Terminal y capturarás imágenes con ella.
+
+## Hardware
+
+El Wio Terminal necesita una cámara.
+
+La cámara que usarás es una [ArduCam Mini 2MP Plus](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/). Esta es una cámara de 2 megapíxeles basada en el sensor de imagen OV2640. Se comunica a través de una interfaz SPI para capturar imágenes y utiliza I2C para configurar el sensor.
+
+## Conecta la cámara
+
+La ArduCam no tiene un conector Grove; en su lugar, se conecta tanto a los buses SPI como I2C a través de los pines GPIO del Wio Terminal.
+
+### Tarea - conecta la cámara
+
+Conecta la cámara.
+
+![Un sensor ArduCam](../../../../../translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.es.png)
+
+1. Los pines en la base de la ArduCam deben conectarse a los pines GPIO del Wio Terminal. Para facilitar la identificación de los pines correctos, coloca la etiqueta de pines GPIO que viene con el Wio Terminal alrededor de los pines:
+
+    ![El Wio Terminal con la etiqueta de pines GPIO](../../../../../translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.es.png)
+
+1. Usando cables de puente, realiza las siguientes conexiones:
+
+    | Pin de ArduCAM | Pin de Wio Terminal | Descripción                             |
+    | -------------- | ------------------- | --------------------------------------- |
+    | CS             | 24 (SPI_CS)         | Selección de chip SPI                   |
+    | MOSI           | 19 (SPI_MOSI)       | Salida del controlador SPI, entrada del periférico |
+    | MISO           | 21 (SPI_MISO)       | Entrada del controlador SPI, salida del periférico |
+    | SCK            | 23 (SPI_SCLK)       | Reloj serial SPI                        |
+    | GND            | 6 (GND)             | Tierra - 0V                             |
+    | VCC            | 4 (5V)              | Fuente de alimentación de 5V            |
+    | SDA            | 3 (I2C1_SDA)        | Datos seriales I2C                      |
+    | SCL            | 5 (I2C1_SCL)        | Reloj serial I2C                        |
+
+    ![El Wio Terminal conectado a la ArduCam con cables de puente](../../../../../translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.es.png)
+
+    Las conexiones GND y VCC proporcionan una fuente de alimentación de 5V a la ArduCam. Funciona a 5V, a diferencia de los sensores Grove que funcionan a 3V. Esta energía proviene directamente de la conexión USB-C que alimenta el dispositivo.
+
+    > 💁 Para la conexión SPI, las etiquetas de los pines en la ArduCam y los nombres de los pines del Wio Terminal utilizados en el código aún usan la convención de nombres antigua. Las instrucciones en esta lección usarán la nueva convención de nombres, excepto cuando los nombres de los pines se utilicen en el código.
+
+1. Ahora puedes conectar el Wio Terminal a tu computadora.
+
+## Programa el dispositivo para conectarse a la cámara
+
+El Wio Terminal ahora puede ser programado para usar la cámara ArduCAM conectada.
+
+### Tarea - programa el dispositivo para conectarse a la cámara
+
+1. Crea un proyecto nuevo para el Wio Terminal usando PlatformIO. Llama a este proyecto `fruit-quality-detector`. Agrega código en la función `setup` para configurar el puerto serial.
+
+1. Agrega código para conectarte a WiFi, con tus credenciales de WiFi en un archivo llamado `config.h`. No olvides agregar las bibliotecas necesarias al archivo `platformio.ini`.
+
+1. La biblioteca de ArduCam no está disponible como una biblioteca de Arduino que pueda instalarse desde el archivo `platformio.ini`. En su lugar, deberá instalarse desde su página de GitHub. Puedes obtenerla de las siguientes maneras:
+
+    * Clonando el repositorio desde [https://github.com/ArduCAM/Arduino.git](https://github.com/ArduCAM/Arduino.git)
+    * Visitando el repositorio en GitHub en [github.com/ArduCAM/Arduino](https://github.com/ArduCAM/Arduino) y descargando el código como un archivo zip desde el botón **Code**
+
+1. Solo necesitas la carpeta `ArduCAM` de este código. Copia toda la carpeta dentro de la carpeta `lib` de tu proyecto.
+
+    > ⚠️ Debes copiar toda la carpeta, de modo que el código esté en `lib/ArduCam`. No copies solo el contenido de la carpeta `ArduCam` en la carpeta `lib`, copia la carpeta completa.
+
+1. El código de la biblioteca ArduCam funciona para múltiples tipos de cámaras. El tipo de cámara que deseas usar se configura utilizando banderas del compilador, lo que mantiene la biblioteca construida lo más pequeña posible al eliminar el código para cámaras que no estás utilizando. Para configurar la biblioteca para la cámara OV2640, agrega lo siguiente al final del archivo `platformio.ini`:
+
+    ```ini
+    build_flags =
+        -DARDUCAM_SHIELD_V2
+        -DOV2640_CAM
+    ```
+
+    Esto establece 2 banderas del compilador:
+
+      * `ARDUCAM_SHIELD_V2` para indicar a la biblioteca que la cámara está en una placa Arduino, conocida como shield.
+      * `OV2640_CAM` para indicar a la biblioteca que solo incluya código para la cámara OV2640.
+
+1. Agrega un archivo de encabezado en la carpeta `src` llamado `camera.h`. Este contendrá el código para comunicarse con la cámara. Agrega el siguiente código a este archivo:
+
+    ```cpp
+    #pragma once
+    
+    #include <ArduCAM.h>
+    #include <Wire.h>
+    
+    class Camera
+    {
+    public:
+        Camera(int format, int image_size) : _arducam(OV2640, PIN_SPI_SS)
+        {
+            _format = format;
+            _image_size = image_size;
+        }
+    
+        bool init()
+        {
+            // Reset the CPLD
+            _arducam.write_reg(0x07, 0x80);
+            delay(100);
+    
+            _arducam.write_reg(0x07, 0x00);
+            delay(100);
+    
+            // Check if the ArduCAM SPI bus is OK
+            _arducam.write_reg(ARDUCHIP_TEST1, 0x55);
+            if (_arducam.read_reg(ARDUCHIP_TEST1) != 0x55)
+            {
+                return false;
+            }
+                
+            // Change MCU mode
+            _arducam.set_mode(MCU2LCD_MODE);
+    
+            uint8_t vid, pid;
+    
+            // Check if the camera module type is OV2640
+            _arducam.wrSensorReg8_8(0xff, 0x01);
+            _arducam.rdSensorReg8_8(OV2640_CHIPID_HIGH, &vid);
+            _arducam.rdSensorReg8_8(OV2640_CHIPID_LOW, &pid);
+            if ((vid != 0x26) && ((pid != 0x41) || (pid != 0x42)))
+            {
+                return false;
+            }
+            
+            _arducam.set_format(_format);
+            _arducam.InitCAM();
+            _arducam.OV2640_set_JPEG_size(_image_size);
+            _arducam.OV2640_set_Light_Mode(Auto);
+            _arducam.OV2640_set_Special_effects(Normal);
+            delay(1000);
+    
+            return true;
+        }
+    
+        void startCapture()
+        {
+            _arducam.flush_fifo();
+            _arducam.clear_fifo_flag();
+            _arducam.start_capture();
+        }
+    
+        bool captureReady()
+        {
+            return _arducam.get_bit(ARDUCHIP_TRIG, CAP_DONE_MASK);
+        }
+    
+        bool readImageToBuffer(byte **buffer, uint32_t &buffer_length)
+        {
+            if (!captureReady()) return false;
+    
+            // Get the image file length
+            uint32_t length = _arducam.read_fifo_length();
+            buffer_length = length;
+    
+            if (length >= MAX_FIFO_SIZE)
+            {
+                return false;
+            }
+            if (length == 0)
+            {
+                return false;
+            }
+    
+            // create the buffer
+            byte *buf = new byte[length];
+    
+            uint8_t temp = 0, temp_last = 0;
+            int i = 0;
+            uint32_t buffer_pos = 0;
+            bool is_header = false;
+    
+            _arducam.CS_LOW();
+            _arducam.set_fifo_burst();
+            
+            while (length--)
+            {
+                temp_last = temp;
+                temp = SPI.transfer(0x00);
+                //Read JPEG data from FIFO
+                if ((temp == 0xD9) && (temp_last == 0xFF)) //If find the end ,break while,
+                {
+                    buf[buffer_pos] = temp;
+    
+                    buffer_pos++;
+                    i++;
+                    
+                    _arducam.CS_HIGH();
+                }
+                if (is_header == true)
+                {
+                    //Write image data to buffer if not full
+                    if (i < 256)
+                    {
+                        buf[buffer_pos] = temp;
+                        buffer_pos++;
+                        i++;
+                    }
+                    else
+                    {
+                        _arducam.CS_HIGH();
+    
+                        i = 0;
+                        buf[buffer_pos] = temp;
+    
+                        buffer_pos++;
+                        i++;
+    
+                        _arducam.CS_LOW();
+                        _arducam.set_fifo_burst();
+                    }
+                }
+                else if ((temp == 0xD8) & (temp_last == 0xFF))
+                {
+                    is_header = true;
+    
+                    buf[buffer_pos] = temp_last;
+                    buffer_pos++;
+                    i++;
+    
+                    buf[buffer_pos] = temp;
+                    buffer_pos++;
+                    i++;
+                }
+            }
+            
+            _arducam.clear_fifo_flag();
+    
+            _arducam.set_format(_format);
+            _arducam.InitCAM();
+            _arducam.OV2640_set_JPEG_size(_image_size);
+    
+            // return the buffer
+            *buffer = buf;
+        }
+    
+    private:
+        ArduCAM _arducam;
+        int _format;
+        int _image_size;
+    };
+    ```
+
+    Este es un código de bajo nivel que configura la cámara utilizando las bibliotecas de ArduCam y extrae las imágenes cuando sea necesario utilizando el bus SPI. Este código es muy específico para la ArduCam, por lo que no necesitas preocuparte por cómo funciona en este momento.
+
+1. En `main.cpp`, agrega el siguiente código debajo de las otras declaraciones `include` para incluir este nuevo archivo y crear una instancia de la clase de cámara:
+
+    ```cpp
+    #include "camera.h"
+
+    Camera camera = Camera(JPEG, OV2640_640x480);
+    ```
+
+    Esto crea una `Camera` que guarda las imágenes como JPEGs con una resolución de 640x480. Aunque se admiten resoluciones más altas (hasta 3280x2464), el clasificador de imágenes funciona con imágenes mucho más pequeñas (227x227), por lo que no es necesario capturar y enviar imágenes más grandes.
+
+1. Agrega el siguiente código debajo de esto para definir una función que configure la cámara:
+
+    ```cpp
+    void setupCamera()
+    {
+        pinMode(PIN_SPI_SS, OUTPUT);
+        digitalWrite(PIN_SPI_SS, HIGH);
+    
+        Wire.begin();
+        SPI.begin();
+    
+        if (!camera.init())
+        {
+            Serial.println("Error setting up the camera!");
+        }
+    }
+    ```
+
+    Esta función `setupCamera` comienza configurando el pin de selección de chip SPI (`PIN_SPI_SS`) como alto, haciendo que el Wio Terminal sea el controlador SPI. Luego inicia los buses I2C y SPI. Finalmente, inicializa la clase de cámara, que configura los ajustes del sensor de la cámara y asegura que todo esté correctamente conectado.
+
+1. Llama a esta función al final de la función `setup`:
+
+    ```cpp
+    setupCamera();
+    ```
+
+1. Compila y sube este código, y verifica la salida del monitor serial. Si ves `Error setting up the camera!`, verifica el cableado para asegurarte de que todos los cables estén conectando los pines correctos en la ArduCam a los pines GPIO correctos en el Wio Terminal, y que todos los cables de puente estén correctamente asentados.
+
+## Captura una imagen
+
+El Wio Terminal ahora puede ser programado para capturar una imagen cuando se presione un botón.
+
+### Tarea - captura una imagen
+
+1. Los microcontroladores ejecutan tu código continuamente, por lo que no es fácil activar algo como tomar una foto sin reaccionar a un sensor. El Wio Terminal tiene botones, por lo que la cámara puede configurarse para activarse con uno de los botones. Agrega el siguiente código al final de la función `setup` para configurar el botón C (uno de los tres botones en la parte superior, el más cercano al interruptor de encendido).
+
+    ![El botón C en la parte superior, cerca del interruptor de encendido](../../../../../translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.es.png)
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+    El modo `INPUT_PULLUP` esencialmente invierte una entrada. Por ejemplo, normalmente un botón enviaría una señal baja cuando no se presiona y una señal alta cuando se presiona. Cuando se configura como `INPUT_PULLUP`, envía una señal alta cuando no se presiona y una señal baja cuando se presiona.
+
+1. Agrega una función vacía para responder a la pulsación del botón antes de la función `loop`:
+
+    ```cpp
+    void buttonPressed()
+    {
+        
+    }
+    ```
+
+1. Llama a esta función en el método `loop` cuando se presione el botón:
+
+    ```cpp
+    void loop()
+    {
+        if (digitalRead(WIO_KEY_C) == LOW)
+        {
+            buttonPressed();
+            delay(2000);
+        }
+    
+        delay(200);
+    }
+    ```
+
+    Este código verifica si el botón está presionado. Si lo está, se llama a la función `buttonPressed` y el bucle se retrasa por 2 segundos. Esto es para permitir tiempo para que el botón sea liberado y evitar que una pulsación larga se registre dos veces.
+
+    > 💁 El botón en el Wio Terminal está configurado como `INPUT_PULLUP`, por lo que envía una señal alta cuando no se presiona y una señal baja cuando se presiona.
+
+1. Agrega el siguiente código a la función `buttonPressed`:
+
+    ```cpp
+    camera.startCapture();
+ 
+    while (!camera.captureReady())
+        delay(100);
+
+    Serial.println("Image captured");
+
+    byte *buffer;
+    uint32_t length;
+
+    if (camera.readImageToBuffer(&buffer, length))
+    {
+        Serial.print("Image read to buffer with length ");
+        Serial.println(length);
+
+        delete(buffer);
+    }
+    ```
+
+    Este código inicia la captura de la cámara llamando a `startCapture`. El hardware de la cámara no funciona devolviendo los datos cuando los solicitas; en su lugar, envías una instrucción para comenzar la captura, y la cámara trabajará en segundo plano para capturar la imagen, convertirla a JPEG y almacenarla en un búfer local en la propia cámara. La llamada `captureReady` luego verifica si la captura de la imagen ha terminado.
+
+    Una vez que la captura ha terminado, los datos de la imagen se copian del búfer de la cámara a un búfer local (array de bytes) con la llamada `readImageToBuffer`. La longitud del búfer se envía al monitor serial.
+
+1. Compila y sube este código, y verifica la salida en el monitor serial. Cada vez que presiones el botón C, se capturará una imagen y verás el tamaño de la imagen enviado al monitor serial.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 9224
+    Image captured
+    Image read to buffer with length 11272
+    ```
+
+    Las imágenes diferentes tendrán tamaños diferentes. Se comprimen como JPEGs y el tamaño de un archivo JPEG para una resolución dada depende de lo que haya en la imagen.
+
+> 💁 Puedes encontrar este código en la carpeta [code-camera/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/wio-terminal).
+
+😀 Has capturado imágenes exitosamente con tu Wio Terminal.
+
+## Opcional - verifica las imágenes de la cámara usando una tarjeta SD
+
+La forma más sencilla de ver las imágenes capturadas por la cámara es escribirlas en una tarjeta SD en el Wio Terminal y luego verlas en tu computadora. Realiza este paso si tienes una tarjeta microSD de repuesto y un lector de tarjetas microSD en tu computadora o un adaptador.
+
+El Wio Terminal solo admite tarjetas microSD de hasta 16GB de tamaño. Si tienes una tarjeta SD más grande, no funcionará.
+
+### Tarea - verifica las imágenes de la cámara usando una tarjeta SD
+
+1. Formatea una tarjeta microSD como FAT32 o exFAT utilizando las aplicaciones relevantes en tu computadora (Utilidad de Discos en macOS, Explorador de Archivos en Windows, o herramientas de línea de comandos en Linux).
+
+1. Inserta la tarjeta microSD en el lector justo debajo del interruptor de encendido. Asegúrate de que esté completamente insertada hasta que haga clic y se quede en su lugar; es posible que necesites empujarla con una uña o una herramienta delgada.
+
+1. Agrega las siguientes declaraciones `include` en la parte superior del archivo `main.cpp`:
+
+    ```cpp
+    #include "SD/Seeed_SD.h"
+    #include <Seeed_FS.h>
+    ```
+
+1. Agrega la siguiente función antes de la función `setup`:
+
+    ```cpp
+    void setupSDCard()
+    {
+        while (!SD.begin(SDCARD_SS_PIN, SDCARD_SPI))
+        {
+            Serial.println("SD Card Error");
+        }
+    }
+    ```
+
+    Esto configura la tarjeta SD utilizando el bus SPI.
+
+1. Llama a esta función desde la función `setup`:
+
+    ```cpp
+    setupSDCard();
+    ```
+
+1. Agrega el siguiente código encima de la función `buttonPressed`:
+
+    ```cpp
+    int fileNum = 1;
+
+    void saveToSDCard(byte *buffer, uint32_t length)
+    {
+        char buff[16];
+        sprintf(buff, "%d.jpg", fileNum);
+        fileNum++;
+    
+        File outFile = SD.open(buff, FILE_WRITE );
+        outFile.write(buffer, length);
+        outFile.close();
+
+        Serial.print("Image written to file ");
+        Serial.println(buff);
+    }
+    ```
+
+    Esto define una variable global para un contador de archivos. Se utiliza para los nombres de los archivos de imagen, de modo que se puedan capturar múltiples imágenes con nombres de archivo incrementales: `1.jpg`, `2.jpg`, y así sucesivamente.
+
+    Luego define la función `saveToSDCard`, que toma un búfer de datos de bytes y la longitud del búfer. Se crea un nombre de archivo utilizando el contador de archivos, y el contador se incrementa para el siguiente archivo. Los datos binarios del búfer se escriben en el archivo.
+
+1. Llama a la función `saveToSDCard` desde la función `buttonPressed`. La llamada debe estar **antes** de que se elimine el búfer:
+
+    ```cpp
+    Serial.print("Image read to buffer with length ");
+    Serial.println(length);
+
+    saveToSDCard(buffer, length);
+    
+    delete(buffer);
+    ```
+
+1. Compila y sube este código, y verifica la salida en el monitor serial. Cada vez que presiones el botón C, se capturará una imagen y se guardará en la tarjeta SD.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 16392
+    Image written to file 1.jpg
+    Image captured
+    Image read to buffer with length 14344
+    Image written to file 2.jpg
+    ```
+
+1. Apaga el Wio Terminal y expulsa la tarjeta microSD presionándola ligeramente y soltándola, y saldrá. Es posible que necesites usar una herramienta delgada para hacerlo. Conecta la tarjeta microSD a tu computadora para ver las imágenes.
+
+    ![Una imagen de un plátano capturada con la ArduCam](../../../../../translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.es.jpg)
+> 💁 Puede que la cámara necesite unas cuantas imágenes para ajustar el balance de blancos. Notarás esto según el color de las imágenes capturadas, las primeras pueden verse descoloridas. Siempre puedes solucionar esto cambiando el código para capturar algunas imágenes que se ignoren en la función `setup`.
+
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
new file mode 100644
index 00000000..8ff81710
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
@@ -0,0 +1,229 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "32a1f23e7834fbe7715da8c4ebb450b9",
+  "translation_date": "2025-08-26T14:12:36+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md",
+  "language_code": "es"
+}
+-->
+# Clasificar una imagen - Wio Terminal
+
+En esta parte de la lección, enviarás la imagen capturada por la cámara al servicio Custom Vision para clasificarla.
+
+## Clasificar una imagen
+
+El servicio Custom Vision tiene una API REST que puedes llamar desde el Wio Terminal para clasificar imágenes. Esta API REST se accede a través de una conexión HTTPS, que es una conexión HTTP segura.
+
+Al interactuar con puntos finales HTTPS, el código cliente necesita solicitar el certificado de clave pública del servidor al que se accede y usarlo para cifrar el tráfico que envía. Tu navegador web hace esto automáticamente, pero los microcontroladores no. Necesitarás solicitar este certificado manualmente y usarlo para crear una conexión segura con la API REST. Estos certificados no cambian, por lo que una vez que tengas un certificado, puede ser codificado directamente en tu aplicación.
+
+Estos certificados contienen claves públicas y no necesitan mantenerse seguros. Puedes usarlos en tu código fuente y compartirlos públicamente en lugares como GitHub.
+
+### Tarea - configurar un cliente SSL
+
+1. Abre el proyecto de la aplicación `fruit-quality-detector` si no está ya abierto.
+
+1. Abre el archivo de encabezado `config.h` y añade lo siguiente:
+
+    ```cpp
+    const char *CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
+        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
+        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
+        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
+        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
+        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
+        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
+        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
+        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
+        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
+        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
+        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
+        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
+        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
+        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
+        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+    Este es el *certificado Microsoft Azure DigiCert Global Root G2* - es uno de los certificados utilizados por muchos servicios de Azure a nivel mundial.
+
+    > 💁 Para verificar que este es el certificado que debes usar, ejecuta el siguiente comando en macOS o Linux. Si estás usando Windows, puedes ejecutar este comando utilizando el [Subsistema de Windows para Linux (WSL)](https://docs.microsoft.com/windows/wsl/?WT.mc_id=academic-17441-jabenn):
+    >
+    > ```sh
+    > openssl s_client -showcerts -verify 5 -connect api.cognitive.microsoft.com:443
+    > ```
+    >
+    > La salida mostrará el certificado DigiCert Global Root G2.
+
+1. Abre `main.cpp` y añade la siguiente directiva de inclusión:
+
+    ```cpp
+    #include <WiFiClientSecure.h>
+    ```
+
+1. Debajo de las directivas de inclusión, declara una instancia de `WifiClientSecure`:
+
+    ```cpp
+    WiFiClientSecure client;
+    ```
+
+    Esta clase contiene el código para comunicarse con puntos finales web a través de HTTPS.
+
+1. En el método `connectWiFi`, configura el `WiFiClientSecure` para usar el certificado DigiCert Global Root G2:
+
+    ```cpp
+    client.setCACert(CERTIFICATE);
+    ```
+
+### Tarea - clasificar una imagen
+
+1. Añade la siguiente línea adicional a la lista `lib_deps` en el archivo `platformio.ini`:
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    Esto importa [ArduinoJson](https://arduinojson.org), una biblioteca JSON para Arduino, que se usará para decodificar la respuesta JSON de la API REST.
+
+1. En `config.h`, añade constantes para la URL de predicción y la clave del servicio Custom Vision:
+
+    ```cpp
+    const char *PREDICTION_URL = "<PREDICTION_URL>";
+    const char *PREDICTION_KEY = "<PREDICTION_KEY>";
+    ```
+
+    Sustituye `<PREDICTION_URL>` por la URL de predicción de Custom Vision. Sustituye `<PREDICTION_KEY>` por la clave de predicción.
+
+1. En `main.cpp`, añade una directiva de inclusión para la biblioteca ArduinoJson:
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. Añade la siguiente función a `main.cpp`, encima de la función `buttonPressed`.
+
+    ```cpp
+    void classifyImage(byte *buffer, uint32_t length)
+    {
+        HTTPClient httpClient;
+        httpClient.begin(client, PREDICTION_URL);
+        httpClient.addHeader("Content-Type", "application/octet-stream");
+        httpClient.addHeader("Prediction-Key", PREDICTION_KEY);
+    
+        int httpResponseCode = httpClient.POST(buffer, length);
+    
+        if (httpResponseCode == 200)
+        {
+            String result = httpClient.getString();
+    
+            DynamicJsonDocument doc(1024);
+            deserializeJson(doc, result.c_str());
+    
+            JsonObject obj = doc.as<JsonObject>();
+            JsonArray predictions = obj["predictions"].as<JsonArray>();
+    
+            for(JsonVariant prediction : predictions) 
+            {
+                String tag = prediction["tagName"].as<String>();
+                float probability = prediction["probability"].as<float>();
+    
+                char buff[32];
+                sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
+                Serial.println(buff);
+            }
+        }
+    
+        httpClient.end();
+    }
+    ```
+
+    Este código comienza declarando un `HTTPClient`, una clase que contiene métodos para interactuar con APIs REST. Luego conecta el cliente a la URL de predicción usando la instancia de `WiFiClientSecure` configurada con la clave pública de Azure.
+
+    Una vez conectado, envía encabezados, que son información sobre la solicitud que se hará contra la API REST. El encabezado `Content-Type` indica que la llamada a la API enviará datos binarios en bruto, y el encabezado `Prediction-Key` pasa la clave de predicción de Custom Vision.
+
+    A continuación, se realiza una solicitud POST al cliente HTTP, subiendo un arreglo de bytes. Este contendrá la imagen JPEG capturada por la cámara cuando se llame a esta función.
+
+    > 💁 Las solicitudes POST están diseñadas para enviar datos y obtener una respuesta. Existen otros tipos de solicitudes, como las solicitudes GET, que recuperan datos. Las solicitudes GET son utilizadas por tu navegador web para cargar páginas web.
+
+    La solicitud POST devuelve un código de estado de respuesta. Estos son valores bien definidos, donde 200 significa **OK** - la solicitud POST fue exitosa.
+
+    > 💁 Puedes ver todos los códigos de estado de respuesta en la [página de Lista de códigos de estado HTTP en Wikipedia](https://wikipedia.org/wiki/List_of_HTTP_status_codes)
+
+    Si se devuelve un 200, el resultado se lee desde el cliente HTTP. Esta es una respuesta en texto de la API REST con los resultados de la predicción en un documento JSON. El JSON tiene el siguiente formato:
+
+    ```jSON
+    {
+        "id":"45d614d3-7d6f-47e9-8fa2-04f237366a16",
+        "project":"135607e5-efac-4855-8afb-c93af3380531",
+        "iteration":"04f1c1fa-11ec-4e59-bb23-4c7aca353665",
+        "created":"2021-06-10T17:58:58.959Z",
+        "predictions":[
+            {
+                "probability":0.5582016,
+                "tagId":"05a432ea-9718-4098-b14f-5f0688149d64",
+                "tagName":"ripe"
+            },
+            {
+                "probability":0.44179836,
+                "tagId":"bb091037-16e5-418e-a9ea-31c6a2920f17",
+                "tagName":"unripe"
+            }
+        ]
+    }
+    ```
+
+    La parte importante aquí es el arreglo `predictions`. Este contiene las predicciones, con una entrada para cada etiqueta que incluye el nombre de la etiqueta y la probabilidad. Las probabilidades devueltas son números de punto flotante entre 0 y 1, donde 0 significa un 0% de coincidencia con la etiqueta, y 1 significa un 100% de coincidencia.
+
+    > 💁 Los clasificadores de imágenes devolverán los porcentajes para todas las etiquetas que se hayan utilizado. Cada etiqueta tendrá una probabilidad de que la imagen coincida con esa etiqueta.
+
+    Este JSON se decodifica y las probabilidades de cada etiqueta se envían al monitor serial.
+
+1. En la función `buttonPressed`, reemplaza el código que guarda en la tarjeta SD con una llamada a `classifyImage`, o añádelo después de que la imagen se escriba, pero **antes** de que se elimine el búfer:
+
+    ```cpp
+    classifyImage(buffer, length);
+    ```
+
+    > 💁 Si reemplazas el código que guarda en la tarjeta SD, puedes limpiar tu código eliminando las funciones `setupSDCard` y `saveToSDCard`.
+
+1. Sube y ejecuta tu código. Apunta la cámara hacia alguna fruta y presiona el botón C. Verás la salida en el monitor serial:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    Podrás ver la imagen que se tomó y estos valores en la pestaña **Predictions** en Custom Vision.
+
+    ![Un plátano en Custom Vision predicho como maduro al 56.8% y no maduro al 43.1%](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.es.png)
+
+> 💁 Puedes encontrar este código en la carpeta [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal).
+
+😀 ¡Tu programa clasificador de calidad de frutas fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
new file mode 100644
index 00000000..f5ab4969
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
@@ -0,0 +1,627 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2625af24587465c5547ae33d6cc000a5",
+  "translation_date": "2025-08-26T14:17:09+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/README.md",
+  "language_code": "es"
+}
+-->
+# Ejecuta tu detector de frutas en el edge
+
+![Resumen visual de esta lección](../../../../../translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.es.jpg)
+
+> Resumen visual por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+Este video ofrece una visión general sobre cómo ejecutar clasificadores de imágenes en dispositivos IoT, el tema que se aborda en esta lección.
+
+[![Custom Vision AI en Azure IoT Edge](https://img.youtube.com/vi/_K5fqGLO8us/0.jpg)](https://www.youtube.com/watch?v=_K5fqGLO8us)
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/33)
+
+## Introducción
+
+En la lección anterior utilizaste tu clasificador de imágenes para identificar frutas maduras e inmaduras, enviando una imagen capturada por la cámara de tu dispositivo IoT a un servicio en la nube a través de internet. Estas llamadas toman tiempo, generan costos y, dependiendo del tipo de datos de imagen que estés utilizando, podrían tener implicaciones de privacidad.
+
+En esta lección aprenderás cómo ejecutar modelos de aprendizaje automático (ML) en el edge, es decir, en dispositivos IoT que operan en tu propia red en lugar de en la nube. Aprenderás los beneficios y desventajas de la computación en el edge frente a la computación en la nube, cómo implementar tu modelo de IA en el edge y cómo acceder a él desde tu dispositivo IoT.
+
+En esta lección cubriremos:
+
+* [Computación en el edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Azure IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Registrar un dispositivo IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Configurar un dispositivo IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Exportar tu modelo](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Preparar tu contenedor para la implementación](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Implementar tu contenedor](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Usar tu dispositivo IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+
+## Computación en el edge
+
+La computación en el edge implica tener computadoras que procesen datos de IoT lo más cerca posible de donde se generan. En lugar de realizar este procesamiento en la nube, se traslada al borde de la nube, es decir, a tu red interna.
+
+![Diagrama de arquitectura que muestra servicios de internet en la nube y dispositivos IoT en una red local](../../../../../translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.es.png)
+
+En las lecciones anteriores, tus dispositivos recopilaban datos y los enviaban a la nube para ser analizados, ejecutando funciones sin servidor o modelos de IA en la nube.
+
+![Diagrama de arquitectura que muestra dispositivos IoT en una red local conectados a dispositivos edge, y estos dispositivos edge conectados a la nube](../../../../../translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.es.png)
+
+La computación en el edge implica mover algunos de los servicios de la nube a computadoras que operan en la misma red que los dispositivos IoT, comunicándose con la nube solo cuando sea necesario. Por ejemplo, puedes ejecutar modelos de IA en dispositivos edge para analizar la madurez de las frutas y enviar solo análisis a la nube, como el número de frutas maduras frente a inmaduras.
+
+✅ Reflexiona sobre las aplicaciones de IoT que has construido hasta ahora. ¿Qué partes de ellas podrían trasladarse al edge?
+
+### Ventajas
+
+Las ventajas de la computación en el edge son:
+
+1. **Velocidad**: la computación en el edge es ideal para datos sensibles al tiempo, ya que las acciones se realizan en la misma red que el dispositivo, en lugar de hacer llamadas a través de internet. Esto permite mayores velocidades, ya que las redes internas pueden operar a velocidades sustancialmente más altas que las conexiones a internet, con los datos viajando distancias mucho más cortas.
+
+    > 💁 Aunque los cables ópticos se utilizan para las conexiones a internet, permitiendo que los datos viajen a la velocidad de la luz, los datos pueden tardar en recorrer el mundo hasta los proveedores de la nube. Por ejemplo, si envías datos desde Europa a servicios en la nube en EE. UU., toma al menos 28 ms para que los datos crucen el Atlántico en un cable óptico, sin contar el tiempo necesario para llevar los datos al cable transatlántico, convertir señales eléctricas en señales de luz y viceversa, y luego desde el cable óptico al proveedor de la nube.
+
+    La computación en el edge también requiere menos tráfico de red, reduciendo el riesgo de que tus datos se ralenticen debido a la congestión en el ancho de banda limitado disponible para una conexión a internet.
+
+1. **Accesibilidad remota**: la computación en el edge funciona cuando tienes conectividad limitada o nula, o cuando la conectividad es demasiado costosa para usarse continuamente. Por ejemplo, en áreas de desastres humanitarios donde la infraestructura es limitada o en países en desarrollo.
+
+1. **Costos más bajos**: realizar la recopilación, almacenamiento, análisis de datos y desencadenar acciones en dispositivos edge reduce el uso de servicios en la nube, lo que puede disminuir el costo total de tu aplicación IoT. Ha habido un aumento reciente en dispositivos diseñados para la computación en el edge, como las placas aceleradoras de IA, por ejemplo, la [Jetson Nano de NVIDIA](https://developer.nvidia.com/embedded/jetson-nano-developer-kit), que pueden ejecutar cargas de trabajo de IA utilizando hardware basado en GPU en dispositivos que cuestan menos de 100 USD.
+
+1. **Privacidad y seguridad**: con la computación en el edge, los datos permanecen en tu red y no se suben a la nube. Esto es preferido para información sensible y personalmente identificable, especialmente porque los datos no necesitan almacenarse después de ser analizados, lo que reduce significativamente el riesgo de fugas de datos. Ejemplos incluyen datos médicos y grabaciones de cámaras de seguridad.
+
+1. **Manejo de dispositivos inseguros**: si tienes dispositivos con fallas de seguridad conocidas que no deseas conectar directamente a tu red o a internet, puedes conectarlos a una red separada a través de un dispositivo IoT Edge como puerta de enlace. Este dispositivo edge puede tener una conexión a tu red más amplia o a internet, y gestionar los flujos de datos de ida y vuelta.
+
+1. **Soporte para dispositivos incompatibles**: si tienes dispositivos que no pueden conectarse a IoT Hub, por ejemplo, dispositivos que solo pueden conectarse mediante conexiones HTTP o dispositivos que solo tienen Bluetooth, puedes usar un dispositivo IoT Edge como dispositivo de puerta de enlace, reenviando mensajes a IoT Hub.
+
+✅ Investiga: ¿Qué otras ventajas podría tener la computación en el edge?
+
+### Desventajas
+
+Existen desventajas en la computación en el edge, donde la nube podría ser una opción preferida:
+
+1. **Escalabilidad y flexibilidad**: la computación en la nube puede ajustarse a las necesidades de red y datos en tiempo real añadiendo o reduciendo servidores y otros recursos. Para añadir más computadoras edge se requiere agregar dispositivos manualmente.
+
+1. **Confiabilidad y resiliencia**: la computación en la nube proporciona múltiples servidores, a menudo en múltiples ubicaciones, para redundancia y recuperación ante desastres. Para tener el mismo nivel de redundancia en el edge se requieren grandes inversiones y mucho trabajo de configuración.
+
+1. **Mantenimiento**: los proveedores de servicios en la nube se encargan del mantenimiento y las actualizaciones del sistema.
+
+✅ Investiga: ¿Qué otras desventajas podría tener la computación en el edge?
+
+Las desventajas son realmente lo opuesto a las ventajas de usar la nube: tienes que construir y gestionar estos dispositivos tú mismo, en lugar de depender de la experiencia y la escala de los proveedores de la nube.
+
+Algunos de los riesgos se mitigan por la propia naturaleza de la computación en el edge. Por ejemplo, si tienes un dispositivo edge funcionando en una fábrica recopilando datos de maquinaria, no necesitas preocuparte por algunos escenarios de recuperación ante desastres. Si se corta la energía en la fábrica, no necesitas un dispositivo edge de respaldo, ya que las máquinas que generan los datos que el dispositivo edge procesa también estarán sin energía.
+
+Para los sistemas IoT, a menudo querrás una combinación de computación en la nube y en el edge, aprovechando cada servicio según las necesidades del sistema, sus usuarios y sus mantenedores.
+
+## Azure IoT Edge
+
+![El logotipo de Azure IoT Edge](../../../../../translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.es.png)
+
+Azure IoT Edge es un servicio que puede ayudarte a trasladar cargas de trabajo fuera de la nube hacia el edge. Configuras un dispositivo como un dispositivo edge y, desde la nube, puedes implementar código en ese dispositivo edge. Esto te permite combinar las capacidades de la nube y el edge.
+
+> 🎓 *Cargas de trabajo* es un término que se refiere a cualquier servicio que realiza algún tipo de trabajo, como modelos de IA, aplicaciones o funciones sin servidor.
+
+Por ejemplo, puedes entrenar un clasificador de imágenes en la nube y luego implementarlo desde la nube en un dispositivo edge. Tu dispositivo IoT enviará imágenes al dispositivo edge para su clasificación, en lugar de enviarlas a través de internet. Si necesitas implementar una nueva iteración del modelo, puedes entrenarlo en la nube y usar IoT Edge para actualizar el modelo en el dispositivo edge con la nueva iteración.
+
+> 🎓 El software que se implementa en IoT Edge se conoce como *módulos*. Por defecto, IoT Edge ejecuta módulos que se comunican con IoT Hub, como los módulos `edgeAgent` y `edgeHub`. Cuando implementas un clasificador de imágenes, este se implementa como un módulo adicional.
+
+IoT Edge está integrado en IoT Hub, por lo que puedes gestionar dispositivos edge utilizando el mismo servicio que usarías para gestionar dispositivos IoT, con el mismo nivel de seguridad.
+
+IoT Edge ejecuta código desde *contenedores*: aplicaciones autónomas que se ejecutan de forma aislada del resto de las aplicaciones en tu computadora. Cuando ejecutas un contenedor, actúa como una computadora separada dentro de tu computadora, con su propio software, servicios y aplicaciones en ejecución. La mayoría de las veces, los contenedores no pueden acceder a nada en tu computadora a menos que elijas compartir cosas como una carpeta con el contenedor. El contenedor luego expone servicios a través de un puerto abierto al que puedes conectarte o exponer a tu red.
+
+![Una solicitud web redirigida a un contenedor](../../../../../translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.es.png)
+
+Por ejemplo, puedes tener un contenedor con un sitio web ejecutándose en el puerto 80, el puerto HTTP predeterminado, y puedes exponerlo desde tu computadora también en el puerto 80.
+
+✅ Investiga: Lee sobre contenedores y servicios como Docker o Moby.
+
+Puedes usar Custom Vision para descargar clasificadores de imágenes e implementarlos como contenedores, ya sea ejecutándolos directamente en un dispositivo o implementándolos a través de IoT Edge. Una vez que están en ejecución en un contenedor, se pueden acceder utilizando la misma API REST que la versión en la nube, pero con el endpoint apuntando al dispositivo Edge que ejecuta el contenedor.
+
+## Registrar un dispositivo IoT Edge
+
+Para usar un dispositivo IoT Edge, este debe registrarse en IoT Hub.
+
+### Tarea - Registrar un dispositivo IoT Edge
+
+1. Crea un IoT Hub en el grupo de recursos `fruit-quality-detector`. Asígnale un nombre único basado en `fruit-quality-detector`.
+
+1. Registra un dispositivo IoT Edge llamado `fruit-quality-detector-edge` en tu IoT Hub. El comando para hacerlo es similar al que se usa para registrar un dispositivo no-edge, excepto que debes pasar el indicador `--edge-enabled`.
+
+    ```sh
+    az iot hub device-identity create --edge-enabled \
+                                      --device-id fruit-quality-detector-edge \
+                                      --hub-name <hub_name>
+    ```
+
+    Sustituye `<hub_name>` por el nombre de tu IoT Hub.
+
+1. Obtén la cadena de conexión para tu dispositivo utilizando el siguiente comando:
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id fruit-quality-detector-edge \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    Sustituye `<hub_name>` por el nombre de tu IoT Hub.
+
+    Copia la cadena de conexión que se muestra en la salida.
+
+## Configurar un dispositivo IoT Edge
+
+Una vez que hayas creado el registro del dispositivo edge en tu IoT Hub, puedes configurar el dispositivo edge.
+
+### Tarea - Instalar e iniciar el runtime de IoT Edge
+
+**El runtime de IoT Edge solo ejecuta contenedores Linux.** Puede ejecutarse en Linux o en Windows utilizando máquinas virtuales Linux.
+
+* Si estás utilizando una Raspberry Pi como tu dispositivo IoT, esta ejecuta una versión compatible de Linux y puede alojar el runtime de IoT Edge. Sigue la [guía de instalación de Azure IoT Edge para Linux en la documentación de Microsoft](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn) para instalar IoT Edge y configurar la cadena de conexión.
+
+    > 💁 Recuerda, Raspberry Pi OS es una variante de Debian Linux.
+
+* Si no estás utilizando una Raspberry Pi, pero tienes una computadora con Linux, puedes ejecutar el runtime de IoT Edge. Sigue la [guía de instalación de Azure IoT Edge para Linux en la documentación de Microsoft](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn) para instalar IoT Edge y configurar la cadena de conexión.
+
+* Si estás utilizando Windows, puedes instalar el runtime de IoT Edge en una máquina virtual Linux siguiendo la [sección de instalación e inicio del runtime de IoT Edge en la guía rápida para implementar tu primer módulo IoT Edge en un dispositivo Windows en la documentación de Microsoft](https://docs.microsoft.com/azure/iot-edge/quickstart?WT.mc_id=academic-17441-jabenn#install-and-start-the-iot-edge-runtime). Puedes detenerte cuando llegues a la sección *Implementar un módulo*.
+
+* Si estás utilizando macOS, puedes crear una máquina virtual (VM) en la nube para usar como tu dispositivo IoT Edge. Estas son computadoras que puedes crear en la nube y acceder a través de internet. Puedes crear una VM Linux que tenga IoT Edge instalado. Sigue la [guía para crear una máquina virtual que ejecute IoT Edge](vm-iotedge.md) para obtener instrucciones sobre cómo hacerlo.
+
+## Exportar tu modelo
+
+Para ejecutar el clasificador en el edge, es necesario exportarlo desde Custom Vision. Custom Vision puede generar dos tipos de modelos: modelos estándar y modelos compactos. Los modelos compactos utilizan diversas técnicas para reducir el tamaño del modelo, haciéndolo lo suficientemente pequeño como para ser descargado e implementado en dispositivos IoT.
+
+Cuando creaste el clasificador de imágenes, utilizaste el dominio *Food*, una versión del modelo optimizada para entrenar con imágenes de alimentos. En Custom Vision, puedes cambiar el dominio de tu proyecto, utilizando tus datos de entrenamiento para entrenar un nuevo modelo con el nuevo dominio. Todos los dominios compatibles con Custom Vision están disponibles como estándar y compacto.
+
+### Tarea - Entrenar tu modelo utilizando el dominio Food (compact)
+1. Abre el portal de Custom Vision en [CustomVision.ai](https://customvision.ai) e inicia sesión si aún no lo tienes abierto. Luego, abre tu proyecto `fruit-quality-detector`.
+
+1. Selecciona el botón **Configuración** (el ícono ⚙).
+
+1. En la lista de *Dominios*, selecciona *Food (compact)*.
+
+1. En *Capacidades de exportación*, asegúrate de que esté seleccionada la opción *Plataformas básicas (Tensorflow, CoreML, ONNX, ...)*.
+
+1. En la parte inferior de la página de Configuración, selecciona **Guardar cambios**.
+
+1. Reentrena el modelo con el botón **Entrenar**, seleccionando *Entrenamiento rápido*.
+
+### Tarea - exportar tu modelo
+
+Una vez que el modelo haya sido entrenado, debe ser exportado como un contenedor.
+
+1. Selecciona la pestaña **Rendimiento** y encuentra tu última iteración que fue entrenada usando el dominio compacto.
+
+1. Selecciona el botón **Exportar** en la parte superior.
+
+1. Selecciona **DockerFile**, luego elige una versión que coincida con tu dispositivo edge:
+
+    * Si estás ejecutando IoT Edge en una computadora Linux, una computadora Windows o una máquina virtual, selecciona la versión *Linux*.
+    * Si estás ejecutando IoT Edge en un Raspberry Pi, selecciona la versión *ARM (Raspberry Pi 3)*.
+
+    
+> 🎓 Docker es una de las herramientas más populares para gestionar contenedores, y un DockerFile es un conjunto de instrucciones sobre cómo configurar el contenedor.
+
+1. Selecciona **Exportar** para que Custom Vision cree los archivos relevantes, luego **Descargar** para descargarlos en un archivo zip.
+
+1. Guarda los archivos en tu computadora y descomprime la carpeta.
+
+## Prepara tu contenedor para el despliegue
+
+![Los contenedores se construyen, luego se envían a un registro de contenedores, y se despliegan desde el registro de contenedores a un dispositivo edge usando IoT Edge](../../../../../translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.es.png)
+
+Una vez que hayas descargado tu modelo, debe ser construido en un contenedor y luego enviado a un registro de contenedores, que es una ubicación en línea donde puedes almacenar contenedores. IoT Edge puede descargar el contenedor desde el registro y enviarlo a tu dispositivo.
+
+![Logo de Azure Container Registry](../../../../../translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.es.png)
+
+El registro de contenedores que usarás para esta lección es Azure Container Registry. Este no es un servicio gratuito, así que para ahorrar dinero asegúrate de [limpiar tu proyecto](../../../clean-up.md) una vez que hayas terminado.
+
+> 💁 Puedes ver los costos de usar un Azure Container Registry en la [página de precios de Azure Container Registry](https://azure.microsoft.com/pricing/details/container-registry/?WT.mc_id=academic-17441-jabenn).
+
+### Tarea - instalar Docker
+
+Para construir y desplegar el clasificador, es posible que necesites instalar [Docker](https://www.docker.com/).
+
+Solo necesitarás hacerlo si planeas construir tu contenedor desde un dispositivo diferente al que instalaste IoT Edge; como parte de la instalación de IoT Edge, Docker se instala automáticamente.
+
+1. Si estás construyendo el contenedor Docker en un dispositivo diferente al de IoT Edge, sigue las instrucciones de instalación de Docker en la [página de instalación de Docker](https://www.docker.com/products/docker-desktop) para instalar Docker Desktop o el motor Docker. Asegúrate de que esté funcionando después de la instalación.
+
+### Tarea - crear un recurso de registro de contenedores
+
+1. Ejecuta el siguiente comando desde tu Terminal o línea de comandos para crear un recurso de Azure Container Registry:
+
+    ```sh
+    az acr create --resource-group fruit-quality-detector \
+                  --sku Basic \
+                  --name <Container registry name>
+    ```
+
+    Reemplaza `<Container registry name>` con un nombre único para tu registro de contenedores, usando solo letras y números. Basa este nombre en `fruitqualitydetector`. Este nombre se convierte en parte de la URL para acceder al registro de contenedores, por lo que debe ser globalmente único.
+
+1. Inicia sesión en el Azure Container Registry con el siguiente comando:
+
+    ```sh
+    az acr login --name <Container registry name>
+    ```
+
+    Reemplaza `<Container registry name>` con el nombre que usaste para tu registro de contenedores.
+
+1. Activa el modo administrador en el registro de contenedores para que puedas generar una contraseña con el siguiente comando:
+
+    ```sh
+    az acr update --admin-enabled true \
+                 --name <Container registry name>
+    ```
+
+    Reemplaza `<Container registry name>` con el nombre que usaste para tu registro de contenedores.
+
+1. Genera contraseñas para tu registro de contenedores con el siguiente comando:
+
+    ```sh
+     az acr credential renew --password-name password \
+                             --output table \
+                             --name <Container registry name>
+    ```
+
+    Reemplaza `<Container registry name>` con el nombre que usaste para tu registro de contenedores.
+
+    Toma una copia del valor de `PASSWORD`, ya que lo necesitarás más adelante.
+
+### Tarea - construir tu contenedor
+
+Lo que descargaste de Custom Vision fue un DockerFile que contiene instrucciones sobre cómo debe construirse el contenedor, junto con el código de la aplicación que se ejecutará dentro del contenedor para alojar tu modelo de visión personalizada, junto con una API REST para llamarlo. Puedes usar Docker para construir un contenedor etiquetado desde el DockerFile y luego enviarlo a tu registro de contenedores.
+
+> 🎓 Los contenedores se etiquetan con un nombre y una versión. Cuando necesites actualizar un contenedor, puedes construirlo con la misma etiqueta pero con una versión más reciente.
+
+1. Abre tu terminal o línea de comandos y navega al modelo descomprimido que descargaste de Custom Vision.
+
+1. Ejecuta el siguiente comando para construir y etiquetar la imagen:
+
+    ```sh
+    docker build --platform <platform> -t <Container registry name>.azurecr.io/classifier:v1 .
+    ```
+
+    Reemplaza `<platform>` con la plataforma en la que este contenedor se ejecutará. Si estás ejecutando IoT Edge en un Raspberry Pi, establece esto en `linux/armhf`, de lo contrario, establece esto en `linux/amd64`.
+
+    > 💁 Si estás ejecutando este comando desde el dispositivo en el que estás ejecutando IoT Edge, como desde tu Raspberry Pi, puedes omitir la parte `--platform <platform>` ya que por defecto usa la plataforma actual.
+
+    Reemplaza `<Container registry name>` con el nombre que usaste para tu registro de contenedores.
+
+    > 💁 Si estás ejecutando en Linux o Raspberry Pi OS, es posible que necesites usar `sudo` para ejecutar este comando.
+
+    Docker construirá la imagen, configurando todo el software necesario. La imagen será etiquetada como `classifier:v1`.
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker build --platform linux/amd64 -t  fruitqualitydetectorjimb.azurecr.io/classifier:v1 .
+    [+] Building 102.4s (11/11) FINISHED
+     => [internal] load build definition from Dockerfile
+     => => transferring dockerfile: 131B
+     => [internal] load .dockerignore
+     => => transferring context: 2B
+     => [internal] load metadata for docker.io/library/python:3.7-slim
+     => [internal] load build context
+     => => transferring context: 905B
+     => [1/6] FROM docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
+     => => resolve docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
+     => => sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda 27.15MB / 27.15MB
+     => => sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9 2.77MB / 2.77MB
+     => => sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8 10.06MB / 10.06MB
+     => => sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6 1.86kB / 1.86kB
+     => => sha256:44073386687709c437586676b572ff45128ff1f1570153c2f727140d4a9accad 1.37kB / 1.37kB
+     => => sha256:3d94f0f2ca798607808b771a7766f47ae62a26f820e871dd488baeccc69838d1 8.31kB / 8.31kB
+     => => sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41 233B / 233B
+     => => sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f 2.64MB / 2.64MB
+     => => extracting sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda
+     => => extracting sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9
+     => => extracting sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8
+     => => extracting sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41
+     => => extracting sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f
+     => [2/6] RUN pip install -U pip
+     => [3/6] RUN pip install --no-cache-dir numpy~=1.17.5 tensorflow~=2.0.2 flask~=1.1.2 pillow~=7.2.0
+     => [4/6] RUN pip install --no-cache-dir mscviplib==2.200731.16
+     => [5/6] COPY app /app
+     => [6/6] WORKDIR /app
+     => exporting to image
+     => => exporting layers
+     => => writing image sha256:1846b6f134431f78507ba7c079358ed66d944c0e185ab53428276bd822400386
+     => => naming to fruitqualitydetectorjimb.azurecr.io/classifier:v1
+    ```
+
+### Tarea - enviar tu contenedor a tu registro de contenedores
+
+1. Usa el siguiente comando para enviar tu contenedor a tu registro de contenedores:
+
+    ```sh
+    docker push <Container registry name>.azurecr.io/classifier:v1
+    ```
+
+    Reemplaza `<Container registry name>` con el nombre que usaste para tu registro de contenedores.
+
+    > 💁 Si estás ejecutando en Linux, es posible que necesites usar `sudo` para ejecutar este comando.
+
+    El contenedor será enviado al registro de contenedores.
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker push fruitqualitydetectorjimb.azurecr.io/classifier:v1
+    The push refers to repository [fruitqualitydetectorjimb.azurecr.io/classifier]
+    5f70bf18a086: Pushed 
+    8a1ba9294a22: Pushed 
+    56cf27184a76: Pushed 
+    b32154f3f5dd: Pushed 
+    36103e9a3104: Pushed 
+    e2abb3cacca0: Pushed 
+    4213fd357bbe: Pushed 
+    7ea163ba4dce: Pushed 
+    537313a13d90: Pushed 
+    764055ebc9a7: Pushed 
+    v1: digest: sha256:ea7894652e610de83a5a9e429618e763b8904284253f4fa0c9f65f0df3a5ded8 size: 2423
+    ```
+
+1. Para verificar el envío, puedes listar los contenedores en tu registro con el siguiente comando:
+
+    ```sh
+    az acr repository list --output table \
+                           --name <Container registry name> 
+    ```
+
+    Reemplaza `<Container registry name>` con el nombre que usaste para tu registro de contenedores.
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux az acr repository list --name fruitqualitydetectorjimb --output table
+    Result
+    ----------
+    classifier
+    ```
+
+    Verás tu clasificador listado en la salida.
+
+## Despliega tu contenedor
+
+Tu contenedor ahora puede ser desplegado en tu dispositivo IoT Edge. Para desplegarlo, necesitas definir un manifiesto de despliegue: un documento JSON que lista los módulos que serán desplegados en el dispositivo edge.
+
+### Tarea - crear el manifiesto de despliegue
+
+1. Crea un nuevo archivo llamado `deployment.json` en algún lugar de tu computadora.
+
+1. Agrega lo siguiente a este archivo:
+
+    ```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
+                        }
+                    }
+                }
+            }
+        }
+    }
+    ```
+
+    > 💁 Puedes encontrar este archivo en la carpeta [code-deployment/deployment](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-deployment/deployment).
+
+    Reemplaza las tres instancias de `<Container registry name>` con el nombre que usaste para tu registro de contenedores. Una está en la sección del módulo `ImageClassifier`, las otras dos están en la sección `registryCredentials`.
+
+    Reemplaza `<Container registry password>` en la sección `registryCredentials` con tu contraseña del registro de contenedores.
+
+1. Desde la carpeta que contiene tu manifiesto de despliegue, ejecuta el siguiente comando:
+
+    ```sh
+    az iot edge set-modules --device-id fruit-quality-detector-edge \
+                            --content deployment.json \
+                            --hub-name <hub_name>
+    ```
+
+    Reemplaza `<hub_name>` con el nombre de tu IoT Hub.
+
+    El módulo del clasificador de imágenes será desplegado en tu dispositivo edge.
+
+### Tarea - verifica que el clasificador esté funcionando
+
+1. Conéctate al dispositivo IoT Edge:
+
+    * Si estás usando un Raspberry Pi para ejecutar IoT Edge, conéctate usando ssh desde tu terminal o mediante una sesión remota SSH en VS Code.
+    * Si estás ejecutando IoT Edge en un contenedor Linux en Windows, sigue los pasos en la [guía de verificación de configuración exitosa](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge-on-windows?WT.mc_id=academic-17441-jabenn&view=iotedge-2018-06&tabs=powershell#verify-successful-configuration) para conectarte al dispositivo IoT Edge.
+    * Si estás ejecutando IoT Edge en una máquina virtual, puedes hacer ssh en la máquina usando el `adminUsername` y `password` que configuraste al crear la VM, y usando la dirección IP o el nombre DNS:
+
+        ```sh
+        ssh <adminUsername>@<IP address>
+        ```
+
+        O:
+
+        ```sh
+        ssh <adminUsername>@<DNS Name>
+        ```
+
+        Ingresa tu contraseña cuando se te solicite.
+
+1. Una vez conectado, ejecuta el siguiente comando para obtener la lista de módulos IoT Edge:
+
+    ```sh
+    iotedge list
+    ```
+
+    > 💁 Es posible que necesites ejecutar este comando con `sudo`.
+
+    Verás los módulos en ejecución:
+
+    ```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. Revisa los registros del módulo del clasificador de imágenes con el siguiente comando:
+
+    ```sh
+    iotedge logs ImageClassifier
+    ```
+
+    > 💁 Es posible que necesites ejecutar este comando con `sudo`.
+
+    ```output
+    jim@fruit-quality-detector-jimb:~$ iotedge logs ImageClassifier
+    2021-07-05 20:30:15.387144: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
+    2021-07-05 20:30:15.392185: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 2394450000 Hz
+    2021-07-05 20:30:15.392712: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x55ed9ac83470 executing computations on platform Host. Devices:
+    2021-07-05 20:30:15.392806: I tensorflow/compiler/xla/service/service.cc:175]   StreamExecutor device (0): Host, Default Version
+    Loading model...Success!
+    Loading labels...2 found. Success!
+     * Serving Flask app "app" (lazy loading)
+     * Environment: production
+       WARNING: This is a development server. Do not use it in a production deployment.
+       Use a production WSGI server instead.
+     * Debug mode: off
+     * Running on http://0.0.0.0:80/ (Press CTRL+C to quit)
+    ```
+
+### Tarea - prueba el clasificador de imágenes
+
+1. Puedes usar CURL para probar el clasificador de imágenes utilizando la dirección IP o el nombre del host de la computadora que está ejecutando el agente IoT Edge. Encuentra la dirección IP:
+
+    * Si estás en la misma máquina que ejecuta IoT Edge, puedes usar `localhost` como nombre del host.
+    * Si estás usando una VM, puedes usar la dirección IP o el nombre DNS de la VM.
+    * De lo contrario, puedes obtener la dirección IP de la máquina que ejecuta IoT Edge:
+      * En Windows 10, sigue la [guía para encontrar tu dirección IP](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn).
+      * En macOS, sigue la [guía para encontrar tu dirección IP en Mac](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac).
+      * En Linux, sigue la sección sobre cómo encontrar tu dirección IP privada en la [guía para encontrar tu dirección IP en Linux](https://opensource.com/article/18/5/how-find-ip-address-linux).
+
+1. Puedes probar el contenedor con un archivo local ejecutando el siguiente comando curl:
+
+    ```sh
+    curl --location \
+         --request POST 'http://<IP address or name>/image' \
+         --header 'Content-Type: image/png' \
+         --data-binary '@<file_Name>' 
+    ```
+
+    Reemplaza `<IP address or name>` con la dirección IP o el nombre del host de la computadora que ejecuta IoT Edge. Reemplaza `<file_Name>` con el nombre del archivo para probar.
+
+    Verás los resultados de la predicción en la salida:
+
+    ```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": ""
+    }
+    ```
+
+    > 💁 No es necesario proporcionar una clave de predicción aquí, ya que no se está utilizando un recurso de Azure. En su lugar, la seguridad se configuraría en la red interna basada en necesidades de seguridad internas, en lugar de depender de un punto final público y una clave API.
+
+## Usa tu dispositivo IoT Edge
+
+Ahora que tu clasificador de imágenes ha sido desplegado en un dispositivo IoT Edge, puedes usarlo desde tu dispositivo IoT.
+
+### Tarea - usa tu dispositivo IoT Edge
+
+Sigue la guía relevante para clasificar imágenes usando el clasificador IoT Edge:
+
+* [Arduino - Wio Terminal](wio-terminal.md)
+* [Computadora de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer.md)
+
+### Reentrenamiento del modelo
+
+Una de las desventajas de ejecutar clasificadores de imágenes en IoT Edge es que no están conectados a tu proyecto de Custom Vision. Si miras la pestaña **Predicciones** en Custom Vision, no verás las imágenes que fueron clasificadas usando el clasificador basado en Edge.
+
+Este es el comportamiento esperado: las imágenes no se envían a la nube para su clasificación, por lo que no estarán disponibles en la nube. Una de las ventajas de usar IoT Edge es la privacidad, asegurando que las imágenes no salgan de tu red; otra es poder trabajar sin conexión, sin depender de subir imágenes cuando el dispositivo no tiene conexión a internet. La desventaja es mejorar tu modelo: necesitarías implementar otra forma de almacenar imágenes que puedan ser reclasificadas manualmente para mejorar y reentrenar el clasificador de imágenes.
+
+✅ Piensa en formas de subir imágenes para reentrenar el clasificador.
+
+---
+
+## 🚀 Desafío
+
+Ejecutar modelos de IA en dispositivos edge puede ser más rápido que en la nube: el salto de red es más corto. También pueden ser más lentos, ya que el hardware que ejecuta el modelo puede no ser tan potente como el de la nube.
+
+Haz algunas mediciones y compara si la llamada a tu dispositivo edge es más rápida o más lenta que la llamada a la nube. Piensa en razones para explicar la diferencia, o la falta de diferencia. Investiga formas de ejecutar modelos de IA más rápido en el edge usando hardware especializado.
+
+## Cuestionario post-lectura
+
+[Cuestionario post-lectura](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/34)
+
+## Revisión y autoestudio
+
+* Lee más sobre contenedores en la [página de virtualización a nivel de sistema operativo en Wikipedia](https://wikipedia.org/wiki/OS-level_virtualization).
+* Lee más sobre la computación en el borde, con énfasis en cómo el 5G puede ayudar a expandir la computación en el borde en el [artículo sobre qué es la computación en el borde y por qué importa en NetworkWorld](https://www.networkworld.com/article/3224893/what-is-edge-computing-and-how-its-changing-the-network.html)
+* Aprende más sobre cómo ejecutar servicios de IA en IoT Edge viendo el [episodio de Learn Live en Microsoft Channel9 sobre cómo usar Azure IoT Edge en un servicio de IA preconstruido en el borde para realizar detección de lenguaje](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)
+
+## Tarea
+
+[Ejecuta otros servicios en el borde](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md b/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
new file mode 100644
index 00000000..3f61edd7
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cc7ad255517f5f618f9c8899e6ff6783",
+  "translation_date": "2025-08-26T14:18:56+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md",
+  "language_code": "es"
+}
+-->
+# Ejecutar otros servicios en el edge
+
+## Instrucciones
+
+No solo los clasificadores de imágenes pueden ejecutarse en el edge, cualquier cosa que pueda empaquetarse en un contenedor puede desplegarse en un dispositivo IoT Edge. Código sin servidor que se ejecuta como Azure Functions, como los triggers que creaste en lecciones anteriores, puede ejecutarse en contenedores y, por lo tanto, en IoT Edge.
+
+Elige una de las lecciones anteriores e intenta ejecutar la aplicación de Azure Functions en un contenedor de IoT Edge. Puedes encontrar una guía que muestra cómo hacerlo utilizando un proyecto diferente de aplicación de Functions en el [Tutorial: Implementar Azure Functions como módulos de IoT Edge en la documentación de Microsoft](https://docs.microsoft.com/azure/iot-edge/tutorial-deploy-function?WT.mc_id=academic-17441-jabenn&view=iotedge-2020-11).
+
+## Criterios de evaluación
+
+| Criterio | Ejemplar | Adecuado | Necesita Mejorar |
+| -------- | --------- | -------- | ---------------- |
+| Implementar una aplicación de Azure Functions en IoT Edge | Fue capaz de implementar una aplicación de Azure Functions en IoT Edge y usarla con un dispositivo IoT para ejecutar un trigger a partir de datos de IoT | Fue capaz de implementar una aplicación de Functions en IoT Edge, pero no logró que el trigger se activara | No pudo implementar una aplicación de Functions en IoT Edge |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md b/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
new file mode 100644
index 00000000..cf44d5c5
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
@@ -0,0 +1,68 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50151d9f9dce2801348a93880ef16d86",
+  "translation_date": "2025-08-26T14:20:54+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md",
+  "language_code": "es"
+}
+-->
+# Clasificar una imagen usando un clasificador de imágenes basado en IoT Edge - Hardware IoT Virtual y Raspberry Pi
+
+En esta parte de la lección, usarás el clasificador de imágenes que se ejecuta en el dispositivo IoT Edge.
+
+## Usar el clasificador de IoT Edge
+
+El dispositivo IoT puede ser redirigido para usar el clasificador de imágenes de IoT Edge. La URL para el clasificador de imágenes es `http://<IP address or name>/image`, reemplazando `<IP address or name>` con la dirección IP o el nombre del host del ordenador que ejecuta IoT Edge.
+
+La biblioteca de Python para Custom Vision solo funciona con modelos alojados en la nube, no con modelos alojados en IoT Edge. Esto significa que necesitarás usar la API REST para llamar al clasificador.
+
+### Tarea - usar el clasificador de IoT Edge
+
+1. Abre el proyecto `fruit-quality-detector` en VS Code si aún no está abierto. Si estás usando un dispositivo IoT virtual, asegúrate de que el entorno virtual esté activado.
+
+1. Abre el archivo `app.py` y elimina las declaraciones de importación de `azure.cognitiveservices.vision.customvision.prediction` y `msrest.authentication`.
+
+1. Agrega la siguiente importación al inicio del archivo:
+
+    ```python
+    import requests
+    ```
+
+1. Elimina todo el código después de que la imagen se guarda en un archivo, desde `image_file.write(image.read())` hasta el final del archivo.
+
+1. Agrega el siguiente código al final del archivo:
+
+    ```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}%')
+    ```
+
+    Reemplaza `<URL>` con la URL de tu clasificador.
+
+    Este código realiza una solicitud POST REST al clasificador, enviando la imagen como el cuerpo de la solicitud. Los resultados regresan como JSON, y este se decodifica para imprimir las probabilidades.
+
+1. Ejecuta tu código, con tu cámara apuntando a alguna fruta, o un conjunto de imágenes apropiado, o fruta visible en tu cámara web si estás usando hardware IoT virtual. Verás la salida en la consola:
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-classify/pi](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/pi) o [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/virtual-iot-device).
+
+😀 ¡Tu programa clasificador de calidad de frutas fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md b/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
new file mode 100644
index 00000000..c7ccfdbf
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
@@ -0,0 +1,115 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "24dc783a600e20251211987b36370e93",
+  "translation_date": "2025-08-26T14:19:44+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md",
+  "language_code": "es"
+}
+-->
+# Crear una máquina virtual con IoT Edge
+
+En Azure, puedes crear una máquina virtual, es decir, un ordenador en la nube que puedes configurar como desees y ejecutar tu propio software en él.
+
+> 💁 Puedes leer más sobre las máquinas virtuales en la [página de Wikipedia sobre Máquinas Virtuales](https://wikipedia.org/wiki/Virtual_machine).
+
+## Tarea - Configurar una máquina virtual con IoT Edge
+
+1. Ejecuta el siguiente comando para crear una máquina virtual que ya tenga Azure IoT Edge preinstalado:
+
+    ```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>"
+    ```
+
+    Sustituye `<vm_name>` por un nombre para esta máquina virtual. Este debe ser único a nivel global, así que utiliza algo como `fruit-quality-detector-vm-` seguido de tu nombre u otro valor.
+
+    Sustituye `<username>` y `<password>` por un nombre de usuario y una contraseña para iniciar sesión en la máquina virtual. Estos deben ser relativamente seguros, por lo que no puedes usar algo como admin/password.
+
+    Sustituye `<connection_string>` por la cadena de conexión de tu dispositivo IoT Edge `fruit-quality-detector-edge`.
+
+    Esto creará una máquina virtual configurada como una máquina `DS1 v2`. Estas categorías indican qué tan potente es la máquina y, por ende, cuánto cuesta. Esta máquina virtual tiene 1 CPU y 3.5GB de RAM.
+
+    > 💰 Puedes consultar los precios actuales de estas máquinas virtuales en la [guía de precios de Azure Virtual Machine](https://azure.microsoft.com/pricing/details/virtual-machines/linux/?WT.mc_id=academic-17441-jabenn)
+
+    Una vez que se haya creado la máquina virtual, el runtime de IoT Edge se instalará automáticamente y se configurará para conectarse a tu IoT Hub como tu dispositivo `fruit-quality-detector-edge`.
+
+1. Necesitarás la dirección IP o el nombre DNS de la máquina virtual para llamar al clasificador de imágenes desde ella. Ejecuta el siguiente comando para obtener esta información:
+
+    ```sh
+    az vm list --resource-group fruit-quality-detector \
+               --output table \
+               --show-details
+    ```
+
+    Copia el valor del campo `PublicIps` o del campo `Fqdns`.
+
+1. Las máquinas virtuales tienen un costo. Al momento de escribir esto, una máquina DS1 cuesta aproximadamente $0.06 por hora. Para reducir costos, deberías apagar la máquina virtual cuando no la estés utilizando y eliminarla cuando termines con este proyecto.
+
+    Puedes configurar tu máquina virtual para que se apague automáticamente a una hora específica cada día. Esto significa que, si olvidas apagarla, no se te cobrará más allá del tiempo hasta el apagado automático. Usa el siguiente comando para configurarlo:
+
+    ```sh
+    az vm auto-shutdown --resource-group fruit-quality-detector \
+                        --name <vm_name> \
+                        --time <shutdown_time_utc>
+    ```
+
+    Sustituye `<vm_name>` por el nombre de tu máquina virtual.
+
+    Sustituye `<shutdown_time_utc>` por la hora UTC en la que deseas que la máquina virtual se apague, usando 4 dígitos en formato HHMM. Por ejemplo, si deseas que se apague a la medianoche UTC, deberías establecerlo en `0000`. Para las 7:30PM en la costa oeste de los EE. UU., usarías `0230` (7:30PM en la costa oeste de EE. UU. es 2:30AM UTC).
+
+1. Tu clasificador de imágenes estará ejecutándose en este dispositivo Edge, escuchando en el puerto 80 (el puerto estándar de HTTP). Por defecto, las máquinas virtuales tienen los puertos de entrada bloqueados, por lo que necesitarás habilitar el puerto 80. Los puertos se habilitan en los grupos de seguridad de red, así que primero necesitas conocer el nombre del grupo de seguridad de red de tu máquina virtual, lo cual puedes encontrar con el siguiente comando:
+
+    ```sh
+    az network nsg list --resource-group fruit-quality-detector \
+                        --output table
+    ```
+
+    Copia el valor del campo `Name`.
+
+1. Ejecuta el siguiente comando para agregar una regla que abra el puerto 80 en el grupo de seguridad de red:
+
+    ```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>
+    ```
+
+    Sustituye `<nsg name>` por el nombre del grupo de seguridad de red del paso anterior.
+
+### Tarea - Gestionar tu máquina virtual para reducir costos
+
+1. Cuando no estés utilizando tu máquina virtual, deberías apagarla. Para apagar la máquina virtual, usa el siguiente comando:
+
+    ```sh
+    az vm deallocate --resource-group fruit-quality-detector \
+                     --name <vm_name>
+    ```
+
+    Sustituye `<vm_name>` por el nombre de tu máquina virtual.
+
+    > 💁 Existe un comando `az vm stop` que detendrá la máquina virtual, pero mantendrá el ordenador asignado a ti, por lo que seguirás pagando como si estuviera en funcionamiento.
+
+1. Para reiniciar la máquina virtual, usa el siguiente comando:
+
+    ```sh
+    az vm start --resource-group fruit-quality-detector \
+                --name <vm_name>
+    ```
+
+    Sustituye `<vm_name>` por el nombre de tu máquina virtual.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md b/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
new file mode 100644
index 00000000..957609fc
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
@@ -0,0 +1,66 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "48ac21ec80329c930db7b84bd6b592ec",
+  "translation_date": "2025-08-26T14:20:25+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md",
+  "language_code": "es"
+}
+-->
+# Clasificar una imagen usando un clasificador de imágenes basado en IoT Edge - Wio Terminal
+
+En esta parte de la lección, utilizarás el clasificador de imágenes que se ejecuta en el dispositivo IoT Edge.
+
+## Usar el clasificador de IoT Edge
+
+El dispositivo IoT puede ser redirigido para usar el clasificador de imágenes de IoT Edge. La URL para el clasificador de imágenes es `http://<IP address or name>/image`, reemplazando `<IP address or name>` con la dirección IP o el nombre del host del equipo que ejecuta IoT Edge.
+
+### Tarea - usar el clasificador de IoT Edge
+
+1. Abre el proyecto de la aplicación `fruit-quality-detector` si no está ya abierto.
+
+1. El clasificador de imágenes se ejecuta como una API REST utilizando HTTP, no HTTPS, por lo que la llamada necesita usar un cliente WiFi que funcione solo con llamadas HTTP. Esto significa que no se necesita el certificado. Elimina el `CERTIFICATE` del archivo `config.h`.
+
+1. La URL de predicción en el archivo `config.h` debe actualizarse a la nueva URL. También puedes eliminar el `PREDICTION_KEY`, ya que no es necesario.
+
+    ```cpp
+    const char *PREDICTION_URL = "<URL>";
+    ```
+
+    Sustituye `<URL>` por la URL de tu clasificador.
+
+1. En `main.cpp`, cambia la directiva de inclusión para el WiFi Client Secure para importar la versión estándar de HTTP:
+
+    ```cpp
+    #include <WiFiClient.h>
+    ```
+
+1. Cambia la declaración de `WiFiClient` para que sea la versión HTTP:
+
+    ```cpp
+    WiFiClient client;
+    ```
+
+1. Selecciona la línea que establece el certificado en el cliente WiFi. Elimina la línea `client.setCACert(CERTIFICATE);` de la función `connectWiFi`.
+
+1. En la función `classifyImage`, elimina la línea `httpClient.addHeader("Prediction-Key", PREDICTION_KEY);` que establece la clave de predicción en el encabezado.
+
+1. Sube y ejecuta tu código. Apunta la cámara hacia alguna fruta y presiona el botón C. Verás la salida en el monitor serial:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/wio-terminal).
+
+😀 ¡Tu programa de clasificación de calidad de frutas fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
new file mode 100644
index 00000000..5d06f20e
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
@@ -0,0 +1,233 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f74f4ccb61f00e5f7e9f49c3ed416e36",
+  "translation_date": "2025-08-26T14:22:14+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/README.md",
+  "language_code": "es"
+}
+-->
+# Activar la detección de calidad de frutas desde un sensor
+
+![Resumen visual de esta lección](../../../../../translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.es.jpg)
+
+> Resumen visual por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/35)
+
+## Introducción
+
+Una aplicación de IoT no es simplemente un dispositivo único que captura datos y los envía a la nube; más a menudo, implica múltiples dispositivos que trabajan juntos para capturar datos del mundo físico mediante sensores, tomar decisiones basadas en esos datos e interactuar con el mundo físico a través de actuadores o visualizaciones.
+
+En esta lección aprenderás más sobre cómo diseñar aplicaciones complejas de IoT, incorporando múltiples sensores, varios servicios en la nube para analizar y almacenar datos, y mostrando una respuesta a través de un actuador. Aprenderás cómo diseñar un prototipo de sistema de control de calidad de frutas, incluyendo el uso de sensores de proximidad para activar la aplicación de IoT y cómo sería la arquitectura de este prototipo.
+
+En esta lección cubriremos:
+
+* [Diseñar aplicaciones complejas de IoT](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Diseñar un sistema de control de calidad de frutas](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Activar la comprobación de calidad de frutas desde un sensor](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Datos utilizados para un detector de calidad de frutas](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Usar dispositivos de desarrollo para simular múltiples dispositivos IoT](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Pasar a producción](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+
+> 🗑 Esta es la última lección de este proyecto, así que después de completar esta lección y la tarea, no olvides limpiar tus servicios en la nube. Necesitarás los servicios para completar la tarea, así que asegúrate de terminarla primero.
+>
+> Consulta [la guía para limpiar tu proyecto](../../../clean-up.md) si necesitas instrucciones sobre cómo hacerlo.
+
+## Diseñar aplicaciones complejas de IoT
+
+Las aplicaciones de IoT están compuestas por muchos componentes, incluyendo una variedad de dispositivos y servicios en internet.
+
+Las aplicaciones de IoT pueden describirse como *cosas* (dispositivos) que envían datos que generan *insights*. Estos *insights* generan *acciones* para mejorar un negocio o proceso. Un ejemplo es un motor (la cosa) que envía datos de temperatura. Estos datos se utilizan para evaluar si el motor está funcionando como se espera (el insight). El insight se utiliza para priorizar de manera proactiva el mantenimiento del motor (la acción).
+
+* Diferentes cosas recopilan diferentes tipos de datos.
+* Los servicios de IoT generan insights a partir de esos datos, a veces complementándolos con datos de fuentes adicionales.
+* Estos insights impulsan acciones, como controlar actuadores en dispositivos o visualizar datos.
+
+### Arquitectura de referencia de IoT
+
+![Una arquitectura de referencia de IoT](../../../../../translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.es.png)
+
+El diagrama anterior muestra una arquitectura de referencia de IoT.
+
+> 🎓 Una *arquitectura de referencia* es un ejemplo de arquitectura que puedes usar como referencia al diseñar nuevos sistemas. En este caso, si estuvieras construyendo un nuevo sistema de IoT, podrías seguir la arquitectura de referencia, sustituyendo tus propios dispositivos y servicios donde sea necesario.
+
+* **Cosas** son dispositivos que recopilan datos de sensores, tal vez interactuando con servicios en el borde para interpretar esos datos, como clasificadores de imágenes para interpretar datos de imágenes. Los datos de los dispositivos se envían a un servicio de IoT.
+* **Insights** provienen de aplicaciones sin servidor o de análisis realizados sobre datos almacenados.
+* **Acciones** pueden ser comandos enviados a dispositivos o visualización de datos que permiten a los humanos tomar decisiones.
+
+![Una arquitectura de referencia de IoT en Azure](../../../../../translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.es.png)
+
+El diagrama anterior muestra algunos de los componentes y servicios cubiertos hasta ahora en estas lecciones y cómo se vinculan en una arquitectura de referencia de IoT.
+
+* **Cosas** - has escrito código para dispositivos que capturan datos de sensores y analizan imágenes usando Custom Vision, tanto en la nube como en un dispositivo en el borde. Estos datos se enviaron a IoT Hub.
+* **Insights** - has utilizado Azure Functions para responder a mensajes enviados a un IoT Hub y almacenado datos para análisis posterior en Azure Storage.
+* **Acciones** - has controlado actuadores basándote en decisiones tomadas en la nube y comandos enviados a los dispositivos, y has visualizado datos usando Azure Maps.
+
+✅ Piensa en otros dispositivos IoT que hayas usado, como electrodomésticos inteligentes. ¿Cuáles son las cosas, insights y acciones involucrados en ese dispositivo y su software?
+
+Este patrón puede escalarse tanto como necesites, añadiendo más dispositivos y más servicios.
+
+### Datos y seguridad
+
+Al definir la arquitectura de tu sistema, necesitas considerar constantemente los datos y la seguridad.
+
+* ¿Qué datos envía y recibe tu dispositivo?
+* ¿Cómo deberían asegurarse y protegerse esos datos?
+* ¿Cómo debería controlarse el acceso al dispositivo y al servicio en la nube?
+
+✅ Reflexiona sobre la seguridad de los datos de cualquier dispositivo IoT que poseas. ¿Cuántos de esos datos son personales y deberían mantenerse privados, tanto en tránsito como cuando están almacenados? ¿Qué datos no deberían almacenarse?
+
+## Diseñar un sistema de control de calidad de frutas
+
+Ahora tomemos esta idea de cosas, insights y acciones y apliquémosla a nuestro detector de calidad de frutas para diseñar una aplicación más grande de extremo a extremo.
+
+Imagina que te han asignado la tarea de construir un detector de calidad de frutas para ser utilizado en una planta de procesamiento. Las frutas viajan en un sistema de cinta transportadora donde actualmente los empleados dedican tiempo a inspeccionar las frutas manualmente y retirar las que no están maduras. Para reducir costos, el propietario de la planta quiere un sistema automatizado.
+
+✅ Una de las tendencias con el auge del IoT (y la tecnología en general) es que los trabajos manuales están siendo reemplazados por máquinas. Investiga: ¿Cuántos trabajos se estima que se perderán debido al IoT? ¿Cuántos nuevos trabajos se crearán construyendo dispositivos IoT?
+
+Necesitas construir un sistema donde las frutas sean detectadas a medida que llegan a la cinta transportadora, luego sean fotografiadas y verificadas usando un modelo de IA que se ejecuta en el borde. Los resultados se envían a la nube para ser almacenados, y si la fruta no está madura, se emite una notificación para que sea retirada.
+
+|   |   |
+| - | - |
+| **Cosas** | Detector para frutas que llegan a la cinta transportadora<br>Cámara para fotografiar y clasificar las frutas<br>Dispositivo en el borde que ejecuta el clasificador<br>Dispositivo para notificar sobre frutas no maduras |
+| **Insights** | Decidir verificar la madurez de la fruta<br>Almacenar los resultados de la clasificación de madurez<br>Determinar si es necesario alertar sobre frutas no maduras |
+| **Acciones** | Enviar un comando a un dispositivo para fotografiar la fruta y verificarla con un clasificador de imágenes<br>Enviar un comando a un dispositivo para alertar que la fruta no está madura |
+
+### Prototipar tu aplicación
+
+![Una arquitectura de referencia de IoT para verificar la calidad de frutas](../../../../../translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.es.png)
+
+El diagrama anterior muestra una arquitectura de referencia para esta aplicación prototipo.
+
+* Un dispositivo IoT con un sensor de proximidad detecta la llegada de frutas. Esto envía un mensaje a la nube indicando que se ha detectado fruta.
+* Una aplicación sin servidor en la nube envía un comando a otro dispositivo para tomar una fotografía y clasificar la imagen.
+* Un dispositivo IoT con una cámara toma una foto y la envía a un clasificador de imágenes que se ejecuta en el borde. Los resultados se envían a la nube.
+* Una aplicación sin servidor en la nube almacena esta información para ser analizada más tarde y determinar qué porcentaje de frutas no están maduras. Si la fruta no está madura, envía un comando a otro dispositivo IoT para alertar a los trabajadores de la fábrica mediante un LED.
+
+> 💁 Toda esta aplicación de IoT podría implementarse como un único dispositivo, con toda la lógica para iniciar la clasificación de imágenes y controlar el LED integrada. Podría usar un IoT Hub solo para rastrear el número de frutas no maduras detectadas y configurar el dispositivo. En esta lección se expande para demostrar los conceptos de aplicaciones IoT a gran escala.
+
+Para el prototipo, implementarás todo esto en un único dispositivo. Si estás usando un microcontrolador, entonces usarás un dispositivo en el borde separado para ejecutar el clasificador de imágenes. Ya has aprendido la mayoría de las cosas que necesitarás para construir esto.
+
+## Activar la comprobación de calidad de frutas desde un sensor
+
+El dispositivo IoT necesita algún tipo de activador para indicar cuándo la fruta está lista para ser clasificada. Un activador para esto sería medir cuándo la fruta está en la posición correcta en la cinta transportadora midiendo la distancia a un sensor.
+
+![Los sensores de proximidad envían haces de láser a objetos como plátanos y miden el tiempo hasta que el haz rebota](../../../../../translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.es.png)
+
+Los sensores de proximidad pueden usarse para medir la distancia desde el sensor hasta un objeto. Generalmente transmiten un haz de radiación electromagnética, como un láser o luz infrarroja, y luego detectan la radiación que rebota en un objeto. El tiempo entre el envío del haz y el rebote de la señal puede usarse para calcular la distancia al sensor.
+
+> 💁 Probablemente has usado sensores de proximidad sin siquiera saberlo. La mayoría de los teléfonos inteligentes apagan la pantalla cuando los acercas a tu oído para evitar que termines accidentalmente una llamada con tu lóbulo, y esto funciona usando un sensor de proximidad que detecta un objeto cerca de la pantalla durante una llamada y desactiva las capacidades táctiles hasta que el teléfono está a cierta distancia.
+
+### Tarea - activar la detección de calidad de frutas desde un sensor de distancia
+
+Sigue la guía correspondiente para usar un sensor de proximidad y detectar un objeto con tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-proximity.md)
+* [Computadora de placa única - Raspberry Pi](pi-proximity.md)
+* [Computadora de placa única - Dispositivo virtual](virtual-device-proximity.md)
+
+## Datos utilizados para un detector de calidad de frutas
+
+El prototipo del detector de frutas tiene múltiples componentes que se comunican entre sí.
+
+![Los componentes comunicándose entre sí](../../../../../translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.es.png)
+
+* Un sensor de proximidad mide la distancia a una fruta y envía esta información a IoT Hub.
+* El comando para controlar la cámara proviene de IoT Hub hacia el dispositivo con la cámara.
+* Los resultados de la clasificación de imágenes se envían a IoT Hub.
+* El comando para controlar un LED que alerta cuando la fruta no está madura se envía desde IoT Hub al dispositivo con el LED.
+
+Es bueno definir la estructura de estos mensajes desde el principio, antes de construir la aplicación.
+
+> 💁 Prácticamente todos los desarrolladores experimentados han pasado horas, días o incluso semanas persiguiendo errores causados por diferencias entre los datos enviados y lo que se esperaba.
+
+Por ejemplo, si estás enviando información de temperatura, ¿cómo definirías el JSON? Podrías tener un campo llamado `temperature`, o podrías usar la abreviatura común `temp`.
+
+```json
+{
+    "temperature": 20.7
+}
+```
+
+comparado con:
+
+```json
+{
+    "temp": 20.7
+}
+```
+
+También debes considerar las unidades: ¿la temperatura está en °C o °F? Si estás midiendo la temperatura con un dispositivo de consumo y cambian las unidades de visualización, necesitas asegurarte de que las unidades enviadas a la nube permanezcan consistentes.
+
+✅ Investiga: ¿Cómo causaron problemas con las unidades que el Mars Climate Orbiter de $125 millones se estrellara?
+
+Piensa en los datos que se envían para el detector de calidad de frutas. ¿Cómo definirías cada mensaje? ¿Dónde analizarías los datos y tomarías decisiones sobre qué datos enviar?
+
+Por ejemplo, al activar la clasificación de imágenes usando el sensor de proximidad. El dispositivo IoT mide la distancia, pero ¿dónde se toma la decisión? ¿El dispositivo decide que la fruta está lo suficientemente cerca y envía un mensaje al IoT Hub para activar la clasificación? ¿O envía mediciones de proximidad y deja que el IoT Hub decida?
+
+La respuesta a preguntas como esta es: depende. Cada caso de uso es diferente, por lo que como desarrollador de IoT necesitas entender el sistema que estás construyendo, cómo se utiliza y los datos que se detectan.
+
+* Si la decisión se toma en el IoT Hub, necesitas enviar múltiples mediciones de distancia.
+* Si envías demasiados mensajes, aumentas el costo del IoT Hub y la cantidad de ancho de banda necesario para tus dispositivos IoT (especialmente en una fábrica con millones de dispositivos). También puede ralentizar tu dispositivo.
+* Si tomas la decisión en el dispositivo, necesitarás proporcionar una forma de configurar el dispositivo para ajustar la máquina.
+
+## Usar dispositivos de desarrollo para simular múltiples dispositivos IoT
+
+Para construir tu prototipo, necesitarás que tu kit de desarrollo IoT actúe como múltiples dispositivos, enviando telemetría y respondiendo a comandos.
+
+### Simular múltiples dispositivos IoT en una Raspberry Pi o hardware IoT virtual
+
+Cuando usas una computadora de placa única como una Raspberry Pi, puedes ejecutar múltiples aplicaciones a la vez. Esto significa que puedes simular múltiples dispositivos IoT creando múltiples aplicaciones, una por cada 'dispositivo IoT'. Por ejemplo, puedes implementar cada dispositivo como un archivo Python separado y ejecutarlos en diferentes sesiones de terminal.
+> 💁 Ten en cuenta que algunos dispositivos de hardware no funcionarán si son utilizados simultáneamente por varias aplicaciones.
+### Simulando múltiples dispositivos en un microcontrolador
+
+Los microcontroladores son más complicados para simular múltiples dispositivos. A diferencia de las computadoras de placa única, no puedes ejecutar múltiples aplicaciones a la vez; debes incluir toda la lógica para todos los dispositivos IoT en una sola aplicación.
+
+Algunas sugerencias para facilitar este proceso son:
+
+* Crea una o más clases por cada dispositivo IoT, por ejemplo, clases llamadas `DistanceSensor`, `ClassifierCamera`, `LEDController`. Cada una puede tener sus propios métodos `setup` y `loop`, que serán llamados por las funciones principales `setup` y `loop`.
+* Maneja los comandos en un solo lugar y dirígelos a la clase de dispositivo correspondiente según sea necesario.
+* En la función principal `loop`, deberás considerar el tiempo para cada dispositivo diferente. Por ejemplo, si tienes una clase de dispositivo que necesita procesar cada 10 segundos y otra que necesita procesar cada 1 segundo, entonces en tu función principal `loop` usa un retraso de 1 segundo. Cada llamada a `loop` activa el código relevante para el dispositivo que necesita procesar cada segundo, y utiliza un contador para contar cada iteración, procesando el otro dispositivo cuando el contador alcance 10 (reiniciando el contador después).
+
+## Pasando a producción
+
+El prototipo formará la base de un sistema de producción final. Algunas de las diferencias al pasar a producción serían:
+
+* Componentes robustos: usar hardware diseñado para soportar el ruido, calor, vibración y estrés de una fábrica.
+* Uso de comunicaciones internas: algunos de los componentes se comunicarían directamente, evitando el salto a la nube, enviando datos a la nube solo para ser almacenados. Cómo se haga esto depende de la configuración de la fábrica, ya sea mediante comunicaciones directas o ejecutando parte del servicio IoT en el borde utilizando un dispositivo gateway.
+* Opciones de configuración: cada fábrica y caso de uso es diferente, por lo que el hardware necesitaría ser configurable. Por ejemplo, el sensor de proximidad podría necesitar detectar diferentes frutas a diferentes distancias. En lugar de codificar la distancia para activar la clasificación, querrías que esto sea configurable a través de la nube, por ejemplo, usando un gemelo de dispositivo.
+* Eliminación automatizada de frutas: en lugar de usar un LED para alertar que la fruta está inmadura, dispositivos automatizados la eliminarían.
+
+✅ Investiga: ¿De qué otras maneras diferirían los dispositivos de producción de los kits de desarrollo?
+
+---
+
+## 🚀 Desafío
+
+En esta lección has aprendido algunos de los conceptos necesarios para diseñar un sistema IoT. Piensa en los proyectos anteriores. ¿Cómo encajarían en la arquitectura de referencia mostrada arriba?
+
+Elige uno de los proyectos realizados hasta ahora y piensa en el diseño de una solución más complicada que combine múltiples capacidades más allá de lo que se cubrió en los proyectos. Dibuja la arquitectura y piensa en todos los dispositivos y servicios que necesitarías.
+
+Por ejemplo: un dispositivo de seguimiento de vehículos que combine GPS con sensores para monitorear cosas como temperaturas en un camión refrigerado, los tiempos de encendido y apagado del motor, y la identidad del conductor. ¿Cuáles son los dispositivos involucrados, los servicios involucrados, los datos que se transmiten y las consideraciones de seguridad y privacidad?
+
+## Cuestionario posterior a la clase
+
+[Cuestionario posterior a la clase](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/36)
+
+## Revisión y autoestudio
+
+* Lee más sobre arquitectura IoT en la [documentación de arquitectura de referencia de Azure IoT en Microsoft docs](https://docs.microsoft.com/azure/architecture/reference-architectures/iot?WT.mc_id=academic-17441-jabenn)
+* Lee más sobre gemelos de dispositivos en la [documentación sobre entender y usar gemelos de dispositivos en IoT Hub en Microsoft docs](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-device-twins?WT.mc_id=academic-17441-jabenn)
+* Lee sobre OPC-UA, un protocolo de comunicación máquina a máquina usado en automatización industrial en la [página de OPC-UA en Wikipedia](https://wikipedia.org/wiki/OPC_Unified_Architecture)
+
+## Tarea
+
+[Construye un detector de calidad de frutas](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md b/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
new file mode 100644
index 00000000..ad2fb6ac
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1a85e50c33c38dcd2cde2a97d132f248",
+  "translation_date": "2025-08-26T14:23:22+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md",
+  "language_code": "es"
+}
+-->
+# Construir un detector de calidad de frutas
+
+## Instrucciones
+
+¡Construye el detector de calidad de frutas!
+
+Usa todo lo que has aprendido hasta ahora para construir el prototipo del detector de calidad de frutas. Activa la clasificación de imágenes basada en proximidad utilizando un modelo de IA que se ejecuta en el edge, almacena los resultados de la clasificación en almacenamiento y controla un LED según el nivel de madurez de la fruta.
+
+Deberías poder ensamblar esto utilizando el código que has escrito previamente en todas las lecciones hasta ahora.
+
+## Rúbrica
+
+| Criterio | Ejemplar | Adecuado | Necesita Mejorar |
+| -------- | --------- | -------- | ---------------- |
+| Configurar todos los servicios | Fue capaz de configurar un IoT Hub, una aplicación de funciones de Azure y almacenamiento de Azure | Fue capaz de configurar el IoT Hub, pero no la aplicación de funciones de Azure ni el almacenamiento de Azure | No fue capaz de configurar ningún servicio de IoT en internet |
+| Monitorear proximidad y enviar los datos al IoT Hub si un objeto está más cerca que una distancia predefinida y activar la cámara mediante un comando | Fue capaz de medir la distancia y enviar un mensaje al IoT Hub cuando un objeto estaba lo suficientemente cerca, y enviar un comando para activar la cámara | Fue capaz de medir la proximidad y enviar datos al IoT Hub, pero no pudo enviar un comando a la cámara | No fue capaz de medir la distancia ni enviar un mensaje al IoT Hub, ni activar un comando |
+| Capturar una imagen, clasificarla y enviar los resultados al IoT Hub | Fue capaz de capturar una imagen, clasificarla utilizando un dispositivo edge y enviar los resultados al IoT Hub | Fue capaz de clasificar la imagen pero no utilizando un dispositivo edge, o no pudo enviar los resultados al IoT Hub | No fue capaz de clasificar una imagen |
+| Encender o apagar el LED dependiendo de los resultados de la clasificación utilizando un comando enviado a un dispositivo | Fue capaz de encender un LED mediante un comando si la fruta estaba inmadura | Fue capaz de enviar el comando al dispositivo pero no controlar el LED | No fue capaz de enviar un comando para controlar el LED |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
new file mode 100644
index 00000000..c918781e
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
@@ -0,0 +1,118 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6145a1d791731c8a9d0afd0a1bae5108",
+  "translation_date": "2025-08-26T14:23:48+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md",
+  "language_code": "es"
+}
+-->
+# Detectar proximidad - Raspberry Pi
+
+En esta parte de la lección, agregarás un sensor de proximidad a tu Raspberry Pi y leerás la distancia desde él.
+
+## Hardware
+
+La Raspberry Pi necesita un sensor de proximidad.
+
+El sensor que usarás es un [sensor de distancia Grove Time of Flight](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html). Este sensor utiliza un módulo de medición láser para detectar la distancia. Tiene un rango de 10mm a 2000mm (1cm - 2m) y reporta valores en ese rango con bastante precisión, aunque las distancias superiores a 1000mm se reportan como 8109mm.
+
+El telémetro láser está en la parte trasera del sensor, en el lado opuesto al conector Grove.
+
+Este es un sensor I²C.
+
+### Conectar el sensor Time of Flight
+
+El sensor Grove Time of Flight puede conectarse a la Raspberry Pi.
+
+#### Tarea - conectar el sensor Time of Flight
+
+Conecta el sensor Time of Flight.
+
+![Un sensor Grove Time of Flight](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.es.png)
+
+1. Inserta un extremo de un cable Grove en el conector del sensor Time of Flight. Solo encajará de una manera.
+
+1. Con la Raspberry Pi apagada, conecta el otro extremo del cable Grove a uno de los conectores I²C marcados como **I²C** en el Grove Base Hat conectado a la Pi. Estos conectores están en la fila inferior, en el extremo opuesto a los pines GPIO y junto a la ranura del cable de la cámara.
+
+![El sensor Grove Time of Flight conectado al conector I²C](../../../../../translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.es.png)
+
+## Programar el sensor Time of Flight
+
+Ahora se puede programar la Raspberry Pi para usar el sensor Time of Flight conectado.
+
+### Tarea - programar el sensor Time of Flight
+
+Programa el dispositivo.
+
+1. Enciende la Raspberry Pi y espera a que inicie.
+
+1. Abre el código `fruit-quality-detector` en VS Code, ya sea directamente en la Pi o conectándote mediante la extensión Remote SSH.
+
+1. Instala el paquete Pip `rpi-vl53l0x`, un paquete de Python que interactúa con un sensor de distancia VL53L0X Time of Flight. Instálalo usando este comando pip:
+
+    ```sh
+    pip install rpi-vl53l0x
+    ```
+
+1. Crea un nuevo archivo en este proyecto llamado `distance-sensor.py`.
+
+    > 💁 Una forma sencilla de simular múltiples dispositivos IoT es hacerlo en diferentes archivos de Python y ejecutarlos al mismo tiempo.
+
+1. Agrega el siguiente código a este archivo:
+
+    ```python
+    import time
+    
+    from grove.i2c import Bus
+    from rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    Esto importa la biblioteca Grove I²C bus y una biblioteca para el hardware principal del sensor incorporado en el sensor Grove Time of Flight.
+
+1. A continuación, agrega el siguiente código para acceder al sensor:
+
+    ```python
+    distance_sensor = VL53L0X(bus = Bus().bus)
+    distance_sensor.begin()    
+    ```
+
+    Este código declara un sensor de distancia utilizando el bus Grove I²C y luego inicia el sensor.
+
+1. Finalmente, agrega un bucle infinito para leer las distancias:
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    Este código espera a que un valor esté listo para ser leído desde el sensor y luego lo imprime en la consola.
+
+1. Ejecuta este código.
+
+    > 💁 ¡No olvides que este archivo se llama `distance-sensor.py`! Asegúrate de ejecutarlo con Python, no con `app.py`.
+
+1. Verás las mediciones de distancia aparecer en la consola. Coloca objetos cerca del sensor y observarás la medición de distancia:
+
+    ```output
+    pi@raspberrypi:~/fruit-quality-detector $ python3 distance_sensor.py 
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    El telémetro está en la parte trasera del sensor, así que asegúrate de usar el lado correcto al medir la distancia.
+
+    ![El telémetro en la parte trasera del sensor Time of Flight apuntando a un plátano](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.es.png)
+
+> 💁 Puedes encontrar este código en la carpeta [code-proximity/pi](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/pi).
+
+😀 ¡Tu programa del sensor de proximidad fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
new file mode 100644
index 00000000..d7f878a2
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e9f05bdc50a40fd924b1d66934471bf",
+  "translation_date": "2025-08-26T14:26:23+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md",
+  "language_code": "es"
+}
+-->
+# Detectar proximidad - Hardware IoT Virtual
+
+En esta parte de la lección, agregarás un sensor de proximidad a tu dispositivo IoT virtual y leerás la distancia desde él.
+
+## Hardware
+
+El dispositivo IoT virtual utilizará un sensor de distancia simulado.
+
+En un dispositivo IoT físico, usarías un sensor con un módulo de medición láser para detectar la distancia.
+
+### Agregar el sensor de distancia a CounterFit
+
+Para usar un sensor de distancia virtual, necesitas agregar uno a la aplicación CounterFit.
+
+#### Tarea - agregar el sensor de distancia a CounterFit
+
+Agrega el sensor de distancia a la aplicación CounterFit.
+
+1. Abre el código `fruit-quality-detector` en VS Code y asegúrate de que el entorno virtual esté activado.
+
+1. Instala un paquete adicional de Pip para agregar un shim de CounterFit que pueda comunicarse con sensores de distancia simulando el paquete [rpi-vl53l0x Pip](https://pypi.org/project/rpi-vl53l0x/), un paquete de Python que interactúa con [un sensor de distancia VL53L0X de tiempo de vuelo](https://wiki.seeedstudio.com/Grove-Time_of_Flight_Distance_Sensor-VL53L0X/). Asegúrate de instalar esto desde una terminal con el entorno virtual activado.
+
+    ```sh
+    pip install counterfit-shims-rpi-vl53l0x
+    ```
+
+1. Asegúrate de que la aplicación web de CounterFit esté en ejecución.
+
+1. Crea un sensor de distancia:
+
+    1. En el cuadro *Create sensor* en el panel *Sensors*, despliega el cuadro *Sensor type* y selecciona *Distance*.
+
+    1. Deja las *Units* como `Millimeter`.
+
+    1. Este sensor es un sensor I²C, así que configura la dirección en `0x29`. Si usaras un sensor físico VL53L0X, estaría codificado en esta dirección.
+
+    1. Selecciona el botón **Add** para crear el sensor de distancia.
+
+    ![Configuración del sensor de distancia](../../../../../translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.es.png)
+
+    El sensor de distancia se creará y aparecerá en la lista de sensores.
+
+    ![Sensor de distancia creado](../../../../../translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.es.png)
+
+## Programar el sensor de distancia
+
+El dispositivo IoT virtual ahora puede ser programado para usar el sensor de distancia simulado.
+
+### Tarea - programar el sensor de tiempo de vuelo
+
+1. Crea un nuevo archivo en el proyecto `fruit-quality-detector` llamado `distance-sensor.py`.
+
+    > 💁 Una forma sencilla de simular múltiples dispositivos IoT es hacerlo en diferentes archivos de Python y ejecutarlos al mismo tiempo.
+
+1. Inicia una conexión con CounterFit con el siguiente código:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Agrega el siguiente código debajo de esto:
+
+    ```python
+    import time
+    
+    from counterfit_shims_rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    Esto importa la biblioteca shim del sensor para el sensor de tiempo de vuelo VL53L0X.
+
+1. Debajo de esto, agrega el siguiente código para acceder al sensor:
+
+    ```python
+    distance_sensor = VL53L0X()
+    distance_sensor.begin()
+    ```
+
+    Este código declara un sensor de distancia y luego inicia el sensor.
+
+1. Finalmente, agrega un bucle infinito para leer las distancias:
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    Este código espera a que un valor esté listo para ser leído desde el sensor y luego lo imprime en la consola.
+
+1. Ejecuta este código.
+
+    > 💁 ¡No olvides que este archivo se llama `distance-sensor.py`! Asegúrate de ejecutarlo con Python, no con `app.py`.
+
+1. Verás mediciones de distancia aparecer en la consola. Cambia el valor en CounterFit para ver cómo cambia este valor, o usa valores aleatorios.
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python distance-sensor.py 
+    Distance = 37 mm
+    Distance = 42 mm
+    Distance = 29 mm
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-proximity/virtual-iot-device](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/virtual-iot-device).
+
+😀 ¡Tu programa del sensor de proximidad fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
new file mode 100644
index 00000000..0afb062c
--- /dev/null
+++ b/translations/es/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
@@ -0,0 +1,113 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "288aebb0c59f7be1d2719b8f9660a313",
+  "translation_date": "2025-08-26T14:24:20+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md",
+  "language_code": "es"
+}
+-->
+# Detectar proximidad - Wio Terminal
+
+En esta parte de la lección, agregarás un sensor de proximidad a tu Wio Terminal y leerás la distancia desde él.
+
+## Hardware
+
+El Wio Terminal necesita un sensor de proximidad.
+
+El sensor que usarás es un [sensor de distancia Grove Time of Flight](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html). Este sensor utiliza un módulo de medición láser para detectar la distancia. Tiene un rango de 10mm a 2000mm (1cm - 2m) y reportará valores en ese rango con bastante precisión, aunque las distancias superiores a 1000mm se reportarán como 8109mm.
+
+El telémetro láser está en la parte trasera del sensor, en el lado opuesto al conector Grove.
+
+Este es un socket combinado digital e I²C.
+
+### Conectar el sensor de tiempo de vuelo
+
+El sensor Grove Time of Flight puede conectarse al Wio Terminal.
+
+#### Tarea - conectar el sensor de tiempo de vuelo
+
+Conecta el sensor de tiempo de vuelo.
+
+![Un sensor Grove Time of Flight](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.es.png)
+
+1. Inserta un extremo del cable Grove en el conector del sensor de tiempo de vuelo. Solo encajará de una manera.
+
+1. Con el Wio Terminal desconectado de tu computadora u otra fuente de alimentación, conecta el otro extremo del cable Grove al conector Grove del lado izquierdo del Wio Terminal, mirando la pantalla. Este es el conector más cercano al botón de encendido. Este es un socket combinado digital e I²C.
+
+![El sensor Grove Time of Flight conectado al conector izquierdo](../../../../../translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.es.png)
+
+1. Ahora puedes conectar el Wio Terminal a tu computadora.
+
+## Programar el sensor de tiempo de vuelo
+
+El Wio Terminal ahora puede ser programado para usar el sensor de tiempo de vuelo conectado.
+
+### Tarea - programar el sensor de tiempo de vuelo
+
+1. Crea un nuevo proyecto para el Wio Terminal usando PlatformIO. Llama a este proyecto `distance-sensor`. Agrega código en la función `setup` para configurar el puerto serial.
+
+1. Agrega una dependencia de biblioteca para la biblioteca del sensor de distancia Grove Time of Flight al archivo `platformio.ini` del proyecto:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Ranging sensor - VL53L0X @ ^1.1.1
+    ```
+
+1. En `main.cpp`, agrega lo siguiente debajo de las directivas de inclusión existentes para declarar una instancia de la clase `Seeed_vl53l0x` para interactuar con el sensor de tiempo de vuelo:
+
+    ```cpp
+    #include "Seeed_vl53l0x.h"
+    
+    Seeed_vl53l0x VL53L0X;
+    ```
+
+1. Agrega lo siguiente al final de la función `setup` para inicializar el sensor:
+
+    ```cpp
+    VL53L0X.VL53L0X_common_init();
+    VL53L0X.VL53L0X_high_accuracy_ranging_init();
+    ```
+
+1. En la función `loop`, lee un valor del sensor:
+
+    ```cpp
+    VL53L0X_RangingMeasurementData_t RangingMeasurementData;
+    memset(&RangingMeasurementData, 0, sizeof(VL53L0X_RangingMeasurementData_t));
+
+    VL53L0X.PerformSingleRangingMeasurement(&RangingMeasurementData);
+    ```
+
+    Este código inicializa una estructura de datos para leer datos, luego la pasa al método `PerformSingleRangingMeasurement`, donde se llenará con la medición de distancia.
+
+1. Debajo de esto, escribe la medición de distancia y luego espera 1 segundo:
+
+    ```cpp
+    Serial.print("Distance = ");
+    Serial.print(RangingMeasurementData.RangeMilliMeter);
+    Serial.println(" mm");
+
+    delay(1000);
+    ```
+
+1. Compila, sube y ejecuta este código. Podrás ver las mediciones de distancia en el monitor serial. Coloca objetos cerca del sensor y verás la medición de distancia:
+
+    ```output
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    El telémetro está en la parte trasera del sensor, así que asegúrate de usar el lado correcto al medir la distancia.
+
+    ![El telémetro en la parte trasera del sensor de tiempo de vuelo apuntando a un plátano](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.es.png)
+
+> 💁 Puedes encontrar este código en la carpeta [code-proximity/wio-terminal](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/wio-terminal).
+
+😀 ¡Tu programa del sensor de proximidad fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/5-retail/README.md b/translations/es/5-retail/README.md
new file mode 100644
index 00000000..c2fca3ea
--- /dev/null
+++ b/translations/es/5-retail/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "22a1d6e49f2a689fe5bfa7802a7241fc",
+  "translation_date": "2025-08-26T13:59:35+00:00",
+  "source_file": "5-retail/README.md",
+  "language_code": "es"
+}
+-->
+# Retail - usando IoT para gestionar niveles de stock
+
+La última etapa antes de que los alimentos lleguen a los consumidores es el comercio minorista: los mercados, fruterías, supermercados y tiendas que venden productos a los consumidores. Estas tiendas quieren asegurarse de que tienen productos en las estanterías para que los consumidores los vean y compren.
+
+Una de las tareas más manuales y que consume más tiempo en las tiendas de alimentos, especialmente en los grandes supermercados, es asegurarse de que las estanterías estén abastecidas. Revisar cada estantería para garantizar que cualquier hueco se llene con productos del almacén.
+
+El IoT puede ayudar con esto, utilizando modelos de IA que se ejecutan en dispositivos IoT para contar el stock, empleando modelos de aprendizaje automático que no solo clasifican imágenes, sino que también pueden detectar objetos individuales y contarlos.
+
+En estas 2 lecciones aprenderás cómo entrenar modelos de IA basados en imágenes para contar stock y ejecutar estos modelos en dispositivos IoT.
+
+> 💁 Estas lecciones utilizarán algunos recursos en la nube. Si no completas todas las lecciones de este proyecto, asegúrate de [limpiar tu proyecto](../clean-up.md).
+
+## Temas
+
+1. [Entrenar un detector de stock](./lessons/1-train-stock-detector/README.md)  
+1. [Revisar stock desde un dispositivo IoT](./lessons/2-check-stock-device/README.md)
+
+## Créditos
+
+Todas las lecciones fueron escritas con ♥️ por [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/5-retail/lessons/1-train-stock-detector/README.md b/translations/es/5-retail/lessons/1-train-stock-detector/README.md
new file mode 100644
index 00000000..ed866238
--- /dev/null
+++ b/translations/es/5-retail/lessons/1-train-stock-detector/README.md
@@ -0,0 +1,206 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8df310a42f902139a01417dacb1ffbef",
+  "translation_date": "2025-08-26T14:05:26+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/README.md",
+  "language_code": "es"
+}
+-->
+# Entrena un detector de existencias
+
+![Una vista general ilustrada de esta lección](../../../../../translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.es.jpg)
+
+> Ilustración por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+Este video ofrece una visión general sobre la detección de objetos con el servicio Azure Custom Vision, un servicio que se cubrirá en esta lección.
+
+[![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)
+
+> 🎥 Haz clic en la imagen de arriba para ver el video
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/37)
+
+## Introducción
+
+En el proyecto anterior, utilizaste IA para entrenar un clasificador de imágenes: un modelo que puede determinar si una imagen contiene algo, como fruta madura o inmadura. Otro tipo de modelo de IA que se puede usar con imágenes es la detección de objetos. Estos modelos no clasifican una imagen por etiquetas, sino que están entrenados para reconocer objetos y pueden encontrarlos en imágenes, no solo detectando que el objeto está presente, sino también dónde se encuentra en la imagen. Esto permite contar objetos en imágenes.
+
+En esta lección aprenderás sobre la detección de objetos, incluyendo cómo puede ser utilizada en el comercio minorista. También aprenderás cómo entrenar un detector de objetos en la nube.
+
+En esta lección cubriremos:
+
+* [Detección de objetos](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Uso de la detección de objetos en el comercio minorista](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Entrenar un detector de objetos](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Probar tu detector de objetos](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Reentrenar tu detector de objetos](../../../../../5-retail/lessons/1-train-stock-detector)
+
+## Detección de objetos
+
+La detección de objetos implica identificar objetos en imágenes utilizando IA. A diferencia del clasificador de imágenes que entrenaste en el último proyecto, la detección de objetos no se trata de predecir la mejor etiqueta para una imagen en su conjunto, sino de encontrar uno o más objetos en una imagen.
+
+### Detección de objetos vs clasificación de imágenes
+
+La clasificación de imágenes se trata de clasificar una imagen en su totalidad: cuáles son las probabilidades de que toda la imagen coincida con cada etiqueta. Obtienes probabilidades para cada etiqueta utilizada para entrenar el modelo.
+
+![Clasificación de imágenes de nueces de marañón y pasta de tomate](../../../../../translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.es.png)
+
+En el ejemplo anterior, dos imágenes son clasificadas utilizando un modelo entrenado para clasificar envases de nueces de marañón o latas de pasta de tomate. La primera imagen es un envase de nueces de marañón y tiene dos resultados del clasificador de imágenes:
+
+| Etiqueta         | Probabilidad |
+| ---------------- | -----------: |
+| `nueces de marañón` | 98.4%       |
+| `pasta de tomate`   | 1.6%        |
+
+La segunda imagen es una lata de pasta de tomate, y los resultados son:
+
+| Etiqueta         | Probabilidad |
+| ---------------- | -----------: |
+| `nueces de marañón` | 0.7%        |
+| `pasta de tomate`   | 99.3%       |
+
+Podrías usar estos valores con un porcentaje de umbral para predecir qué hay en la imagen. Pero, ¿qué pasaría si una imagen contuviera múltiples latas de pasta de tomate o tanto nueces de marañón como pasta de tomate? Los resultados probablemente no te darían lo que necesitas. Aquí es donde entra la detección de objetos.
+
+La detección de objetos implica entrenar un modelo para reconocer objetos. En lugar de darle imágenes que contienen el objeto y decirle que cada imagen es una etiqueta u otra, destacas la sección de una imagen que contiene el objeto específico y la etiquetas. Puedes etiquetar un solo objeto en una imagen o varios. De esta manera, el modelo aprende cómo se ve el objeto en sí, no solo cómo se ven las imágenes que contienen el objeto.
+
+Cuando lo usas para predecir imágenes, en lugar de obtener una lista de etiquetas y porcentajes, obtienes una lista de objetos detectados, con su cuadro delimitador y la probabilidad de que el objeto coincida con la etiqueta asignada.
+
+> 🎓 *Cuadros delimitadores* son los cuadros alrededor de un objeto.
+
+![Detección de objetos de nueces de marañón y pasta de tomate](../../../../../translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.es.png)
+
+La imagen anterior contiene tanto un envase de nueces de marañón como tres latas de pasta de tomate. El detector de objetos detectó las nueces de marañón, devolviendo el cuadro delimitador que contiene las nueces de marañón con el porcentaje de probabilidad de que el cuadro delimitador contenga el objeto, en este caso 97.6%. El detector de objetos también ha detectado tres latas de pasta de tomate y proporciona tres cuadros delimitadores separados, uno para cada lata detectada, y cada uno tiene una probabilidad de que el cuadro delimitador contenga una lata de pasta de tomate.
+
+✅ Piensa en algunos escenarios diferentes en los que podrías querer usar modelos de IA basados en imágenes. ¿Cuáles necesitarían clasificación y cuáles necesitarían detección de objetos?
+
+### Cómo funciona la detección de objetos
+
+La detección de objetos utiliza modelos de aprendizaje automático complejos. Estos modelos funcionan dividiendo la imagen en múltiples celdas y luego verifican si el centro del cuadro delimitador coincide con el centro de una imagen que coincide con una de las imágenes utilizadas para entrenar el modelo. Puedes pensar en esto como una especie de ejecución de un clasificador de imágenes sobre diferentes partes de la imagen para buscar coincidencias.
+
+> 💁 Esto es una simplificación drástica. Existen muchas técnicas para la detección de objetos, y puedes leer más sobre ellas en la [página de detección de objetos en Wikipedia](https://wikipedia.org/wiki/Object_detection).
+
+Hay varios modelos diferentes que pueden realizar detección de objetos. Un modelo particularmente famoso es [YOLO (You only look once)](https://pjreddie.com/darknet/yolo/), que es increíblemente rápido y puede detectar 20 clases diferentes de objetos, como personas, perros, botellas y autos.
+
+✅ Investiga sobre el modelo YOLO en [pjreddie.com/darknet/yolo/](https://pjreddie.com/darknet/yolo/)
+
+Los modelos de detección de objetos pueden ser reentrenados utilizando aprendizaje por transferencia para detectar objetos personalizados.
+
+## Uso de la detección de objetos en el comercio minorista
+
+La detección de objetos tiene múltiples usos en el comercio minorista. Algunos incluyen:
+
+* **Revisión y conteo de existencias** - reconocer cuando las existencias son bajas en los estantes. Si las existencias son demasiado bajas, se pueden enviar notificaciones al personal o a robots para reabastecer los estantes.
+* **Detección de mascarillas** - en tiendas con políticas de uso de mascarillas durante eventos de salud pública, la detección de objetos puede reconocer personas con mascarillas y sin ellas.
+* **Facturación automatizada** - detectar artículos tomados de los estantes en tiendas automatizadas y facturar a los clientes de manera adecuada.
+* **Detección de peligros** - reconocer artículos rotos en el suelo o líquidos derramados, alertando a los equipos de limpieza.
+
+✅ Investiga: ¿Cuáles son algunos otros casos de uso para la detección de objetos en el comercio minorista?
+
+## Entrenar un detector de objetos
+
+Puedes entrenar un detector de objetos utilizando Custom Vision, de manera similar a como entrenaste un clasificador de imágenes.
+
+### Tarea - crear un detector de objetos
+
+1. Crea un grupo de recursos para este proyecto llamado `stock-detector`.
+
+1. Crea un recurso de entrenamiento gratuito de Custom Vision y un recurso de predicción gratuito de Custom Vision en el grupo de recursos `stock-detector`. Nómbralos `stock-detector-training` y `stock-detector-prediction`.
+
+    > 💁 Solo puedes tener un recurso gratuito de entrenamiento y predicción, así que asegúrate de haber limpiado tu proyecto de las lecciones anteriores.
+
+    > ⚠️ Puedes consultar [las instrucciones para crear recursos de entrenamiento y predicción del proyecto 4, lección 1 si es necesario](../../../4-manufacturing/lessons/1-train-fruit-detector/README.md#task---create-a-cognitive-services-resource).
+
+1. Inicia el portal de Custom Vision en [CustomVision.ai](https://customvision.ai) e inicia sesión con la cuenta de Microsoft que utilizaste para tu cuenta de Azure.
+
+1. Sigue la [sección Crear un nuevo proyecto del inicio rápido para construir un detector de objetos en la documentación de Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#create-a-new-project) para crear un nuevo proyecto de Custom Vision. La interfaz de usuario puede cambiar y esta documentación siempre será la referencia más actualizada.
+
+    Llama a tu proyecto `stock-detector`.
+
+    Cuando crees tu proyecto, asegúrate de usar el recurso `stock-detector-training` que creaste anteriormente. Usa el tipo de proyecto *Detección de objetos* y el dominio *Productos en estantes*.
+
+    ![La configuración del proyecto de Custom Vision con el nombre configurado como fruit-quality-detector, sin descripción, el recurso configurado como fruit-quality-detector-training, el tipo de proyecto configurado como clasificación, los tipos de clasificación configurados como multi-clase y los dominios configurados como alimentos](../../../../../translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.es.png)
+
+    ✅ El dominio de productos en estantes está específicamente dirigido a detectar existencias en estantes de tiendas. Lee más sobre los diferentes dominios en la [documentación Seleccionar un dominio en Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection)
+
+✅ Tómate un tiempo para explorar la interfaz de usuario de Custom Vision para tu detector de objetos.
+
+### Tarea - entrenar tu detector de objetos
+
+Para entrenar tu modelo necesitarás un conjunto de imágenes que contengan los objetos que deseas detectar.
+
+1. Reúne imágenes que contengan el objeto a detectar. Necesitarás al menos 15 imágenes que contengan cada objeto a detectar desde una variedad de ángulos diferentes y en diferentes condiciones de iluminación, pero mientras más, mejor. Este detector de objetos utiliza el dominio *Productos en estantes*, así que intenta configurar los objetos como si estuvieran en un estante de tienda. También necesitarás algunas imágenes para probar el modelo. Si estás detectando más de un objeto, querrás algunas imágenes de prueba que contengan todos los objetos.
+
+    > 💁 Las imágenes con múltiples objetos diferentes cuentan para el mínimo de 15 imágenes para todos los objetos en la imagen.
+
+    Tus imágenes deben ser png o jpeg, menores a 6MB. Si las creas con un iPhone, por ejemplo, pueden ser imágenes HEIC de alta resolución, por lo que necesitarán ser convertidas y posiblemente reducidas. Mientras más imágenes, mejor, y deberías tener un número similar de objetos maduros e inmaduros.
+
+    El modelo está diseñado para productos en estantes, así que intenta tomar las fotos de los objetos en estantes.
+
+    Puedes encontrar algunas imágenes de ejemplo que puedes usar en la carpeta [images](../../../../../5-retail/lessons/1-train-stock-detector/images) de nueces de marañón y pasta de tomate que puedes usar.
+
+1. Sigue la [sección Subir y etiquetar imágenes del inicio rápido para construir un detector de objetos en la documentación de Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) para subir tus imágenes de entrenamiento. Crea etiquetas relevantes dependiendo de los tipos de objetos que deseas detectar.
+
+    ![Los cuadros de diálogo de carga muestran la carga de imágenes de plátanos maduros e inmaduros](../../../../../translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.es.png)
+
+    Cuando dibujes cuadros delimitadores para los objetos, mantenlos ajustados alrededor del objeto. Puede tomar un tiempo delinear todas las imágenes, pero la herramienta detectará lo que cree que son los cuadros delimitadores, haciéndolo más rápido.
+
+    ![Etiquetando algo de pasta de tomate](../../../../../translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.es.png)
+
+    > 💁 Si tienes más de 15 imágenes para cada objeto, puedes entrenar después de 15 y usar la función **Etiquetas sugeridas**. Esto utilizará el modelo entrenado para detectar los objetos en la imagen no etiquetada. Luego puedes confirmar los objetos detectados o rechazar y volver a dibujar los cuadros delimitadores. Esto puede ahorrar *mucho* tiempo.
+
+1. Sigue la [sección Entrenar el detector del inicio rápido para construir un detector de objetos en la documentación de Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#train-the-detector) para entrenar el detector de objetos en tus imágenes etiquetadas.
+
+    Se te dará una opción de tipo de entrenamiento. Selecciona **Entrenamiento rápido**.
+
+El detector de objetos comenzará a entrenarse. Tomará unos minutos para que el entrenamiento se complete.
+
+## Probar tu detector de objetos
+
+Una vez que tu detector de objetos esté entrenado, puedes probarlo dándole nuevas imágenes para detectar objetos.
+
+### Tarea - probar tu detector de objetos
+
+1. Usa el botón **Prueba rápida** para subir imágenes de prueba y verificar que los objetos sean detectados. Usa las imágenes de prueba que creaste anteriormente, no ninguna de las imágenes que usaste para entrenar.
+
+    ![3 latas de pasta de tomate detectadas con probabilidades de 38%, 35.5% y 34.6%](../../../../../translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.es.png)
+
+1. Prueba todas las imágenes de prueba que tengas y observa las probabilidades.
+
+## Reentrenar tu detector de objetos
+
+Cuando pruebes tu detector de objetos, puede que no dé los resultados que esperas, al igual que con los clasificadores de imágenes en el proyecto anterior. Puedes mejorar tu detector de objetos reentrenándolo con imágenes que no detecta correctamente.
+
+Cada vez que haces una predicción utilizando la opción de prueba rápida, la imagen y los resultados se almacenan. Puedes usar estas imágenes para reentrenar tu modelo.
+
+1. Usa la pestaña **Predicciones** para localizar las imágenes que usaste para probar.
+
+1. Confirma cualquier detección precisa, elimina las incorrectas y agrega cualquier objeto faltante.
+
+1. Reentrena y vuelve a probar el modelo.
+
+---
+
+## 🚀 Desafío
+
+¿Qué pasaría si usaras el detector de objetos con artículos de aspecto similar, como latas de pasta de tomate y latas de tomates picados de la misma marca?
+
+Si tienes artículos de aspecto similar, pruébalo agregando imágenes de ellos a tu detector de objetos.
+
+## Cuestionario posterior a la lección
+[Cuestionario posterior a la clase](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/38)
+
+## Revisión y estudio personal
+
+* Cuando entrenaste tu detector de objetos, habrás visto valores como *Precisión*, *Recall* y *mAP* que califican el modelo creado. Investiga qué significan estos valores utilizando [la sección Evaluar el detector del inicio rápido para construir un detector de objetos en la documentación de Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#evaluate-the-detector)
+* Lee más sobre la detección de objetos en la [página de detección de objetos en Wikipedia](https://wikipedia.org/wiki/Object_detection)
+
+## Tarea
+
+[Comparar dominios](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/5-retail/lessons/1-train-stock-detector/assignment.md b/translations/es/5-retail/lessons/1-train-stock-detector/assignment.md
new file mode 100644
index 00000000..513fd838
--- /dev/null
+++ b/translations/es/5-retail/lessons/1-train-stock-detector/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d93ee76fac4c2199973689ecd05baaf9",
+  "translation_date": "2025-08-26T14:06:23+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/assignment.md",
+  "language_code": "es"
+}
+-->
+# Comparar dominios
+
+## Instrucciones
+
+Cuando creaste tu detector de objetos, tuviste la opción de elegir entre múltiples dominios. Compara qué tan bien funcionan para tu detector y describe cuál ofrece mejores resultados.
+
+Para cambiar el dominio, selecciona el botón **Configuración** en el menú superior, elige un nuevo dominio, selecciona el botón **Guardar cambios** y luego vuelve a entrenar el modelo. Asegúrate de probar con la nueva iteración del modelo entrenado con el nuevo dominio.
+
+## Criterios de evaluación
+
+| Criterio | Ejemplar | Adecuado | Necesita Mejorar |
+| -------- | --------- | -------- | ---------------- |
+| Entrenar el modelo con un dominio diferente | Fue capaz de cambiar el dominio y volver a entrenar el modelo | Fue capaz de cambiar el dominio y volver a entrenar el modelo | No fue capaz de cambiar el dominio ni de volver a entrenar el modelo |
+| Probar el modelo y comparar los resultados | Fue capaz de probar el modelo con diferentes dominios, comparar los resultados y describir cuál es mejor | Fue capaz de probar el modelo con diferentes dominios, pero no pudo comparar los resultados ni describir cuál es mejor | No fue capaz de probar el modelo con diferentes dominios |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/5-retail/lessons/2-check-stock-device/README.md b/translations/es/5-retail/lessons/2-check-stock-device/README.md
new file mode 100644
index 00000000..20205469
--- /dev/null
+++ b/translations/es/5-retail/lessons/2-check-stock-device/README.md
@@ -0,0 +1,191 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1c9e5fa8b7be726c75a97232b1e41c97",
+  "translation_date": "2025-08-26T14:01:32+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/README.md",
+  "language_code": "es"
+}
+-->
+# Verificar inventario desde un dispositivo IoT
+
+![Una vista general en sketchnote de esta lección](../../../../../translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.es.jpg)
+
+> Sketchnote por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/39)
+
+## Introducción
+
+En la lección anterior aprendiste sobre los diferentes usos de la detección de objetos en el comercio minorista. También aprendiste cómo entrenar un detector de objetos para identificar inventario. En esta lección aprenderás cómo usar tu detector de objetos desde tu dispositivo IoT para contar inventario.
+
+En esta lección cubriremos:
+
+* [Conteo de inventario](../../../../../5-retail/lessons/2-check-stock-device)
+* [Llamar a tu detector de objetos desde tu dispositivo IoT](../../../../../5-retail/lessons/2-check-stock-device)
+* [Cajas delimitadoras](../../../../../5-retail/lessons/2-check-stock-device)
+* [Reentrenar el modelo](../../../../../5-retail/lessons/2-check-stock-device)
+* [Contar inventario](../../../../../5-retail/lessons/2-check-stock-device)
+
+> 🗑 Esta es la última lección de este proyecto, así que después de completar esta lección y la tarea, no olvides limpiar tus servicios en la nube. Necesitarás los servicios para completar la tarea, así que asegúrate de hacerlo primero.
+>
+> Consulta [la guía para limpiar tu proyecto](../../../clean-up.md) si necesitas instrucciones sobre cómo hacerlo.
+
+## Conteo de inventario
+
+Los detectores de objetos pueden ser utilizados para verificar inventario, ya sea contando productos o asegurándose de que estén donde deberían estar. Los dispositivos IoT con cámaras pueden ser desplegados por toda la tienda para monitorear inventario, comenzando por áreas clave donde es importante reabastecer productos, como zonas donde se almacenan pocos artículos de alto valor.
+
+Por ejemplo, si una cámara apunta a un conjunto de estantes que pueden contener 8 latas de pasta de tomate, y un detector de objetos solo detecta 7 latas, entonces falta una y necesita ser reabastecida.
+
+![7 latas de pasta de tomate en un estante, 4 en la fila superior, 3 en la inferior](../../../../../translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.es.png)
+
+En la imagen anterior, un detector de objetos ha detectado 7 latas de pasta de tomate en un estante que puede contener 8 latas. No solo puede el dispositivo IoT enviar una notificación de la necesidad de reabastecer, sino que incluso puede dar una indicación de la ubicación del artículo faltante, información importante si estás utilizando robots para reabastecer estantes.
+
+> 💁 Dependiendo de la tienda y la popularidad del artículo, probablemente no se reabastecería si solo falta 1 lata. Necesitarías construir un algoritmo que determine cuándo reabastecer basado en tus productos, clientes y otros criterios.
+
+✅ ¿En qué otros escenarios podrías combinar detección de objetos y robots?
+
+A veces el inventario incorrecto puede estar en los estantes. Esto podría ser un error humano al reabastecer, o clientes cambiando de opinión sobre una compra y colocando un artículo en el primer espacio disponible. Cuando se trata de un artículo no perecedero como productos enlatados, esto es una molestia. Si es un artículo perecedero como productos congelados o refrigerados, esto puede significar que el producto ya no puede ser vendido, ya que podría ser imposible determinar cuánto tiempo estuvo fuera del congelador.
+
+La detección de objetos puede ser utilizada para detectar artículos inesperados, alertando nuevamente a un humano o robot para devolver el artículo tan pronto como sea detectado.
+
+![Una lata de maíz bebé fuera de lugar en el estante de pasta de tomate](../../../../../translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.es.png)
+
+En la imagen anterior, una lata de maíz bebé ha sido colocada en el estante junto a la pasta de tomate. El detector de objetos ha detectado esto, permitiendo que el dispositivo IoT notifique a un humano o robot para devolver la lata a su ubicación correcta.
+
+## Llamar a tu detector de objetos desde tu dispositivo IoT
+
+El detector de objetos que entrenaste en la última lección puede ser llamado desde tu dispositivo IoT.
+
+### Tarea - publicar una iteración de tu detector de objetos
+
+Las iteraciones se publican desde el portal de Custom Vision.
+
+1. Abre el portal de Custom Vision en [CustomVision.ai](https://customvision.ai) e inicia sesión si no lo tienes abierto ya. Luego abre tu proyecto `stock-detector`.
+
+1. Selecciona la pestaña **Performance** de las opciones en la parte superior.
+
+1. Selecciona la última iteración de la lista *Iterations* en el lado.
+
+1. Haz clic en el botón **Publish** para la iteración.
+
+    ![El botón de publicar](../../../../../translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.es.png)
+
+1. En el cuadro de diálogo *Publish Model*, configura el *Prediction resource* al recurso `stock-detector-prediction` que creaste en la última lección. Deja el nombre como `Iteration2`, y selecciona el botón **Publish**.
+
+1. Una vez publicado, selecciona el botón **Prediction URL**. Esto mostrará detalles de la API de predicción, y necesitarás estos para llamar al modelo desde tu dispositivo IoT. La sección inferior está etiquetada como *If you have an image file*, y estos son los detalles que necesitas. Toma una copia de la URL que se muestra, que será algo como:
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/detect/iterations/Iteration2/image
+    ```
+
+    Donde `<location>` será la ubicación que usaste al crear tu recurso de Custom Vision, y `<id>` será un ID largo compuesto de letras y números.
+
+    También toma una copia del valor *Prediction-Key*. Esta es una clave segura que debes pasar cuando llames al modelo. Solo las aplicaciones que pasen esta clave pueden usar el modelo, cualquier otra aplicación será rechazada.
+
+    ![El cuadro de diálogo de la API de predicción mostrando la URL y la clave](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.es.png)
+
+✅ Cuando se publica una nueva iteración, tendrá un nombre diferente. ¿Cómo crees que podrías cambiar la iteración que está utilizando un dispositivo IoT?
+
+### Tarea - llamar a tu detector de objetos desde tu dispositivo IoT
+
+Sigue la guía relevante a continuación para usar el detector de objetos desde tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-object-detector.md)
+* [Computadora de placa única - Raspberry Pi/Dispositivo virtual](single-board-computer-object-detector.md)
+
+## Cajas delimitadoras
+
+Cuando usas el detector de objetos, no solo obtienes los objetos detectados con sus etiquetas y probabilidades, sino que también obtienes las cajas delimitadoras de los objetos. Estas definen dónde el detector de objetos detectó el objeto con la probabilidad dada.
+
+> 💁 Una caja delimitadora es un cuadro que define el área que contiene el objeto detectado, un cuadro que define el límite para el objeto.
+
+Los resultados de una predicción en la pestaña **Predictions** en Custom Vision tienen las cajas delimitadoras dibujadas en la imagen que se envió para la predicción.
+
+![4 latas de pasta de tomate en un estante con predicciones para las 4 detecciones de 35.8%, 33.5%, 25.7% y 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.es.png)
+
+En la imagen anterior, se detectaron 4 latas de pasta de tomate. En los resultados, se superpone un cuadro rojo para cada objeto que fue detectado en la imagen, indicando la caja delimitadora para la imagen.
+
+✅ Abre las predicciones en Custom Vision y revisa las cajas delimitadoras.
+
+Las cajas delimitadoras se definen con 4 valores: top, left, height y width. Estos valores están en una escala de 0-1, representando las posiciones como un porcentaje del tamaño de la imagen. El origen (la posición 0,0) es la esquina superior izquierda de la imagen, por lo que el valor top es la distancia desde la parte superior, y la parte inferior de la caja delimitadora es el top más la height.
+
+![Una caja delimitadora alrededor de una lata de pasta de tomate](../../../../../translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.es.png)
+
+La imagen anterior tiene 600 píxeles de ancho y 800 píxeles de alto. La caja delimitadora comienza a 320 píxeles hacia abajo, dando un valor top de 0.4 (800 x 0.4 = 320). Desde la izquierda, la caja delimitadora comienza a 240 píxeles hacia adentro, dando un valor left de 0.4 (600 x 0.4 = 240). La altura de la caja delimitadora es de 240 píxeles, dando un valor height de 0.3 (800 x 0.3 = 240). El ancho de la caja delimitadora es de 120 píxeles, dando un valor width de 0.2 (600 x 0.2 = 120).
+
+| Coordenada | Valor |
+| ---------- | ----: |
+| Top        | 0.4   |
+| Left       | 0.4   |
+| Height     | 0.3   |
+| Width      | 0.2   |
+
+Usar valores porcentuales de 0-1 significa que, sin importar el tamaño al que se escale la imagen, la caja delimitadora comienza a 0.4 de la distancia hacia abajo y hacia adentro, y tiene un 0.3 de la altura y un 0.2 del ancho.
+
+Puedes usar las cajas delimitadoras combinadas con las probabilidades para evaluar qué tan precisa es una detección. Por ejemplo, un detector de objetos puede detectar múltiples objetos que se superponen, por ejemplo, detectando una lata dentro de otra. Tu código podría revisar las cajas delimitadoras, entender que esto es imposible, y ignorar cualquier objeto que tenga una superposición significativa con otros objetos.
+
+![Dos cajas delimitadoras superpuestas en una lata de pasta de tomate](../../../../../translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.es.png)
+
+En el ejemplo anterior, una caja delimitadora indicó una lata de pasta de tomate predicha con un 78.3%. Una segunda caja delimitadora es ligeramente más pequeña y está dentro de la primera caja delimitadora con una probabilidad de 64.3%. Tu código puede revisar las cajas delimitadoras, ver que se superponen completamente, e ignorar la probabilidad más baja ya que no hay forma de que una lata esté dentro de otra.
+
+✅ ¿Puedes pensar en una situación donde sea válido detectar un objeto dentro de otro?
+
+## Reentrenar el modelo
+
+Al igual que con el clasificador de imágenes, puedes reentrenar tu modelo usando datos capturados por tu dispositivo IoT. Usar estos datos del mundo real asegurará que tu modelo funcione bien cuando se use desde tu dispositivo IoT.
+
+A diferencia del clasificador de imágenes, no puedes simplemente etiquetar una imagen. En cambio, necesitas revisar cada caja delimitadora detectada por el modelo. Si la caja está alrededor de algo incorrecto, necesita ser eliminada; si está en la ubicación incorrecta, necesita ser ajustada.
+
+### Tarea - reentrenar el modelo
+
+1. Asegúrate de haber capturado una variedad de imágenes usando tu dispositivo IoT.
+
+1. Desde la pestaña **Predictions**, selecciona una imagen. Verás cuadros rojos que indican las cajas delimitadoras de los objetos detectados.
+
+1. Revisa cada caja delimitadora. Selecciónala primero y verás un cuadro emergente mostrando la etiqueta. Usa los manejadores en las esquinas de la caja delimitadora para ajustar el tamaño si es necesario. Si la etiqueta es incorrecta, elimínala con el botón **X** y agrega la etiqueta correcta. Si la caja delimitadora no contiene un objeto, elimínala con el botón de la papelera.
+
+1. Cierra el editor cuando termines y la imagen se moverá de la pestaña **Predictions** a la pestaña **Training Images**. Repite el proceso para todas las predicciones.
+
+1. Usa el botón **Train** para reentrenar tu modelo. Una vez que se haya entrenado, publica la iteración y actualiza tu dispositivo IoT para usar la URL de la nueva iteración.
+
+1. Vuelve a desplegar tu código y prueba tu dispositivo IoT.
+
+## Contar inventario
+
+Usando una combinación del número de objetos detectados y las cajas delimitadoras, puedes contar el inventario en un estante.
+
+### Tarea - contar inventario
+
+Sigue la guía relevante a continuación para contar inventario usando los resultados del detector de objetos desde tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-count-stock.md)
+* [Computadora de placa única - Raspberry Pi/Dispositivo virtual](single-board-computer-count-stock.md)
+
+---
+
+## 🚀 Desafío
+
+¿Puedes detectar inventario incorrecto? Entrena tu modelo con múltiples objetos, luego actualiza tu aplicación para alertarte si se detecta el inventario incorrecto.
+
+Tal vez incluso lleva esto más allá y detecta inventario lado a lado en el mismo estante, y verifica si algo ha sido colocado en el lugar incorrecto definiendo límites en las cajas delimitadoras.
+
+## Cuestionario posterior a la lección
+
+[Cuestionario posterior a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/40)
+
+## Revisión y autoestudio
+
+* Aprende más sobre cómo diseñar un sistema de detección de inventario de extremo a extremo en la guía de patrones [Detección de falta de inventario en el borde en Microsoft Docs](https://docs.microsoft.com/hybrid/app-solutions/pattern-out-of-stock-at-edge?WT.mc_id=academic-17441-jabenn)
+* Aprende otras formas de construir soluciones de comercio minorista de extremo a extremo combinando una variedad de servicios IoT y en la nube viendo este [Detrás de escena de una solución de comercio minorista - ¡Manos a la obra! video en YouTube](https://www.youtube.com/watch?v=m3Pc300x2Mw).
+
+## Tarea
+
+[Usa tu detector de objetos en el borde](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/5-retail/lessons/2-check-stock-device/assignment.md b/translations/es/5-retail/lessons/2-check-stock-device/assignment.md
new file mode 100644
index 00000000..8d793eb4
--- /dev/null
+++ b/translations/es/5-retail/lessons/2-check-stock-device/assignment.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3cf7783991ec0ee4f6041223924894c7",
+  "translation_date": "2025-08-26T14:02:14+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/assignment.md",
+  "language_code": "es"
+}
+-->
+# Usa tu detector de objetos en el edge
+
+## Instrucciones
+
+En el último proyecto, implementaste tu clasificador de imágenes en el edge. Haz lo mismo con tu detector de objetos, exportándolo como un modelo compacto y ejecutándolo en el edge, accediendo a la versión en el edge desde tu dispositivo IoT.
+
+## Rúbrica
+
+| Criterios | Sobresaliente | Adecuado | Necesita Mejorar |
+| --------- | ------------- | -------- | ---------------- |
+| Implementa tu detector de objetos en el edge | Fue capaz de usar el dominio compacto correcto, exportar el detector de objetos y ejecutarlo en el edge | Fue capaz de usar el dominio compacto correcto y exportar el detector de objetos, pero no pudo ejecutarlo en el edge | No fue capaz de usar el dominio compacto correcto, exportar el detector de objetos ni ejecutarlo en el edge |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md b/translations/es/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
new file mode 100644
index 00000000..50f09159
--- /dev/null
+++ b/translations/es/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
@@ -0,0 +1,177 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9c4320311c0f2c1884a6a21265d98a51",
+  "translation_date": "2025-08-26T14:03:27+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md",
+  "language_code": "es"
+}
+-->
+# Contar inventario desde tu dispositivo IoT - Hardware IoT Virtual y Raspberry Pi
+
+Una combinación de las predicciones y sus cuadros delimitadores puede ser utilizada para contar inventario en una imagen.
+
+## Mostrar cuadros delimitadores
+
+Como un paso útil de depuración, no solo puedes imprimir los cuadros delimitadores, sino también dibujarlos en la imagen que se guardó en el disco cuando se capturó una imagen.
+
+### Tarea - imprimir los cuadros delimitadores
+
+1. Asegúrate de que el proyecto `stock-counter` esté abierto en VS Code y que el entorno virtual esté activado si estás utilizando un dispositivo IoT virtual.
+
+1. Cambia la declaración `print` en el bucle `for` por la siguiente para imprimir los cuadros delimitadores en la consola:
+
+    ```python
+    print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%\t{prediction.bounding_box}')
+    ```
+
+1. Ejecuta la aplicación con la cámara apuntando a algún inventario en un estante. Los cuadros delimitadores se imprimirán en la consola, con valores de izquierda, arriba, ancho y alto entre 0 y 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}
+    ```
+
+### Tarea - dibujar cuadros delimitadores en la imagen
+
+1. El paquete Pip [Pillow](https://pypi.org/project/Pillow/) puede ser utilizado para dibujar en imágenes. Instálalo con el siguiente comando:
+
+    ```sh
+    pip3 install pillow
+    ```
+
+    Si estás utilizando un dispositivo IoT virtual, asegúrate de ejecutar esto desde dentro del entorno virtual activado.
+
+1. Agrega la siguiente declaración de importación al inicio del archivo `app.py`:
+
+    ```python
+    from PIL import Image, ImageDraw, ImageColor
+    ```
+
+    Esto importa el código necesario para editar la imagen.
+
+1. Agrega el siguiente código al final del archivo `app.py`:
+
+    ```python
+    with Image.open('image.jpg') as im:
+        draw = ImageDraw.Draw(im)
+    
+        for prediction in predictions:
+            scale_left = prediction.bounding_box.left
+            scale_top = prediction.bounding_box.top
+            scale_right = prediction.bounding_box.left + prediction.bounding_box.width
+            scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
+            
+            left = scale_left * im.width
+            top = scale_top * im.height
+            right = scale_right * im.width
+            bottom = scale_bottom * im.height
+    
+            draw.rectangle([left, top, right, bottom], outline=ImageColor.getrgb('red'), width=2)
+    
+        im.save('image.jpg')
+    ```
+
+    Este código abre la imagen que se guardó anteriormente para editarla. Luego, recorre las predicciones obteniendo los cuadros delimitadores y calcula la coordenada inferior derecha utilizando los valores del cuadro delimitador entre 0 y 1. Estos valores se convierten en coordenadas de la imagen multiplicándolos por la dimensión correspondiente de la imagen. Por ejemplo, si el valor izquierdo es 0.5 en una imagen de 600 píxeles de ancho, esto se convertiría en 300 (0.5 x 600 = 300).
+
+    Cada cuadro delimitador se dibuja en la imagen utilizando una línea roja. Finalmente, la imagen editada se guarda, sobrescribiendo la imagen original.
+
+1. Ejecuta la aplicación con la cámara apuntando a algún inventario en un estante. Verás el archivo `image.jpg` en el explorador de VS Code y podrás seleccionarlo para ver los cuadros delimitadores.
+
+    ![4 latas de pasta de tomate con cuadros delimitadores alrededor de cada lata](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.es.jpg)
+
+## Contar inventario
+
+En la imagen mostrada arriba, los cuadros delimitadores tienen un pequeño solapamiento. Si este solapamiento fuera mucho mayor, entonces los cuadros delimitadores podrían indicar el mismo objeto. Para contar los objetos correctamente, necesitas ignorar los cuadros con un solapamiento significativo.
+
+### Tarea - contar inventario ignorando solapamientos
+
+1. El paquete Pip [Shapely](https://pypi.org/project/Shapely/) puede ser utilizado para calcular la intersección. Si estás utilizando un Raspberry Pi, primero necesitarás instalar una dependencia de biblioteca:
+
+    ```sh
+    sudo apt install libgeos-dev
+    ```
+
+1. Instala el paquete Pip Shapely:
+
+    ```sh
+    pip3 install shapely
+    ```
+
+    Si estás utilizando un dispositivo IoT virtual, asegúrate de ejecutar esto desde dentro del entorno virtual activado.
+
+1. Agrega la siguiente declaración de importación al inicio del archivo `app.py`:
+
+    ```python
+    from shapely.geometry import Polygon
+    ```
+
+    Esto importa el código necesario para crear polígonos y calcular solapamientos.
+
+1. Por encima del código que dibuja los cuadros delimitadores, agrega el siguiente código:
+
+    ```python
+    overlap_threshold = 0.20
+    ```
+
+    Esto define el porcentaje de solapamiento permitido antes de que los cuadros delimitadores sean considerados como el mismo objeto. 0.20 define un solapamiento del 20%.
+
+1. Para calcular el solapamiento utilizando Shapely, los cuadros delimitadores necesitan ser convertidos en polígonos de Shapely. Agrega la siguiente función para hacerlo:
+
+    ```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)])
+    ```
+
+    Esto crea un polígono utilizando el cuadro delimitador de una predicción.
+
+1. La lógica para eliminar objetos solapados implica comparar todos los cuadros delimitadores y, si algún par de predicciones tiene cuadros delimitadores que se solapan más allá del umbral, eliminar una de las predicciones. Para comparar todas las predicciones, comparas la predicción 1 con la 2, 3, 4, etc., luego la 2 con la 3, 4, etc. El siguiente código hace esto:
+
+    ```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')
+    ```
+
+    El solapamiento se calcula utilizando el método `Polygon.intersection` de Shapely, que devuelve un polígono que tiene el solapamiento. El área se calcula a partir de este polígono. Este umbral de solapamiento no es un valor absoluto, sino que necesita ser un porcentaje del cuadro delimitador, por lo que se encuentra el cuadro delimitador más pequeño y se utiliza el umbral de solapamiento para calcular qué área puede tener el solapamiento sin exceder el porcentaje de solapamiento del cuadro delimitador más pequeño. Si el solapamiento excede esto, la predicción se marca para eliminación.
+
+    Una vez que una predicción ha sido marcada para eliminación, no necesita ser revisada nuevamente, por lo que el bucle interno se rompe para revisar la siguiente predicción. No puedes eliminar elementos de una lista mientras iteras sobre ella, por lo que los cuadros delimitadores que se solapan más allá del umbral se agregan a la lista `to_delete` y luego se eliminan al final.
+
+    Finalmente, el conteo de inventario se imprime en la consola. Esto podría ser enviado a un servicio IoT para alertar si los niveles de inventario son bajos. Todo este código está antes de que se dibujen los cuadros delimitadores, por lo que verás las predicciones de inventario sin solapamientos en las imágenes generadas.
+
+    > 💁 Esta es una forma muy simplista de eliminar solapamientos, simplemente eliminando el primero en un par solapado. Para código de producción, querrías agregar más lógica aquí, como considerar los solapamientos entre múltiples objetos o si un cuadro delimitador está contenido dentro de otro.
+
+1. Ejecuta la aplicación con la cámara apuntando a algún inventario en un estante. La salida indicará el número de cuadros delimitadores sin solapamientos que excedan el umbral. Prueba ajustando el valor de `overlap_threshold` para ver cómo se ignoran las predicciones.
+
+> 💁 Puedes encontrar este código en la carpeta [code-count/pi](../../../../../5-retail/lessons/2-check-stock-device/code-count/pi) o [code-count/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-count/virtual-iot-device).
+
+😀 ¡Tu programa contador de inventario fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/es/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
new file mode 100644
index 00000000..74d52771
--- /dev/null
+++ b/translations/es/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
@@ -0,0 +1,88 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a3fdfec1d1e2cb645ea11c2930b51299",
+  "translation_date": "2025-08-26T14:00:02+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md",
+  "language_code": "es"
+}
+-->
+# Llama a tu detector de objetos desde tu dispositivo IoT - Hardware IoT Virtual y Raspberry Pi
+
+Una vez que tu detector de objetos haya sido publicado, podrá ser utilizado desde tu dispositivo IoT.
+
+## Copia el proyecto del clasificador de imágenes
+
+La mayor parte de tu detector de inventario es similar al clasificador de imágenes que creaste en una lección anterior.
+
+### Tarea - copia el proyecto del clasificador de imágenes
+
+1. Crea una carpeta llamada `stock-counter` en tu computadora si estás usando un dispositivo IoT virtual, o en tu Raspberry Pi. Si estás usando un dispositivo IoT virtual, asegúrate de configurar un entorno virtual.
+
+1. Configura el hardware de la cámara.
+
+    * Si estás usando una Raspberry Pi, necesitarás instalar la PiCamera. También podrías querer fijar la cámara en una posición estable, por ejemplo, colgando el cable sobre una caja o lata, o fijando la cámara a una caja con cinta adhesiva de doble cara.
+    * Si estás usando un dispositivo IoT virtual, necesitarás instalar CounterFit y el shim CounterFit PyCamera. Si vas a usar imágenes fijas, captura algunas imágenes que tu detector de objetos no haya visto antes. Si vas a usar tu cámara web, asegúrate de que esté posicionada de manera que pueda ver el inventario que estás detectando.
+
+1. Repite los pasos de [la lección 2 del proyecto de manufactura](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) para capturar imágenes desde la cámara.
+
+1. Repite los pasos de [la lección 2 del proyecto de manufactura](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) para llamar al clasificador de imágenes. La mayor parte de este código será reutilizado para detectar objetos.
+
+## Cambia el código de un clasificador a un detector de imágenes
+
+El código que usaste para clasificar imágenes es muy similar al código para detectar objetos. La principal diferencia es el método llamado en el SDK de Custom Vision y los resultados de la llamada.
+
+### Tarea - cambia el código de un clasificador a un detector de imágenes
+
+1. Elimina las tres líneas de código que clasifican la imagen y procesan las predicciones:
+
+    ```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}%')
+    ```
+
+    Elimina estas tres líneas.
+
+1. Agrega el siguiente código para detectar objetos en la imagen:
+
+    ```python
+    results = predictor.detect_image(project_id, iteration_name, image)
+
+    threshold = 0.3
+    
+    predictions = list(prediction for prediction in results.predictions if prediction.probability > threshold)
+    
+    for prediction in predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    Este código llama al método `detect_image` en el predictor para ejecutar el detector de objetos. Luego reúne todas las predicciones con una probabilidad por encima de un umbral, imprimiéndolas en la consola.
+
+    A diferencia de un clasificador de imágenes que solo devuelve un resultado por etiqueta, el detector de objetos devolverá múltiples resultados, por lo que es necesario filtrar aquellos con una probabilidad baja.
+
+1. Ejecuta este código y capturará una imagen, la enviará al detector de objetos y mostrará los objetos detectados. Si estás usando un dispositivo IoT virtual, asegúrate de tener una imagen adecuada configurada en CounterFit o que tu cámara web esté seleccionada. Si estás usando una Raspberry Pi, asegúrate de que tu cámara esté apuntando a los objetos en un estante.
+
+    ```output
+    pi@raspberrypi:~/stock-counter $ python3 app.py 
+    tomato paste:   34.13%
+    tomato paste:   33.95%
+    tomato paste:   35.05%
+    tomato paste:   32.80%
+    ```
+
+    > 💁 Es posible que necesites ajustar el `threshold` a un valor adecuado para tus imágenes.
+
+    Podrás ver la imagen que se tomó y estos valores en la pestaña **Predictions** en Custom Vision.
+
+    ![4 latas de pasta de tomate en un estante con predicciones para las 4 detecciones de 35.8%, 33.5%, 25.7% y 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.es.png)
+
+> 💁 Puedes encontrar este código en la carpeta [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) o [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device).
+
+😀 ¡Tu programa de contador de inventario fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md b/translations/es/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
new file mode 100644
index 00000000..e2127c83
--- /dev/null
+++ b/translations/es/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
@@ -0,0 +1,181 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0b2ae20b0fc8e73c9598dea937cac038",
+  "translation_date": "2025-08-26T14:02:47+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md",
+  "language_code": "es"
+}
+-->
+# Contar inventario desde tu dispositivo IoT - Wio Terminal
+
+Una combinación de las predicciones y sus cuadros delimitadores puede ser utilizada para contar inventario en una imagen.
+
+## Contar inventario
+
+![4 latas de pasta de tomate con cuadros delimitadores alrededor de cada lata](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.es.jpg)
+
+En la imagen mostrada arriba, los cuadros delimitadores tienen un pequeño solapamiento. Si este solapamiento fuera mucho mayor, entonces los cuadros delimitadores podrían indicar el mismo objeto. Para contar los objetos correctamente, necesitas ignorar los cuadros con un solapamiento significativo.
+
+### Tarea - contar inventario ignorando solapamientos
+
+1. Abre tu proyecto `stock-counter` si no está abierto ya.
+
+1. Encima de la función `processPredictions`, agrega el siguiente código:
+
+    ```cpp
+    const float overlap_threshold = 0.20f;
+    ```
+
+    Esto define el porcentaje de solapamiento permitido antes de que los cuadros delimitadores sean considerados como el mismo objeto. 0.20 define un solapamiento del 20%.
+
+1. Debajo de esto, y encima de la función `processPredictions`, agrega el siguiente código para calcular el solapamiento entre dos rectángulos:
+
+    ```cpp
+    struct Point {
+        float x, y;
+    };
+
+    struct Rect {
+        Point topLeft, bottomRight;
+    };
+
+    float area(Rect rect)
+    {
+        return abs(rect.bottomRight.x - rect.topLeft.x) * abs(rect.bottomRight.y - rect.topLeft.y);
+    }
+     
+    float overlappingArea(Rect rect1, Rect rect2)
+    {
+        float left = max(rect1.topLeft.x, rect2.topLeft.x);
+        float right = min(rect1.bottomRight.x, rect2.bottomRight.x);
+        float top = max(rect1.topLeft.y, rect2.topLeft.y);
+        float bottom = min(rect1.bottomRight.y, rect2.bottomRight.y);
+    
+    
+        if ( right > left && bottom > top )
+        {
+            return (right-left)*(bottom-top);
+        }
+        
+        return 0.0f;
+    }
+    ```
+
+    Este código define una estructura `Point` para almacenar puntos en la imagen, y una estructura `Rect` para definir un rectángulo usando una coordenada superior izquierda y una inferior derecha. Luego define una función `area` que calcula el área de un rectángulo a partir de una coordenada superior izquierda e inferior derecha.
+
+    A continuación, define una función `overlappingArea` que calcula el área de solapamiento de 2 rectángulos. Si no se solapan, devuelve 0.
+
+1. Debajo de la función `overlappingArea`, declara una función para convertir un cuadro delimitador en un `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};
+    }
+    ```
+
+    Esto toma una predicción del detector de objetos, extrae el cuadro delimitador y utiliza los valores del cuadro delimitador para definir un rectángulo. El lado derecho se calcula sumando el ancho al lado izquierdo. La parte inferior se calcula sumando la altura a la parte superior.
+
+1. Las predicciones necesitan ser comparadas entre sí, y si 2 predicciones tienen un solapamiento mayor al umbral, una de ellas debe ser eliminada. El umbral de solapamiento es un porcentaje, por lo que necesita ser multiplicado por el tamaño del cuadro delimitador más pequeño para verificar que el solapamiento exceda el porcentaje dado del cuadro delimitador, no el porcentaje dado de toda la imagen. Comienza eliminando el contenido de la función `processPredictions`.
+
+1. Agrega lo siguiente a la función `processPredictions` vacía:
+
+    ```cpp
+    std::vector<JsonVariant> passed_predictions;
+
+    for (int i = 0; i < predictions.size(); ++i)
+    {
+        Rect prediction_1_rect = rectFromBoundingBox(predictions[i]);
+        float prediction_1_area = area(prediction_1_rect);
+        bool passed = true;
+
+        for (int j = i + 1; j < predictions.size(); ++j)
+        {
+            Rect prediction_2_rect = rectFromBoundingBox(predictions[j]);
+            float prediction_2_area = area(prediction_2_rect);
+
+            float overlap = overlappingArea(prediction_1_rect, prediction_2_rect);
+            float smallest_area = min(prediction_1_area, prediction_2_area);
+
+            if (overlap > (overlap_threshold * smallest_area))
+            {
+                passed = false;
+                break;
+            }
+        }
+
+        if (passed)
+        {
+            passed_predictions.push_back(predictions[i]);
+        }
+    }
+    ```
+
+    Este código declara un vector para almacenar las predicciones que no se solapan. Luego recorre todas las predicciones, creando un `Rect` a partir del cuadro delimitador.
+
+    A continuación, este código recorre las predicciones restantes, comenzando con la que está después de la predicción actual. Esto evita que las predicciones sean comparadas más de una vez: una vez que se han comparado 1 y 2, no hay necesidad de comparar 2 con 1, solo con 3, 4, etc.
+
+    Para cada par de predicciones, se calcula el área de solapamiento. Esto se compara con el área del cuadro delimitador más pequeño: si el solapamiento excede el porcentaje umbral del cuadro delimitador más pequeño, la predicción se marca como no aprobada. Si después de comparar todos los solapamientos, la predicción pasa las verificaciones, se agrega a la colección `passed_predictions`.
+
+    > 💁 Este es un método muy simplista para eliminar solapamientos, simplemente eliminando el primero en un par de solapamientos. Para código de producción, querrías agregar más lógica aquí, como considerar los solapamientos entre múltiples objetos, o si un cuadro delimitador está contenido dentro de otro.
+
+1. Después de esto, agrega el siguiente código para enviar detalles de las predicciones aprobadas al monitor serial:
+
+    ```cpp
+    for(JsonVariant prediction : passed_predictions)
+    {
+        String boundingBox = prediction["boundingBox"].as<String>();
+        String tag = prediction["tagName"].as<String>();
+        float probability = prediction["probability"].as<float>();
+
+        char buff[32];
+        sprintf(buff, "%s:\t%.2f%%\t%s", tag.c_str(), probability * 100.0, boundingBox.c_str());
+        Serial.println(buff);
+    }
+    ```
+
+    Este código recorre las predicciones aprobadas y imprime sus detalles en el monitor serial.
+
+1. Debajo de esto, agrega código para imprimir el número de elementos contados en el monitor serial:
+
+    ```cpp
+    Serial.print("Counted ");
+    Serial.print(passed_predictions.size());
+    Serial.println(" stock items.");
+    ```
+
+    Esto podría ser enviado a un servicio IoT para alertar si los niveles de inventario son bajos.
+
+1. Sube y ejecuta tu código. Apunta la cámara a objetos en un estante y presiona el botón C. Intenta ajustar el valor de `overlap_threshold` para ver cómo se ignoran las predicciones.
+
+    ```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.
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-count/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-count/wio-terminal).
+
+😀 ¡Tu programa para contar inventario fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/es/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
new file mode 100644
index 00000000..40d4c373
--- /dev/null
+++ b/translations/es/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
@@ -0,0 +1,116 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4cf1421420a6fab9ab4f2c391bd523b7",
+  "translation_date": "2025-08-26T14:04:18+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md",
+  "language_code": "es"
+}
+-->
+# Llama a tu detector de objetos desde tu dispositivo IoT - Wio Terminal
+
+Una vez que tu detector de objetos haya sido publicado, puede ser utilizado desde tu dispositivo IoT.
+
+## Copia el proyecto del clasificador de imágenes
+
+La mayor parte de tu detector de inventario es igual al clasificador de imágenes que creaste en una lección anterior.
+
+### Tarea - copia el proyecto del clasificador de imágenes
+
+1. Conecta tu ArduCam a tu Wio Terminal, siguiendo los pasos de [la lección 2 del proyecto de manufactura](../../../4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md#task---connect-the-camera).
+
+    También podrías querer fijar la cámara en una posición estable, por ejemplo, colgando el cable sobre una caja o lata, o fijando la cámara a una caja con cinta adhesiva de doble cara.
+
+1. Crea un proyecto nuevo para Wio Terminal usando PlatformIO. Llama a este proyecto `stock-counter`.
+
+1. Repite los pasos de [la lección 2 del proyecto de manufactura](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) para capturar imágenes desde la cámara.
+
+1. Repite los pasos de [la lección 2 del proyecto de manufactura](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) para llamar al clasificador de imágenes. La mayor parte de este código será reutilizado para detectar objetos.
+
+## Cambia el código de un clasificador a un detector de imágenes
+
+El código que usaste para clasificar imágenes es muy similar al código para detectar objetos. La principal diferencia es la URL que se llama, que obtuviste de Custom Vision, y los resultados de la llamada.
+
+### Tarea - cambia el código de un clasificador a un detector de imágenes
+
+1. Agrega la siguiente directiva de inclusión al inicio del archivo `main.cpp`:
+
+    ```cpp
+    #include <vector>
+    ```
+
+1. Renombra la función `classifyImage` a `detectStock`, tanto el nombre de la función como la llamada en la función `buttonPressed`.
+
+1. Encima de la función `detectStock`, declara un umbral para filtrar cualquier detección que tenga una baja probabilidad:
+
+    ```cpp
+    const float threshold = 0.3f;
+    ```
+
+    A diferencia de un clasificador de imágenes que solo devuelve un resultado por etiqueta, el detector de objetos devolverá múltiples resultados, por lo que cualquier resultado con baja probabilidad debe ser filtrado.
+
+1. Encima de la función `detectStock`, declara una función para procesar las predicciones:
+
+    ```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);
+        }
+    }
+    ```
+
+    Esto toma una lista de predicciones y las imprime en el monitor serial.
+
+1. En la función `detectStock`, reemplaza el contenido del bucle `for` que recorre las predicciones con lo siguiente:
+
+    ```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);
+    ```
+
+    Esto recorre las predicciones, comparando la probabilidad con el umbral. Todas las predicciones que tienen una probabilidad mayor que el umbral se agregan a una `list` y se pasan a la función `processPredictions`.
+
+1. Sube y ejecuta tu código. Apunta la cámara hacia objetos en una estantería y presiona el botón C. Verás la salida en el monitor serial:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 17416
+    tomato paste:   35.84%
+    tomato paste:   35.87%
+    tomato paste:   34.11%
+    tomato paste:   35.16%
+    ```
+
+    > 💁 Puede que necesites ajustar el `threshold` a un valor apropiado para tus imágenes.
+
+    Podrás ver la imagen que se tomó y estos valores en la pestaña **Predictions** en Custom Vision.
+
+    ![4 latas de pasta de tomate en una estantería con predicciones para las 4 detecciones de 35.8%, 33.5%, 25.7% y 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.es.png)
+
+> 💁 Puedes encontrar este código en la carpeta [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal).
+
+😀 ¡Tu programa de contador de inventario fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de ningún malentendido o interpretación errónea que surja del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/README.md b/translations/es/6-consumer/README.md
new file mode 100644
index 00000000..ce83266c
--- /dev/null
+++ b/translations/es/6-consumer/README.md
@@ -0,0 +1,36 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5de7dc1e2ddc402d415473bb795568d4",
+  "translation_date": "2025-08-26T15:19:58+00:00",
+  "source_file": "6-consumer/README.md",
+  "language_code": "es"
+}
+-->
+# IoT para consumidores - crea un asistente de voz inteligente
+
+La comida ha sido cultivada, llevada a una planta de procesamiento, clasificada por calidad, vendida en la tienda y ahora es hora de cocinar. Una de las piezas fundamentales de cualquier cocina es un temporizador. Inicialmente, estos comenzaron como relojes de arena: tu comida estaba lista cuando toda la arena caía al bulbo inferior. Luego pasaron a ser mecánicos, y después eléctricos.
+
+Las últimas versiones ahora forman parte de nuestros dispositivos inteligentes. En cocinas de hogares en todo el mundo, escucharás a cocineros gritando "Hey Siri, pon un temporizador de 10 minutos", o "Alexa, cancela mi temporizador del pan". Ya no es necesario regresar a la cocina para revisar un temporizador; puedes hacerlo desde tu teléfono o simplemente llamando desde cualquier lugar de la habitación.
+
+En estas 4 lecciones aprenderás a construir un temporizador inteligente, utilizando IA para reconocer tu voz, entender lo que estás pidiendo y responder con información sobre tu temporizador. También agregarás soporte para múltiples idiomas.
+
+> ⚠️ Trabajar con datos de voz y micrófono utiliza mucha memoria, lo que significa que es fácil alcanzar los límites en los microcontroladores. El proyecto aquí aborda estos problemas, pero ten en cuenta que los laboratorios con Wio Terminal son complejos y pueden tomar más tiempo que otros laboratorios en este currículo.
+
+> 💁 Estas lecciones utilizarán algunos recursos en la nube. Si no completas todas las lecciones de este proyecto, asegúrate de [limpiar tu proyecto](../clean-up.md).
+
+## Temas
+
+1. [Reconocer voz con un dispositivo IoT](./lessons/1-speech-recognition/README.md)
+1. [Entender el lenguaje](./lessons/2-language-understanding/README.md)
+1. [Configurar un temporizador y proporcionar retroalimentación hablada](./lessons/3-spoken-feedback/README.md)
+1. [Soportar múltiples idiomas](./lessons/4-multiple-language-support/README.md)
+
+## Créditos
+
+Todas las lecciones fueron escritas con ♥️ por [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de ningún malentendido o interpretación errónea que surja del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/1-speech-recognition/README.md b/translations/es/6-consumer/lessons/1-speech-recognition/README.md
new file mode 100644
index 00000000..c1ce97dc
--- /dev/null
+++ b/translations/es/6-consumer/lessons/1-speech-recognition/README.md
@@ -0,0 +1,235 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6d6aa1be033625d201a190fc9c5cbfb4",
+  "translation_date": "2025-08-26T15:35:19+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/README.md",
+  "language_code": "es"
+}
+-->
+# Reconocer voz con un dispositivo IoT
+
+![Una visión general ilustrada de esta lección](../../../../../translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.es.jpg)
+
+> Ilustración por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+Este video ofrece una visión general del servicio de voz de Azure, un tema que se cubrirá en esta lección:
+
+[![Cómo empezar a usar tu recurso de Cognitive Services Speech desde el canal de YouTube de Microsoft Azure](https://img.youtube.com/vi/iW0Fw0l3mrA/0.jpg)](https://www.youtube.com/watch?v=iW0Fw0l3mrA)
+
+> 🎥 Haz clic en la imagen de arriba para ver el video
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/41)
+
+## Introducción
+
+'Alexa, pon un temporizador de 12 minutos'
+
+'Alexa, estado del temporizador'
+
+'Alexa, pon un temporizador de 8 minutos llamado brócoli al vapor'
+
+Los dispositivos inteligentes están volviéndose cada vez más comunes. No solo como altavoces inteligentes como HomePods, Echos y Google Homes, sino también integrados en nuestros teléfonos, relojes, e incluso en lámparas y termostatos.
+
+> 💁 Tengo al menos 19 dispositivos en mi casa que tienen asistentes de voz, ¡y eso es solo los que conozco!
+
+El control por voz aumenta la accesibilidad al permitir que personas con movilidad limitada interactúen con dispositivos. Ya sea una discapacidad permanente como haber nacido sin brazos, una discapacidad temporal como brazos rotos, o simplemente tener las manos ocupadas con compras o niños pequeños, poder controlar nuestra casa con la voz en lugar de las manos abre un mundo de posibilidades. Gritar 'Hey Siri, cierra la puerta del garaje' mientras lidias con un cambio de pañal y un niño inquieto puede ser una pequeña pero efectiva mejora en la vida.
+
+Uno de los usos más populares de los asistentes de voz es configurar temporizadores, especialmente temporizadores de cocina. Poder configurar múltiples temporizadores solo con tu voz es de gran ayuda en la cocina: no necesitas detenerte a amasar masa, revolver sopa o limpiar tus manos llenas de relleno de dumplings para usar un temporizador físico.
+
+En esta lección aprenderás a integrar el reconocimiento de voz en dispositivos IoT. Aprenderás sobre los micrófonos como sensores, cómo capturar audio desde un micrófono conectado a un dispositivo IoT, y cómo usar IA para convertir lo que se escucha en texto. A lo largo del resto de este proyecto construirás un temporizador de cocina inteligente, capaz de configurar temporizadores usando tu voz en múltiples idiomas.
+
+En esta lección cubriremos:
+
+* [Micrófonos](../../../../../6-consumer/lessons/1-speech-recognition)
+* [Capturar audio desde tu dispositivo IoT](../../../../../6-consumer/lessons/1-speech-recognition)
+* [De voz a texto](../../../../../6-consumer/lessons/1-speech-recognition)
+* [Convertir voz a texto](../../../../../6-consumer/lessons/1-speech-recognition)
+
+## Micrófonos
+
+Los micrófonos son sensores analógicos que convierten las ondas sonoras en señales eléctricas. Las vibraciones en el aire hacen que los componentes del micrófono se muevan pequeñas cantidades, lo que provoca cambios minúsculos en las señales eléctricas. Estos cambios se amplifican para generar una salida eléctrica.
+
+### Tipos de micrófonos
+
+Los micrófonos vienen en una variedad de tipos:
+
+* Dinámicos - Los micrófonos dinámicos tienen un imán unido a un diafragma móvil que se mueve en una bobina de alambre creando una corriente eléctrica. Esto es lo opuesto a la mayoría de los altavoces, que usan una corriente eléctrica para mover un imán en una bobina de alambre, moviendo un diafragma para crear sonido. Esto significa que los altavoces pueden usarse como micrófonos dinámicos, y los micrófonos dinámicos pueden usarse como altavoces. En dispositivos como intercomunicadores, donde un usuario está escuchando o hablando, pero no ambos, un dispositivo puede actuar como altavoz y micrófono.
+
+    Los micrófonos dinámicos no necesitan energía para funcionar, la señal eléctrica se genera completamente desde el micrófono.
+
+    ![Patti Smith cantando en un micrófono Shure SM58 (tipo cardioide dinámico)](../../../../../translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.es.jpg)
+
+* De cinta - Los micrófonos de cinta son similares a los dinámicos, excepto que tienen una cinta metálica en lugar de un diafragma. Esta cinta se mueve en un campo magnético generando una corriente eléctrica. Al igual que los micrófonos dinámicos, los de cinta no necesitan energía para funcionar.
+
+    ![Edmund Lowe, actor estadounidense, de pie frente a un micrófono de radio (etiquetado para la Red Azul de NBC), sosteniendo un guion, 1942](../../../../../translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.es.jpg)
+
+* Condensador - Los micrófonos de condensador tienen un diafragma metálico delgado y una placa trasera metálica fija. Se aplica electricidad a ambos, y a medida que el diafragma vibra, la carga estática entre las placas cambia generando una señal. Los micrófonos de condensador necesitan energía para funcionar, llamada *Phantom power*.
+
+    ![Micrófono de condensador de diafragma pequeño C451B de AKG Acoustics](../../../../../translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.es.jpg)
+
+* MEMS - Los micrófonos de sistemas microelectromecánicos, o MEMS, son micrófonos en un chip. Tienen un diafragma sensible a la presión grabado en un chip de silicio, y funcionan de manera similar a un micrófono de condensador. Estos micrófonos pueden ser diminutos e integrarse en circuitos.
+
+    ![Un micrófono MEMS en una placa de circuito](../../../../../translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.es.png)
+
+    En la imagen de arriba, el chip etiquetado como **LEFT** es un micrófono MEMS, con un diafragma diminuto de menos de un milímetro de ancho.
+
+✅ Investiga: ¿Qué micrófonos tienes a tu alrededor, ya sea en tu computadora, tu teléfono, tus auriculares o en otros dispositivos? ¿Qué tipo de micrófonos son?
+
+### Audio digital
+
+El audio es una señal analógica que transporta información muy detallada. Para convertir esta señal en digital, el audio debe ser muestreado miles de veces por segundo.
+
+> 🎓 Muestrear significa convertir la señal de audio en un valor digital que representa la señal en ese momento.
+
+![Un gráfico de líneas que muestra una señal, con puntos discretos en intervalos fijos](../../../../../translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.es.png)
+
+El audio digital se muestrea utilizando Modulación por Código de Pulsos, o PCM. PCM implica leer el voltaje de la señal y seleccionar el valor discreto más cercano a ese voltaje utilizando un tamaño definido.
+
+> 💁 Puedes pensar en PCM como la versión de sensor de la modulación por ancho de pulso, o PWM (PWM se cubrió en [la lección 3 del proyecto de introducción](../../../1-getting-started/lessons/3-sensors-and-actuators/README.md#pulse-width-modulation)). PCM implica convertir una señal analógica a digital, PWM implica convertir una señal digital a analógica.
+
+Por ejemplo, la mayoría de los servicios de música en streaming ofrecen audio de 16 bits o 24 bits. Esto significa que convierten el voltaje en un valor que cabe en un entero de 16 bits o 24 bits. El audio de 16 bits ajusta el valor en un rango de -32,768 a 32,767, el de 24 bits en el rango −8,388,608 a 8,388,607. Cuantos más bits, más cerca estará la muestra de lo que realmente escuchan nuestros oídos.
+
+> 💁 Tal vez hayas oído hablar del audio de 8 bits, a menudo referido como LoFi. Este es audio muestreado usando solo 8 bits, es decir, -128 a 127. El primer audio de computadora estaba limitado a 8 bits debido a limitaciones de hardware, por lo que a menudo se ve en juegos retro.
+
+Estas muestras se toman miles de veces por segundo, utilizando tasas de muestreo bien definidas medidas en KHz (miles de lecturas por segundo). Los servicios de música en streaming usan 48KHz para la mayoría del audio, pero algunos audios 'sin pérdida' usan hasta 96KHz o incluso 192KHz. Cuanto mayor sea la tasa de muestreo, más cerca estará el audio del original, hasta cierto punto. Existe debate sobre si los humanos pueden notar la diferencia por encima de los 48KHz.
+
+✅ Investiga: Si usas un servicio de música en streaming, ¿qué tasa de muestreo y tamaño utiliza? Si usas CDs, ¿cuál es la tasa de muestreo y tamaño del audio en CD?
+
+Existen varios formatos diferentes para datos de audio. Probablemente hayas oído hablar de archivos mp3: datos de audio comprimidos para hacerlos más pequeños sin perder calidad. El audio sin comprimir a menudo se almacena como un archivo WAV: este es un archivo con 44 bytes de información de encabezado, seguido de datos de audio sin procesar. El encabezado contiene información como la tasa de muestreo (por ejemplo, 16000 para 16KHz) y el tamaño de la muestra (16 para 16 bits), y el número de canales. Después del encabezado, el archivo WAV contiene los datos de audio sin procesar.
+
+> 🎓 Los canales se refieren a cuántos flujos de audio diferentes conforman el audio. Por ejemplo, para audio estéreo con izquierda y derecha, habría 2 canales. Para sonido envolvente 7.1 en un sistema de cine en casa, serían 8.
+
+### Tamaño de los datos de audio
+
+Los datos de audio son relativamente grandes. Por ejemplo, capturar audio sin comprimir de 16 bits a 16KHz (una tasa suficientemente buena para usar con un modelo de voz a texto) requiere 32KB de datos por cada segundo de audio:
+
+* 16 bits significa 2 bytes por muestra (1 byte son 8 bits).
+* 16KHz son 16,000 muestras por segundo.
+* 16,000 x 2 bytes = 32,000 bytes por segundo.
+
+Esto puede parecer una pequeña cantidad de datos, pero si estás usando un microcontrolador con memoria limitada, puede ser mucho. Por ejemplo, el Wio Terminal tiene 192KB de memoria, y esa memoria debe almacenar el código del programa y las variables. Incluso si tu código de programa fuera diminuto, no podrías capturar más de 5 segundos de audio.
+
+Los microcontroladores pueden acceder a almacenamiento adicional, como tarjetas SD o memoria flash. Al construir un dispositivo IoT que capture audio, necesitarás asegurarte de que no solo tienes almacenamiento adicional, sino que tu código escribe el audio capturado desde tu micrófono directamente en ese almacenamiento, y al enviarlo a la nube, lo transmite desde el almacenamiento a la solicitud web. De esta manera, puedes evitar quedarte sin memoria al intentar mantener todo el bloque de datos de audio en la memoria a la vez.
+
+## Capturar audio desde tu dispositivo IoT
+
+Tu dispositivo IoT puede conectarse a un micrófono para capturar audio, listo para convertirlo en texto. También puede conectarse a altavoces para emitir audio. En lecciones posteriores, esto se usará para dar retroalimentación de audio, pero es útil configurar los altavoces ahora para probar el micrófono.
+
+### Tarea - configurar tu micrófono y altavoces
+
+Sigue la guía correspondiente para configurar el micrófono y los altavoces de tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-microphone.md)
+* [Computadora de placa única - Raspberry Pi](pi-microphone.md)
+* [Computadora de placa única - Dispositivo virtual](virtual-device-microphone.md)
+
+### Tarea - capturar audio
+
+Sigue la guía correspondiente para capturar audio en tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-audio.md)
+* [Computadora de placa única - Raspberry Pi](pi-audio.md)
+* [Computadora de placa única - Dispositivo virtual](virtual-device-audio.md)
+
+## De voz a texto
+
+De voz a texto, o reconocimiento de voz, implica usar IA para convertir palabras en una señal de audio a texto.
+
+### Modelos de reconocimiento de voz
+
+Para convertir voz a texto, las muestras de la señal de audio se agrupan y se alimentan a un modelo de aprendizaje automático basado en una red neuronal recurrente (RNN). Este es un tipo de modelo de aprendizaje automático que puede usar datos previos para tomar decisiones sobre datos entrantes. Por ejemplo, la RNN podría detectar un bloque de muestras de audio como el sonido 'Hel', y cuando recibe otro que cree que es el sonido 'lo', puede combinar esto con el sonido anterior, encontrar que 'Hello' es una palabra válida y seleccionarla como resultado.
+
+Los modelos de aprendizaje automático siempre aceptan datos del mismo tamaño cada vez. El clasificador de imágenes que construiste en una lección anterior redimensiona las imágenes a un tamaño fijo y las procesa. Lo mismo ocurre con los modelos de voz, tienen que procesar bloques de audio de tamaño fijo. Los modelos de voz necesitan poder combinar los resultados de múltiples predicciones para obtener la respuesta, lo que les permite distinguir entre 'Hi' y 'Highway', o 'flock' y 'floccinaucinihilipilification'.
+
+Los modelos de voz también son lo suficientemente avanzados como para entender el contexto y pueden corregir las palabras que detectan a medida que se procesan más sonidos. Por ejemplo, si dices "Fui a las tiendas a comprar dos plátanos y una manzana también", usarías tres palabras que suenan igual pero se escriben diferente: to, two y too. Los modelos de voz son capaces de entender el contexto y usar la ortografía adecuada de la palabra.
+💁 Algunos servicios de voz permiten personalización para que funcionen mejor en entornos ruidosos como fábricas, o con palabras específicas de la industria, como nombres de productos químicos. Estas personalizaciones se entrenan proporcionando audio de muestra y una transcripción, y funcionan mediante aprendizaje por transferencia, de la misma manera que entrenaste un clasificador de imágenes utilizando solo unas pocas imágenes en una lección anterior.
+### Privacidad
+
+Cuando se utiliza la conversión de voz a texto en un dispositivo IoT para consumidores, la privacidad es increíblemente importante. Estos dispositivos escuchan audio de manera continua, por lo que, como consumidor, no quieres que todo lo que dices se envíe a la nube y se convierta en texto. Esto no solo consumiría mucho ancho de banda de Internet, sino que también tiene enormes implicaciones de privacidad, especialmente cuando algunos fabricantes de dispositivos inteligentes seleccionan aleatoriamente audio para [que humanos lo validen contra el texto generado para ayudar a mejorar su modelo](https://www.theverge.com/2019/4/10/18305378/amazon-alexa-ai-voice-assistant-annotation-listen-private-recordings).
+
+Solo quieres que tu dispositivo inteligente envíe audio a la nube para su procesamiento cuando lo estás utilizando, no cuando escucha audio en tu hogar, audio que podría incluir reuniones privadas o interacciones íntimas. La forma en que la mayoría de los dispositivos inteligentes funcionan es con una *palabra de activación*, una frase clave como "Alexa", "Hey Siri" o "OK Google" que hace que el dispositivo 'despierte' y escuche lo que estás diciendo hasta que detecta una pausa en tu discurso, indicando que has terminado de hablar con el dispositivo.
+
+> 🎓 La detección de palabras de activación también se conoce como *detección de palabras clave* o *reconocimiento de palabras clave*.
+
+Estas palabras de activación se detectan en el dispositivo, no en la nube. Estos dispositivos inteligentes tienen pequeños modelos de IA que funcionan en el dispositivo y que escuchan la palabra de activación, y cuando se detecta, comienzan a transmitir el audio a la nube para su reconocimiento. Estos modelos están muy especializados y solo escuchan la palabra de activación.
+
+> 💁 Algunas empresas tecnológicas están añadiendo más privacidad a sus dispositivos y realizando parte de la conversión de voz a texto en el propio dispositivo. Apple anunció que, como parte de sus actualizaciones de iOS y macOS en 2021, soportarán la conversión de voz a texto en el dispositivo y podrán manejar muchas solicitudes sin necesidad de usar la nube. Esto es posible gracias a los potentes procesadores en sus dispositivos que pueden ejecutar modelos de aprendizaje automático.
+
+✅ ¿Cuáles crees que son las implicaciones éticas y de privacidad de almacenar el audio enviado a la nube? ¿Debería almacenarse este audio, y si es así, cómo? ¿Crees que el uso de grabaciones para la aplicación de la ley es un buen intercambio por la pérdida de privacidad?
+
+La detección de palabras de activación generalmente utiliza una técnica conocida como TinyML, que consiste en convertir modelos de aprendizaje automático para que puedan ejecutarse en microcontroladores. Estos modelos son pequeños en tamaño y consumen muy poca energía para funcionar.
+
+Para evitar la complejidad de entrenar y usar un modelo de palabras de activación, el temporizador inteligente que estás construyendo en esta lección utilizará un botón para activar el reconocimiento de voz.
+
+> 💁 Si quieres intentar crear un modelo de detección de palabras de activación para ejecutarlo en el Wio Terminal o Raspberry Pi, consulta este [tutorial de respuesta a tu voz de Edge Impulse](https://docs.edgeimpulse.com/docs/responding-to-your-voice). Si deseas usar tu computadora para hacerlo, puedes probar el [inicio rápido de palabras clave personalizadas en la documentación de Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn).
+
+## Convertir voz a texto
+
+![Logotipo de servicios de voz](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.es.png)
+
+Al igual que con la clasificación de imágenes en un proyecto anterior, existen servicios de IA preconstruidos que pueden tomar voz como archivo de audio y convertirla en texto. Uno de estos servicios es el Servicio de Voz, parte de los Servicios Cognitivos, servicios de IA preconstruidos que puedes usar en tus aplicaciones.
+
+### Tarea - configurar un recurso de IA de voz
+
+1. Crea un Grupo de Recursos para este proyecto llamado `smart-timer`.
+
+1. Usa el siguiente comando para crear un recurso de voz gratuito:
+
+    ```sh
+    az cognitiveservices account create --name smart-timer \
+                                        --resource-group smart-timer \
+                                        --kind SpeechServices \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Sustituye `<location>` por la ubicación que utilizaste al crear el Grupo de Recursos.
+
+1. Necesitarás una clave de API para acceder al recurso de voz desde tu código. Ejecuta el siguiente comando para obtener la clave:
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    Copia una de las claves.
+
+### Tarea - convertir voz a texto
+
+Sigue la guía correspondiente para convertir voz a texto en tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-speech-to-text.md)
+* [Computadora de placa única - Raspberry Pi](pi-speech-to-text.md)
+* [Computadora de placa única - Dispositivo virtual](virtual-device-speech-to-text.md)
+
+---
+
+## 🚀 Desafío
+
+El reconocimiento de voz ha existido durante mucho tiempo y está mejorando continuamente. Investiga las capacidades actuales y compara cómo han evolucionado con el tiempo, incluyendo qué tan precisas son las transcripciones automáticas en comparación con las humanas.
+
+¿Qué crees que depara el futuro para el reconocimiento de voz?
+
+## Cuestionario posterior a la clase
+
+[Cuestionario posterior a la clase](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/42)
+
+## Revisión y autoestudio
+
+* Lee sobre los diferentes tipos de micrófonos y cómo funcionan en el [artículo sobre las diferencias entre micrófonos dinámicos y de condensador en Musician's HQ](https://musicianshq.com/whats-the-difference-between-dynamic-and-condenser-microphones/).
+* Lee más sobre el servicio de voz de los Servicios Cognitivos en la [documentación del servicio de voz en Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/?WT.mc_id=academic-17441-jabenn).
+* Lee sobre la detección de palabras clave en la [documentación de reconocimiento de palabras clave en Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn).
+
+## Asignación
+
+[](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/1-speech-recognition/assignment.md b/translations/es/6-consumer/lessons/1-speech-recognition/assignment.md
new file mode 100644
index 00000000..40f9a55e
--- /dev/null
+++ b/translations/es/6-consumer/lessons/1-speech-recognition/assignment.md
@@ -0,0 +1,20 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5ae7654f519ae831179409dc8e528055",
+  "translation_date": "2025-08-26T15:36:31+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/assignment.md",
+  "language_code": "es"
+}
+-->
+## Instrucciones
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejora |
+| --------- | -------- | -------- | ---------------- |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/es/6-consumer/lessons/1-speech-recognition/pi-audio.md
new file mode 100644
index 00000000..0b416a6e
--- /dev/null
+++ b/translations/es/6-consumer/lessons/1-speech-recognition/pi-audio.md
@@ -0,0 +1,227 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ac0afcfb40cb5970ef4cb74f01c32e9",
+  "translation_date": "2025-08-26T15:33:44+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-audio.md",
+  "language_code": "es"
+}
+-->
+# Capturar audio - Raspberry Pi
+
+En esta parte de la lección, escribirás código para capturar audio en tu Raspberry Pi. La captura de audio será controlada por un botón.
+
+## Hardware
+
+La Raspberry Pi necesita un botón para controlar la captura de audio.
+
+El botón que usarás es un botón Grove. Este es un sensor digital que activa o desactiva una señal. Estos botones pueden configurarse para enviar una señal alta cuando se presionan y baja cuando no, o baja cuando se presionan y alta cuando no.
+
+Si estás utilizando un ReSpeaker 2-Mics Pi HAT como micrófono, no es necesario conectar un botón, ya que este HAT ya tiene uno incorporado. Salta a la siguiente sección.
+
+### Conectar el botón
+
+El botón puede conectarse al Grove Base Hat.
+
+#### Tarea - conectar el botón
+
+![Un botón Grove](../../../../../translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.es.png)
+
+1. Inserta un extremo de un cable Grove en el conector del módulo del botón. Solo encajará de una manera.
+
+1. Con la Raspberry Pi apagada, conecta el otro extremo del cable Grove al conector digital marcado como **D5** en el Grove Base Hat conectado a la Pi. Este conector es el segundo desde la izquierda, en la fila de conectores junto a los pines GPIO.
+
+![El botón Grove conectado al conector D5](../../../../../translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.es.png)
+
+## Capturar audio
+
+Puedes capturar audio desde el micrófono utilizando código en Python.
+
+### Tarea - capturar audio
+
+1. Enciende la Raspberry Pi y espera a que arranque.
+
+1. Abre VS Code, ya sea directamente en la Pi o conectándote mediante la extensión Remote SSH.
+
+1. El paquete PyAudio de Pip tiene funciones para grabar y reproducir audio. Este paquete depende de algunas bibliotecas de audio que deben instalarse primero. Ejecuta los siguientes comandos en el terminal para instalarlas:
+
+    ```sh
+    sudo apt update
+    sudo apt install libportaudio0 libportaudio2 libportaudiocpp0 portaudio19-dev libasound2-plugins --yes 
+    ```
+
+1. Instala el paquete PyAudio de Pip.
+
+    ```sh
+    pip3 install pyaudio
+    ```
+
+1. Crea una nueva carpeta llamada `smart-timer` y añade un archivo llamado `app.py` a esta carpeta.
+
+1. Añade las siguientes importaciones al inicio de este archivo:
+
+    ```python
+    import io
+    import pyaudio
+    import time
+    import wave
+    
+    from grove.factory import Factory
+    ```
+
+    Esto importa el módulo `pyaudio`, algunos módulos estándar de Python para manejar archivos WAV, y el módulo `grove.factory` para importar una `Factory` que crea una clase de botón.
+
+1. Debajo de esto, añade código para crear un botón Grove.
+
+    Si estás utilizando el ReSpeaker 2-Mics Pi HAT, usa el siguiente código:
+
+    ```python
+    # The button on the ReSpeaker 2-Mics Pi HAT
+    button = Factory.getButton("GPIO-LOW", 17)
+    ```
+
+    Esto crea un botón en el puerto **D17**, el puerto al que está conectado el botón en el ReSpeaker 2-Mics Pi HAT. Este botón está configurado para enviar una señal baja cuando se presiona.
+
+    Si no estás utilizando el ReSpeaker 2-Mics Pi HAT y estás usando un botón Grove conectado al Base Hat, usa este código:
+
+    ```python
+    button = Factory.getButton("GPIO-HIGH", 5)
+    ```
+
+    Esto crea un botón en el puerto **D5**, configurado para enviar una señal alta cuando se presiona.
+
+1. Debajo de esto, crea una instancia de la clase PyAudio para manejar el audio:
+
+    ```python
+    audio = pyaudio.PyAudio()
+    ```
+
+1. Declara el número de tarjeta de hardware para el micrófono y el altavoz. Este será el número de la tarjeta que encontraste ejecutando `arecord -l` y `aplay -l` anteriormente en esta lección.
+
+    ```python
+    microphone_card_number = <microphone card number>
+    speaker_card_number = <speaker card number>
+    ```
+
+    Reemplaza `<microphone card number>` con el número de la tarjeta de tu micrófono.
+
+    Reemplaza `<speaker card number>` con el número de la tarjeta de tu altavoz, el mismo número que configuraste en el archivo `alsa.conf`.
+
+1. Debajo de esto, declara la tasa de muestreo que se usará para la captura y reproducción de audio. Es posible que necesites cambiar esto dependiendo del hardware que estés utilizando.
+
+    ```python
+    rate = 48000 #48KHz
+    ```
+
+    Si obtienes errores de tasa de muestreo al ejecutar este código más adelante, cambia este valor a `44100` o `16000`. Cuanto mayor sea el valor, mejor será la calidad del sonido.
+
+1. Debajo de esto, crea una nueva función llamada `capture_audio`. Esta será llamada para capturar audio desde el micrófono:
+
+    ```python
+    def capture_audio():
+    ```
+
+1. Dentro de esta función, añade lo siguiente para capturar el audio:
+
+    ```python
+    stream = audio.open(format = pyaudio.paInt16,
+                        rate = rate,
+                        channels = 1, 
+                        input_device_index = microphone_card_number,
+                        input = True,
+                        frames_per_buffer = 4096)
+
+    frames = []
+
+    while button.is_pressed():
+        frames.append(stream.read(4096))
+
+    stream.stop_stream()
+    stream.close()
+    ```
+
+    Este código abre un flujo de entrada de audio utilizando el objeto PyAudio. Este flujo capturará audio desde el micrófono a 16KHz, capturándolo en búferes de 4096 bytes de tamaño.
+
+    El código luego entra en un bucle mientras el botón Grove está presionado, leyendo estos búferes de 4096 bytes en un array cada vez.
+
+    > 💁 Puedes leer más sobre las opciones que se pasan al método `open` en la [documentación de PyAudio](https://people.csail.mit.edu/hubert/pyaudio/docs/).
+
+    Una vez que se suelta el botón, el flujo se detiene y se cierra.
+
+1. Añade lo siguiente al final de esta función:
+
+    ```python
+    wav_buffer = io.BytesIO()
+    with wave.open(wav_buffer, 'wb') as wavefile:
+        wavefile.setnchannels(1)
+        wavefile.setsampwidth(audio.get_sample_size(pyaudio.paInt16))
+        wavefile.setframerate(rate)
+        wavefile.writeframes(b''.join(frames))
+        wav_buffer.seek(0)
+
+    return wav_buffer
+    ```
+
+    Este código crea un búfer binario y escribe todo el audio capturado en él como un [archivo WAV](https://wikipedia.org/wiki/WAV). Este es un formato estándar para escribir audio sin comprimir en un archivo. Este búfer luego se devuelve.
+
+1. Añade la siguiente función `play_audio` para reproducir el búfer de audio:
+
+    ```python
+    def play_audio(buffer):
+        stream = audio.open(format = pyaudio.paInt16,
+                            rate = rate,
+                            channels = 1,
+                            output_device_index = speaker_card_number,
+                            output = True)
+    
+        with wave.open(buffer, 'rb') as wf:
+            data = wf.readframes(4096)
+    
+            while len(data) > 0:
+                stream.write(data)
+                data = wf.readframes(4096)
+    
+            stream.close()
+    ```
+
+    Esta función abre otro flujo de audio, esta vez para salida, para reproducir el audio. Utiliza la misma configuración que el flujo de entrada. El búfer se abre como un archivo WAV y se escribe en el flujo de salida en fragmentos de 4096 bytes, reproduciendo el audio. Luego, el flujo se cierra.
+
+1. Añade el siguiente código debajo de la función `capture_audio` para entrar en un bucle hasta que se presione el botón. Una vez que se presione el botón, se capturará el audio y luego se reproducirá.
+
+    ```python
+    while True:
+        while not button.is_pressed():
+            time.sleep(.1)
+        
+        buffer = capture_audio()
+        play_audio(buffer)
+    ```
+
+1. Ejecuta el código. Presiona el botón y habla en el micrófono. Suelta el botón cuando termines y escucharás la grabación.
+
+    Es posible que obtengas algunos errores de ALSA cuando se crea la instancia de PyAudio. Esto se debe a la configuración en la Pi para dispositivos de audio que no tienes. Puedes ignorar estos errores.
+
+    ```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
+    ```
+
+    Si obtienes el siguiente error:
+
+    ```output
+    OSError: [Errno -9997] Invalid sample rate
+    ```
+
+    entonces cambia el `rate` a 44100 o 16000.
+
+> 💁 Puedes encontrar este código en la carpeta [code-record/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-record/pi).
+
+😀 ¡Tu programa de grabación de audio fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/es/6-consumer/lessons/1-speech-recognition/pi-microphone.md
new file mode 100644
index 00000000..1c7ae0ec
--- /dev/null
+++ b/translations/es/6-consumer/lessons/1-speech-recognition/pi-microphone.md
@@ -0,0 +1,157 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e45d884493c5222348b43fbc4481b6a",
+  "translation_date": "2025-08-26T15:40:35+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-microphone.md",
+  "language_code": "es"
+}
+-->
+# Configura tu micrófono y altavoces - Raspberry Pi
+
+En esta parte de la lección, agregarás un micrófono y altavoces a tu Raspberry Pi.
+
+## Hardware
+
+La Raspberry Pi necesita un micrófono.
+
+La Pi no tiene un micrófono incorporado, por lo que necesitarás agregar un micrófono externo. Hay varias formas de hacerlo:
+
+* Micrófono USB
+* Auriculares USB
+* Altavoz USB todo en uno
+* Adaptador de audio USB y micrófono con conector de 3.5mm
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
+
+> 💁 No todos los micrófonos Bluetooth son compatibles con la Raspberry Pi, por lo que si tienes un micrófono o auriculares Bluetooth, podrías tener problemas para emparejarlos o capturar audio.
+
+Las Raspberry Pi vienen con un conector de auriculares de 3.5mm. Puedes usarlo para conectar auriculares, un headset o un altavoz. También puedes agregar altavoces utilizando:
+
+* Audio HDMI a través de un monitor o TV
+* Altavoces USB
+* Auriculares USB
+* Altavoz USB todo en uno
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) con un altavoz conectado, ya sea al conector de 3.5mm o al puerto JST
+
+## Conecta y configura el micrófono y los altavoces
+
+El micrófono y los altavoces necesitan ser conectados y configurados.
+
+### Tarea - conectar y configurar el micrófono
+
+1. Conecta el micrófono utilizando el método adecuado. Por ejemplo, conéctalo a uno de los puertos USB.
+
+1. Si estás utilizando el ReSpeaker 2-Mics Pi HAT, puedes quitar el Grove base hat y luego colocar el ReSpeaker hat en su lugar.
+
+    ![Una Raspberry Pi con un ReSpeaker hat](../../../../../translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.es.png)
+
+    Necesitarás un botón Grove más adelante en esta lección, pero uno está integrado en este hat, por lo que el Grove base hat no es necesario.
+
+    Una vez que el hat esté colocado, necesitarás instalar algunos controladores. Consulta las [instrucciones de inicio de Seeed](https://wiki.seeedstudio.com/ReSpeaker_2_Mics_Pi_HAT_Raspberry/#getting-started) para obtener instrucciones sobre la instalación de los controladores.
+
+    > ⚠️ Las instrucciones utilizan `git` para clonar un repositorio. Si no tienes `git` instalado en tu Pi, puedes instalarlo ejecutando el siguiente comando:
+    >
+    > ```sh
+    > sudo apt install git --yes
+    > ```
+
+1. Ejecuta el siguiente comando en tu Terminal, ya sea en la Pi o conectado mediante VS Code y una sesión SSH remota, para ver información sobre el micrófono conectado:
+
+    ```sh
+    arecord -l
+    ```
+
+    Verás una lista de micrófonos conectados. Será algo como lo siguiente:
+
+    ```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
+    ```
+
+    Suponiendo que solo tienes un micrófono, deberías ver solo una entrada. La configuración de micrófonos puede ser complicada en Linux, por lo que es más fácil usar solo un micrófono y desconectar cualquier otro.
+
+    Anota el número de tarjeta, ya que lo necesitarás más adelante. En el ejemplo anterior, el número de tarjeta es 1.
+
+### Tarea - conectar y configurar el altavoz
+
+1. Conecta los altavoces utilizando el método adecuado.
+
+1. Ejecuta el siguiente comando en tu Terminal, ya sea en la Pi o conectado mediante VS Code y una sesión SSH remota, para ver información sobre los altavoces conectados:
+
+    ```sh
+    aplay -l
+    ```
+
+    Verás una lista de altavoces conectados. Será algo como lo siguiente:
+
+    ```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
+    ```
+
+    Siempre verás `card 0: Headphones`, ya que este es el conector de auriculares incorporado. Si has agregado altavoces adicionales, como un altavoz USB, también aparecerán en la lista.
+
+1. Si estás utilizando un altavoz adicional y no un altavoz o auriculares conectados al conector de auriculares incorporado, necesitas configurarlo como predeterminado. Para hacerlo, ejecuta el siguiente comando:
+
+    ```sh
+    sudo nano /usr/share/alsa/alsa.conf
+    ```
+
+    Esto abrirá un archivo de configuración en `nano`, un editor de texto basado en terminal. Desplázate hacia abajo utilizando las teclas de flecha en tu teclado hasta que encuentres la siguiente línea:
+
+    ```output
+    defaults.pcm.card 0
+    ```
+
+    Cambia el valor de `0` al número de tarjeta de la tarjeta que deseas usar de la lista que obtuviste con la llamada a `aplay -l`. Por ejemplo, en el ejemplo anterior hay una segunda tarjeta de sonido llamada `card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]`, utilizando la tarjeta 1. Para usar esta, actualizaría la línea a:
+
+    ```output
+    defaults.pcm.card 1
+    ```
+
+    Establece este valor al número de tarjeta correspondiente. Puedes navegar hasta el número utilizando las teclas de flecha en tu teclado, luego eliminar y escribir el nuevo número como lo harías normalmente al editar archivos de texto.
+
+1. Guarda los cambios y cierra el archivo presionando `Ctrl+x`. Presiona `y` para guardar el archivo y luego `return` para seleccionar el nombre del archivo.
+
+### Tarea - probar el micrófono y el altavoz
+
+1. Ejecuta el siguiente comando para grabar 5 segundos de audio a través del micrófono:
+
+    ```sh
+    arecord --format=S16_LE --duration=5 --rate=16000 --file-type=wav out.wav
+    ```
+
+    Mientras este comando esté ejecutándose, haz ruido en el micrófono, como hablar, cantar, hacer beatboxing, tocar un instrumento o lo que prefieras.
+
+1. Después de 5 segundos, la grabación se detendrá. Ejecuta el siguiente comando para reproducir el audio:
+
+    ```sh
+    aplay --format=S16_LE --rate=16000 out.wav
+    ```
+
+    Escucharás el audio reproducido a través de los altavoces. Ajusta el volumen de salida en tu altavoz según sea necesario.
+
+1. Si necesitas ajustar el volumen del puerto de micrófono incorporado o ajustar la ganancia del micrófono, puedes usar la utilidad `alsamixer`. Puedes leer más sobre esta utilidad en la [página man de alsamixer de Linux](https://linux.die.net/man/1/alsamixer).
+
+1. Si obtienes errores al reproducir el audio, verifica la tarjeta que configuraste como `defaults.pcm.card` en el archivo `alsa.conf`.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md b/translations/es/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
new file mode 100644
index 00000000..cde39985
--- /dev/null
+++ b/translations/es/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "af249a24d4fe4f4de4806adbc3bc9d86",
+  "translation_date": "2025-08-26T15:41:54+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md",
+  "language_code": "es"
+}
+-->
+# De voz a texto - Raspberry Pi
+
+En esta parte de la lección, escribirás código para convertir el habla del audio capturado en texto utilizando el servicio de voz.
+
+## Envía el audio al servicio de voz
+
+El audio puede enviarse al servicio de voz utilizando la API REST. Para usar el servicio de voz, primero necesitas solicitar un token de acceso y luego usar ese token para acceder a la API REST. Estos tokens de acceso expiran después de 10 minutos, por lo que tu código debe solicitarlos regularmente para asegurarse de que siempre estén actualizados.
+
+### Tarea - obtener un token de acceso
+
+1. Abre el proyecto `smart-timer` en tu Raspberry Pi.
+
+1. Elimina la función `play_audio`. Ya no es necesaria, ya que no quieres que el temporizador inteligente repita lo que dijiste.
+
+1. Agrega la siguiente importación al inicio del archivo `app.py`:
+
+    ```python
+    import requests
+    ```
+
+1. Añade el siguiente código encima del bucle `while True` para declarar algunas configuraciones para el servicio de voz:
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+    ```
+
+    Sustituye `<key>` con la clave API de tu recurso del servicio de voz. Sustituye `<location>` con la ubicación que usaste al crear el recurso del servicio de voz.
+
+    Sustituye `<language>` con el nombre de la configuración regional del idioma en el que hablarás, por ejemplo, `en-GB` para inglés o `zn-HK` para cantonés. Puedes encontrar una lista de los idiomas admitidos y sus nombres de configuración regional en la [documentación de soporte de idiomas y voces en Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+1. Debajo de esto, agrega la siguiente función para obtener un token de acceso:
+
+    ```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)
+    ```
+
+    Esto llama a un endpoint de emisión de tokens, pasando la clave API como un encabezado. Esta llamada devuelve un token de acceso que puede usarse para llamar a los servicios de voz.
+
+1. Debajo de esto, declara una función para convertir el habla del audio capturado en texto utilizando la API REST:
+
+    ```python
+    def convert_speech_to_text(buffer):
+    ```
+
+1. Dentro de esta función, configura la URL de la API REST y los encabezados:
+
+    ```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
+    }
+    ```
+
+    Esto construye una URL utilizando la ubicación del recurso del servicio de voz. Luego, llena los encabezados con el token de acceso de la función `get_access_token`, así como la frecuencia de muestreo utilizada para capturar el audio. Finalmente, define algunos parámetros que se pasarán con la URL, incluyendo el idioma del audio.
+
+1. Debajo de esto, agrega el siguiente código para llamar a la API REST y obtener el texto:
+
+    ```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 ''
+    ```
+
+    Esto llama a la URL y decodifica el valor JSON que viene en la respuesta. El valor `RecognitionStatus` en la respuesta indica si la llamada pudo extraer con éxito el habla en texto, y si este es `Success`, entonces el texto se devuelve desde la función; de lo contrario, se devuelve una cadena vacía.
+
+1. Encima del bucle `while True:`, define una función para procesar el texto devuelto por el servicio de voz a texto. Por ahora, esta función solo imprimirá el texto en la consola.
+
+    ```python
+    def process_text(text):
+        print(text)
+    ```
+
+1. Finalmente, reemplaza la llamada a `play_audio` en el bucle `while True` con una llamada a la función `convert_speech_to_text`, pasando el texto a la función `process_text`:
+
+    ```python
+    text = convert_speech_to_text(buffer)
+    process_text(text)
+    ```
+
+1. Ejecuta el código. Presiona el botón y habla al micrófono. Suelta el botón cuando termines, y el audio se convertirá en texto y se imprimirá en la consola.
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    Prueba diferentes tipos de oraciones, junto con oraciones donde las palabras suenen igual pero tengan significados diferentes. Por ejemplo, si estás hablando en inglés, di "I want to buy two bananas and an apple too" y observa cómo utiliza correctamente "to", "two" y "too" según el contexto de la palabra, no solo por su sonido.
+
+> 💁 Puedes encontrar este código en la carpeta [code-speech-to-text/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/pi).
+
+😀 ¡Tu programa de voz a texto fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md b/translations/es/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
new file mode 100644
index 00000000..7b5ea28a
--- /dev/null
+++ b/translations/es/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
@@ -0,0 +1,17 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e4f2925acb211765889c3b51b9116ceb",
+  "translation_date": "2025-08-26T15:42:15+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-audio.md",
+  "language_code": "es"
+}
+-->
+# Capturar audio - Dispositivo IoT virtual
+
+Las bibliotecas de Python que usarás más adelante en esta lección para convertir voz a texto tienen captura de audio integrada en Windows, macOS y Linux. No necesitas hacer nada aquí.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md b/translations/es/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
new file mode 100644
index 00000000..e544522c
--- /dev/null
+++ b/translations/es/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7a65ee743f916276a2848b8a9491feb7",
+  "translation_date": "2025-08-26T15:42:26+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md",
+  "language_code": "es"
+}
+-->
+# Configura tu micrófono y altavoces - Hardware IoT Virtual
+
+El hardware IoT virtual utilizará un micrófono y altavoces conectados a tu computadora.
+
+Si tu computadora no tiene un micrófono y altavoces integrados, necesitarás conectar estos dispositivos utilizando el hardware de tu elección, como por ejemplo:
+
+* Micrófono USB  
+* Altavoces USB  
+* Altavoces integrados en tu monitor y conectados mediante HDMI  
+* Auriculares Bluetooth  
+
+Consulta las instrucciones del fabricante de tu hardware para instalar y configurar estos dispositivos.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md b/translations/es/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
new file mode 100644
index 00000000..e1d6b68d
--- /dev/null
+++ b/translations/es/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
@@ -0,0 +1,113 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c0550b254b9ba2539baf1e6bb5fc05f8",
+  "translation_date": "2025-08-26T15:36:50+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md",
+  "language_code": "es"
+}
+-->
+# Conversión de voz a texto - Dispositivo IoT virtual
+
+En esta parte de la lección, escribirás código para convertir el habla capturada desde tu micrófono en texto utilizando el servicio de voz.
+
+## Convertir voz a texto
+
+En Windows, Linux y macOS, el SDK de Python para los servicios de voz puede usarse para escuchar tu micrófono y convertir cualquier habla detectada en texto. Escuchará de forma continua, detectando los niveles de audio y enviando el habla para su conversión a texto cuando el nivel de audio disminuya, como al final de un bloque de habla.
+
+### Tarea - convertir voz a texto
+
+1. Crea una nueva aplicación de Python en tu computadora en una carpeta llamada `smart-timer` con un único archivo llamado `app.py` y un entorno virtual de Python.
+
+1. Instala el paquete Pip para los servicios de voz. Asegúrate de instalarlo desde una terminal con el entorno virtual activado.
+
+    ```sh
+    pip install azure-cognitiveservices-speech
+    ```
+
+    > ⚠️ Si obtienes el siguiente error:
+    >
+    > ```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
+    > ```
+    >
+    > Necesitarás actualizar Pip. Hazlo con el siguiente comando y luego intenta instalar el paquete nuevamente:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. Agrega las siguientes importaciones al archivo `app.py`:
+
+    ```python
+    import requests
+    import time
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer
+    ```
+
+    Esto importa algunas clases utilizadas para reconocer voz.
+
+1. Agrega el siguiente código para declarar algunas configuraciones:
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+
+    recognizer_config = SpeechConfig(subscription=speech_api_key,
+                                     region=location,
+                                     speech_recognition_language=language)
+    ```
+
+    Sustituye `<key>` con la clave API de tu servicio de voz. Sustituye `<location>` con la ubicación que usaste al crear el recurso del servicio de voz.
+
+    Sustituye `<language>` con el nombre de la configuración regional del idioma en el que hablarás, por ejemplo, `en-GB` para inglés o `zn-HK` para cantonés. Puedes encontrar una lista de los idiomas admitidos y sus nombres de configuración regional en la [documentación de soporte de idiomas y voces en Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    Esta configuración se utiliza para crear un objeto `SpeechConfig` que configurará los servicios de voz.
+
+1. Agrega el siguiente código para crear un reconocedor de voz:
+
+    ```python
+    recognizer = SpeechRecognizer(speech_config=recognizer_config)
+    ```
+
+1. El reconocedor de voz se ejecuta en un hilo en segundo plano, escuchando el audio y convirtiendo cualquier habla en texto. Puedes obtener el texto utilizando una función de callback: una función que defines y pasas al reconocedor. Cada vez que se detecta habla, se llama al callback. Agrega el siguiente código para definir un callback y pásalo al reconocedor, además de definir una función para procesar el texto, escribiéndolo en la consola:
+
+    ```python
+    def process_text(text):
+        print(text)
+
+    def recognized(args):
+        process_text(args.result.text)
+    
+    recognizer.recognized.connect(recognized)
+    ```
+
+1. El reconocedor solo comienza a escuchar cuando lo inicias explícitamente. Agrega el siguiente código para iniciar el reconocimiento. Esto se ejecuta en segundo plano, por lo que tu aplicación también necesitará un bucle infinito que duerma para mantener la aplicación en ejecución.
+
+    ```python
+    recognizer.start_continuous_recognition()
+
+    while True:
+        time.sleep(1)
+    ```
+
+1. Ejecuta esta aplicación. Habla en tu micrófono y el audio convertido a texto se mostrará en la consola.
+
+    ```output
+    (.venv) ➜  smart-timer python3 app.py
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    Prueba diferentes tipos de oraciones, junto con oraciones donde las palabras suenen igual pero tengan significados diferentes. Por ejemplo, si estás hablando en inglés, di "I want to buy two bananas and an apple too" y observa cómo utiliza correctamente "to", "two" y "too" según el contexto de la palabra, no solo su sonido.
+
+> 💁 Puedes encontrar este código en la carpeta [code-speech-to-text/virtual-iot-device](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/virtual-iot-device).
+
+😀 ¡Tu programa de conversión de voz a texto fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/es/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
new file mode 100644
index 00000000..6a31eba2
--- /dev/null
+++ b/translations/es/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
@@ -0,0 +1,548 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2f336726b9410e97c3aaed76cc89b0d8",
+  "translation_date": "2025-08-26T15:37:52+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md",
+  "language_code": "es"
+}
+-->
+# Capturar audio - Wio Terminal
+
+En esta parte de la lección, escribirás código para capturar audio en tu Wio Terminal. La captura de audio será controlada por uno de los botones en la parte superior del Wio Terminal.
+
+## Programar el dispositivo para capturar audio
+
+Puedes capturar audio desde el micrófono utilizando código en C++. El Wio Terminal solo tiene 192KB de RAM, lo que no es suficiente para capturar más de un par de segundos de audio. Sin embargo, cuenta con 4MB de memoria flash, que se puede usar para guardar el audio capturado.
+
+El micrófono integrado captura una señal analógica, que se convierte en una señal digital que el Wio Terminal puede procesar. Al capturar audio, los datos deben ser capturados en el momento correcto; por ejemplo, para capturar audio a 16KHz, los datos deben ser capturados exactamente 16,000 veces por segundo, con intervalos iguales entre cada muestra. En lugar de usar tu código para hacer esto, puedes utilizar el controlador de acceso directo a memoria (DMAC). Este es un circuito que puede capturar una señal y escribirla en la memoria sin interrumpir el código que se está ejecutando en el procesador.
+
+✅ Lee más sobre DMA en la [página de acceso directo a memoria en Wikipedia](https://wikipedia.org/wiki/Direct_memory_access).
+
+![El audio del micrófono pasa a un ADC y luego al DMAC. Este escribe en un búfer. Cuando este búfer está lleno, se procesa y el DMAC escribe en un segundo búfer](../../../../../translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.es.png)
+
+El DMAC puede capturar audio desde el ADC en intervalos fijos, como 16,000 veces por segundo para audio a 16KHz. Puede escribir estos datos capturados en un búfer de memoria preasignado, y cuando este se llena, lo pone a disposición de tu código para procesarlo. Usar esta memoria puede retrasar la captura de audio, pero puedes configurar múltiples búferes. El DMAC escribe en el búfer 1, y cuando este se llena, notifica a tu código para procesarlo mientras el DMAC escribe en el búfer 2. Cuando el búfer 2 se llena, notifica a tu código y vuelve a escribir en el búfer 1. De esta manera, mientras proceses cada búfer en menos tiempo del que toma llenarlo, no perderás datos.
+
+Una vez que cada búfer ha sido capturado, puede escribirse en la memoria flash. La memoria flash necesita ser escrita utilizando direcciones definidas, especificando dónde escribir y cuánto escribir, similar a actualizar un arreglo de bytes en memoria. La memoria flash tiene granularidad, lo que significa que las operaciones de borrado y escritura dependen no solo de ser de un tamaño fijo, sino de alinearse a ese tamaño. Por ejemplo, si la granularidad es de 4096 bytes y solicitas un borrado en la dirección 4200, podría borrar todos los datos desde la dirección 4096 hasta la 8192. Esto significa que al escribir los datos de audio en la memoria flash, deben ser en bloques del tamaño correcto.
+
+### Tarea - configurar la memoria flash
+
+1. Crea un nuevo proyecto de Wio Terminal utilizando PlatformIO. Llama a este proyecto `smart-timer`. Agrega código en la función `setup` para configurar el puerto serial.
+
+1. Agrega las siguientes dependencias de biblioteca al archivo `platformio.ini` para proporcionar acceso a la memoria flash:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Seeed Arduino FS @ 2.1.1
+        seeed-studio/Seeed Arduino SFUD @ 2.0.2
+    ```
+
+1. Abre el archivo `main.cpp` y agrega la siguiente directiva de inclusión para la biblioteca de memoria flash en la parte superior del archivo:
+
+    ```cpp
+    #include <sfud.h>
+    #include <SPI.h>
+    ```
+
+    > 🎓 SFUD significa Serial Flash Universal Driver, y es una biblioteca diseñada para trabajar con todos los chips de memoria flash.
+
+1. En la función `setup`, agrega el siguiente código para configurar la biblioteca de almacenamiento flash:
+
+    ```cpp
+    while (!(sfud_init() == SFUD_SUCCESS))
+        ;
+
+    sfud_qspi_fast_read_enable(sfud_get_device(SFUD_W25Q32_DEVICE_INDEX), 2);
+    ```
+
+    Esto se ejecuta en un bucle hasta que la biblioteca SFUD se inicializa, luego activa las lecturas rápidas. La memoria flash integrada puede ser accedida utilizando una Interfaz Serial Periférica en Cola (QSPI), un tipo de controlador SPI que permite acceso continuo a través de una cola con un uso mínimo del procesador. Esto hace que sea más rápido leer y escribir en la memoria flash.
+
+1. Crea un nuevo archivo en la carpeta `src` llamado `flash_writer.h`.
+
+1. Agrega lo siguiente en la parte superior de este archivo:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+    #include <sfud.h>
+    ```
+
+    Esto incluye algunos archivos de cabecera necesarios, incluyendo el archivo de cabecera para la biblioteca SFUD para interactuar con la memoria flash.
+
+1. Define una clase en este nuevo archivo de cabecera llamada `FlashWriter`:
+
+    ```cpp
+    class FlashWriter
+    {
+    public:
+    
+    private:
+    };
+    ```
+
+1. En la sección `private`, agrega el siguiente código:
+
+    ```cpp
+    byte *_sfudBuffer;
+    size_t _sfudBufferSize;
+    size_t _sfudBufferPos;
+    size_t _sfudBufferWritePos;
+
+    const sfud_flash *_flash;
+    ```
+
+    Esto define algunos campos para el búfer que se usará para almacenar datos antes de escribirlos en la memoria flash. Hay un arreglo de bytes, `_sfudBuffer`, para escribir datos, y cuando este se llena, los datos se escriben en la memoria flash. El campo `_sfudBufferPos` almacena la ubicación actual para escribir en este búfer, y `_sfudBufferWritePos` almacena la ubicación en la memoria flash para escribir. `_flash` es un puntero a la memoria flash donde se escribirá; algunos microcontroladores tienen múltiples chips de memoria flash.
+
+1. Agrega el siguiente método a la sección `public` para inicializar esta clase:
+
+    ```cpp
+    void init()
+    {
+        _flash = sfud_get_device_table() + 0;
+        _sfudBufferSize = _flash->chip.erase_gran;
+        _sfudBuffer = new byte[_sfudBufferSize];
+        _sfudBufferPos = 0;
+        _sfudBufferWritePos = 0;
+    }
+    ```
+
+    Esto configura la memoria flash en el Wio Terminal para escribir, y establece los búferes basándose en el tamaño de grano de la memoria flash. Esto está en un método `init`, en lugar de un constructor, ya que necesita ser llamado después de que la memoria flash haya sido configurada en la función `setup`.
+
+1. Agrega el siguiente código a la sección `public`:
+
+    ```cpp
+    void writeSfudBuffer(byte b)
+    {
+        _sfudBuffer[_sfudBufferPos++] = b;
+        if (_sfudBufferPos == _sfudBufferSize)
+        {
+            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
+            _sfudBufferWritePos += _sfudBufferSize;
+            _sfudBufferPos = 0;
+        }
+    }
+
+    void writeSfudBuffer(byte *b, size_t len)
+    {
+        for (size_t i = 0; i < len; ++i)
+        {
+            writeSfudBuffer(b[i]);
+        }
+    }
+
+    void flushSfudBuffer()
+    {
+        if (_sfudBufferPos > 0)
+        {
+            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
+            _sfudBufferWritePos += _sfudBufferSize;
+            _sfudBufferPos = 0;
+        }
+    }
+    ```
+
+    Este código define métodos para escribir bytes en el sistema de almacenamiento flash. Funciona escribiendo en un búfer en memoria que tiene el tamaño correcto para la memoria flash, y cuando este se llena, se escribe en la memoria flash, borrando cualquier dato existente en esa ubicación. También hay un método `flushSfudBuffer` para escribir un búfer incompleto, ya que los datos capturados no serán múltiplos exactos del tamaño de grano, por lo que la parte final de los datos necesita ser escrita.
+
+    > 💁 La parte final de los datos escribirá datos adicionales no deseados, pero esto está bien ya que solo se leerán los datos necesarios.
+
+### Tarea - configurar la captura de audio
+
+1. Crea un nuevo archivo en la carpeta `src` llamado `config.h`.
+
+1. Agrega lo siguiente en la parte superior de este archivo:
+
+    ```cpp
+    #pragma once
+
+    #define RATE 16000
+    #define SAMPLE_LENGTH_SECONDS 4
+    #define SAMPLES RATE * SAMPLE_LENGTH_SECONDS
+    #define BUFFER_SIZE (SAMPLES * 2) + 44
+    #define ADC_BUF_LEN 1600
+    ```
+
+    Este código configura algunas constantes para la captura de audio.
+
+    | Constante             | Valor  | Descripción |
+    | --------------------- | -----: | - |
+    | RATE                  | 16000  | La tasa de muestreo para el audio. 16,000 es 16KHz |
+    | SAMPLE_LENGTH_SECONDS | 4      | La duración del audio a capturar. Esto está configurado a 4 segundos. Para grabar audio más largo, aumenta este valor. |
+    | SAMPLES               | 64000  | El número total de muestras de audio que se capturarán. Configurado como la tasa de muestreo * el número de segundos |
+    | BUFFER_SIZE           | 128044 | El tamaño del búfer de audio a capturar. El audio se capturará como un archivo WAV, que tiene 44 bytes de cabecera, luego 128,000 bytes de datos de audio (cada muestra tiene 2 bytes) |
+    | ADC_BUF_LEN           | 1600   | El tamaño de los búferes para capturar audio desde el DMAC |
+
+    > 💁 Si encuentras que 4 segundos son muy cortos para solicitar un temporizador, puedes aumentar el valor de `SAMPLE_LENGTH_SECONDS`, y todos los demás valores se recalcularán.
+
+1. Crea un nuevo archivo en la carpeta `src` llamado `mic.h`.
+
+1. Agrega lo siguiente en la parte superior de este archivo:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+
+    #include "config.h"
+    #include "flash_writer.h"
+    ```
+
+    Esto incluye algunos archivos de cabecera necesarios, incluyendo los archivos `config.h` y `FlashWriter`.
+
+1. Agrega lo siguiente para definir una clase `Mic` que pueda capturar desde el micrófono:
+
+    ```cpp
+    class Mic
+    {
+    public:
+        Mic()
+        {
+            _isRecording = false;
+            _isRecordingReady = false;
+        }
+    
+        void startRecording()
+        {
+            _isRecording = true;
+            _isRecordingReady = false;
+        }
+    
+        bool isRecording()
+        {
+            return _isRecording;
+        }
+    
+        bool isRecordingReady()
+        {
+            return _isRecordingReady;
+        }
+    
+    private:
+        volatile bool _isRecording;
+        volatile bool _isRecordingReady;
+        FlashWriter _writer;
+    };
+    
+    Mic mic;
+    ```
+
+    Esta clase actualmente solo tiene un par de campos para rastrear si la grabación ha comenzado y si una grabación está lista para ser utilizada. Cuando el DMAC está configurado, escribe continuamente en los búferes de memoria, por lo que el indicador `_isRecording` determina si estos deben ser procesados o ignorados. El indicador `_isRecordingReady` se establecerá cuando se hayan capturado los 4 segundos de audio requeridos. El campo `_writer` se utiliza para guardar los datos de audio en la memoria flash.
+
+    Luego se declara una variable global para una instancia de la clase `Mic`.
+
+1. Agrega el siguiente código a la sección `private` de la clase `Mic`:
+
+    ```cpp
+    typedef struct
+    {
+        uint16_t btctrl;
+        uint16_t btcnt;
+        uint32_t srcaddr;
+        uint32_t dstaddr;
+        uint32_t descaddr;
+    } dmacdescriptor;
+
+    // Globals - DMA and ADC
+    volatile dmacdescriptor _wrb[DMAC_CH_NUM] __attribute__((aligned(16)));
+    dmacdescriptor _descriptor_section[DMAC_CH_NUM] __attribute__((aligned(16)));
+    dmacdescriptor _descriptor __attribute__((aligned(16)));
+
+    void configureDmaAdc()
+    {
+        // Configure DMA to sample from ADC at a regular interval (triggered by timer/counter)
+        DMAC->BASEADDR.reg = (uint32_t)_descriptor_section;                    // Specify the location of the descriptors
+        DMAC->WRBADDR.reg = (uint32_t)_wrb;                                    // Specify the location of the write back descriptors
+        DMAC->CTRL.reg = DMAC_CTRL_DMAENABLE | DMAC_CTRL_LVLEN(0xf);           // Enable the DMAC peripheral
+        DMAC->Channel[1].CHCTRLA.reg = DMAC_CHCTRLA_TRIGSRC(TC5_DMAC_ID_OVF) | // Set DMAC to trigger on TC5 timer overflow
+                                        DMAC_CHCTRLA_TRIGACT_BURST;             // DMAC burst transfer
+
+        _descriptor.descaddr = (uint32_t)&_descriptor_section[1];                    // Set up a circular descriptor
+        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
+        _descriptor.dstaddr = (uint32_t)_adc_buf_0 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_0 array
+        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
+        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
+                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
+                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
+                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
+        memcpy(&_descriptor_section[0], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
+
+        _descriptor.descaddr = (uint32_t)&_descriptor_section[0];                    // Set up a circular descriptor
+        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
+        _descriptor.dstaddr = (uint32_t)_adc_buf_1 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_1 array
+        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
+        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
+                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
+                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
+                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
+        memcpy(&_descriptor_section[1], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
+
+        // Configure NVIC
+        NVIC_SetPriority(DMAC_1_IRQn, 0); // Set the Nested Vector Interrupt Controller (NVIC) priority for DMAC1 to 0 (highest)
+        NVIC_EnableIRQ(DMAC_1_IRQn);      // Connect DMAC1 to Nested Vector Interrupt Controller (NVIC)
+
+        // Activate the suspend (SUSP) interrupt on DMAC channel 1
+        DMAC->Channel[1].CHINTENSET.reg = DMAC_CHINTENSET_SUSP;
+
+        // Configure ADC
+        ADC1->INPUTCTRL.bit.MUXPOS = ADC_INPUTCTRL_MUXPOS_AIN12_Val; // Set the analog input to ADC0/AIN2 (PB08 - A4 on Metro M4)
+        while (ADC1->SYNCBUSY.bit.INPUTCTRL)
+            ;                              // Wait for synchronization
+        ADC1->SAMPCTRL.bit.SAMPLEN = 0x00; // Set max Sampling Time Length to half divided ADC clock pulse (2.66us)
+        while (ADC1->SYNCBUSY.bit.SAMPCTRL)
+            ;                                         // Wait for synchronization
+        ADC1->CTRLA.reg = ADC_CTRLA_PRESCALER_DIV128; // Divide Clock ADC GCLK by 128 (48MHz/128 = 375kHz)
+        ADC1->CTRLB.reg = ADC_CTRLB_RESSEL_12BIT |    // Set ADC resolution to 12 bits
+                            ADC_CTRLB_FREERUN;          // Set ADC to free run mode
+        while (ADC1->SYNCBUSY.bit.CTRLB)
+            ;                       // Wait for synchronization
+        ADC1->CTRLA.bit.ENABLE = 1; // Enable the ADC
+        while (ADC1->SYNCBUSY.bit.ENABLE)
+            ;                       // Wait for synchronization
+        ADC1->SWTRIG.bit.START = 1; // Initiate a software trigger to start an ADC conversion
+        while (ADC1->SYNCBUSY.bit.SWTRIG)
+            ; // Wait for synchronization
+
+        // Enable DMA channel 1
+        DMAC->Channel[1].CHCTRLA.bit.ENABLE = 1;
+
+        // Configure Timer/Counter 5
+        GCLK->PCHCTRL[TC5_GCLK_ID].reg = GCLK_PCHCTRL_CHEN |     // Enable peripheral channel for TC5
+                                            GCLK_PCHCTRL_GEN_GCLK1; // Connect generic clock 0 at 48MHz
+
+        TC5->COUNT16.WAVE.reg = TC_WAVE_WAVEGEN_MFRQ; // Set TC5 to Match Frequency (MFRQ) mode
+        TC5->COUNT16.CC[0].reg = 3000 - 1;            // Set the trigger to 16 kHz: (4Mhz / 16000) - 1
+        while (TC5->COUNT16.SYNCBUSY.bit.CC0)
+            ; // Wait for synchronization
+
+        // Start Timer/Counter 5
+        TC5->COUNT16.CTRLA.bit.ENABLE = 1; // Enable the TC5 timer
+        while (TC5->COUNT16.SYNCBUSY.bit.ENABLE)
+            ; // Wait for synchronization
+    }
+
+    uint16_t _adc_buf_0[ADC_BUF_LEN];
+    uint16_t _adc_buf_1[ADC_BUF_LEN];
+    ```
+
+    Este código define un método `configureDmaAdc` que configura el DMAC, conectándolo al ADC y configurándolo para llenar dos búferes alternos, `_adc_buf_0` y `_adc_buf_1`.
+
+    > 💁 Una de las desventajas del desarrollo en microcontroladores es la complejidad del código necesario para interactuar con el hardware, ya que tu código opera a un nivel muy bajo interactuando directamente con el hardware. Este código es más complejo que el que escribirías para una computadora de placa única o una computadora de escritorio, ya que no hay un sistema operativo que ayude. Existen algunas bibliotecas disponibles que pueden simplificar esto, pero aún hay mucha complejidad.
+
+1. A continuación, agrega el siguiente código:
+
+    ```cpp
+    // WAV files have a header. This struct defines that header
+    struct wavFileHeader
+    {
+        char riff[4];         /* "RIFF"                                  */
+        long flength;         /* file length in bytes                    */
+        char wave[4];         /* "WAVE"                                  */
+        char fmt[4];          /* "fmt "                                  */
+        long chunk_size;      /* size of FMT chunk in bytes (usually 16) */
+        short format_tag;     /* 1=PCM, 257=Mu-Law, 258=A-Law, 259=ADPCM */
+        short num_chans;      /* 1=mono, 2=stereo                        */
+        long srate;           /* Sampling rate in samples per second     */
+        long bytes_per_sec;   /* bytes per second = srate*bytes_per_samp */
+        short bytes_per_samp; /* 2=16-bit mono, 4=16-bit stereo          */
+        short bits_per_samp;  /* Number of bits per sample               */
+        char data[4];         /* "data"                                  */
+        long dlength;         /* data length in bytes (filelength - 44)  */
+    };
+
+    void initBufferHeader()
+    {
+        wavFileHeader wavh;
+
+        strncpy(wavh.riff, "RIFF", 4);
+        strncpy(wavh.wave, "WAVE", 4);
+        strncpy(wavh.fmt, "fmt ", 4);
+        strncpy(wavh.data, "data", 4);
+
+        wavh.chunk_size = 16;
+        wavh.format_tag = 1; // PCM
+        wavh.num_chans = 1;  // mono
+        wavh.srate = RATE;
+        wavh.bytes_per_sec = (RATE * 1 * 16 * 1) / 8;
+        wavh.bytes_per_samp = 2;
+        wavh.bits_per_samp = 16;
+        wavh.dlength = RATE * 2 * 1 * 16 / 2;
+        wavh.flength = wavh.dlength + 44;
+
+        _writer.writeSfudBuffer((byte *)&wavh, 44);
+    }
+    ```
+
+    Este código define la cabecera WAV como una estructura que ocupa 44 bytes de memoria. Escribe detalles sobre la tasa de audio, el tamaño y el número de canales. Luego, esta cabecera se escribe en la memoria flash.
+
+1. A continuación, agrega lo siguiente para declarar un método que se llamará cuando los búferes de audio estén listos para ser procesados:
+
+    ```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;
+            }
+        }
+    }
+    ```
+
+    Los búferes de audio son arreglos de enteros de 16 bits que contienen el audio del ADC. El ADC devuelve valores sin signo de 12 bits (0-1023), por lo que estos deben convertirse a valores con signo de 16 bits, y luego convertirse en 2 bytes para ser almacenados como datos binarios sin procesar.
+
+    Estos bytes se escriben en los búferes de memoria flash. La escritura comienza en el índice 44, que es el desplazamiento de los 44 bytes escritos como la cabecera del archivo WAV. Una vez que se hayan capturado todos los bytes necesarios para la duración de audio requerida, los datos restantes se escriben en la memoria flash.
+
+1. En la sección `public` de la clase `Mic`, agrega el siguiente código:
+
+    ```cpp
+    void dmaHandler()
+    {
+        static uint8_t count = 0;
+
+        if (DMAC->Channel[1].CHINTFLAG.bit.SUSP)
+        {
+            DMAC->Channel[1].CHCTRLB.reg = DMAC_CHCTRLB_CMD_RESUME;
+            DMAC->Channel[1].CHINTFLAG.bit.SUSP = 1;
+
+            if (count)
+            {
+                audioCallback(_adc_buf_0, ADC_BUF_LEN);
+            }
+            else
+            {
+                audioCallback(_adc_buf_1, ADC_BUF_LEN);
+            }
+
+            count = (count + 1) % 2;
+        }
+    }
+    ```
+
+    Este código será llamado por el DMAC para indicar a tu código que procese los búferes. Verifica que haya datos para procesar y llama al método `audioCallback` con el búfer correspondiente.
+
+1. Fuera de la clase, después de la declaración `Mic mic;`, agrega el siguiente código:
+
+    ```cpp
+    void DMAC_1_Handler()
+    {
+        mic.dmaHandler();
+    }
+    ```
+
+    El `DMAC_1_Handler` será llamado por el DMAC cuando los búferes estén listos para ser procesados. Esta función se encuentra por nombre, por lo que solo necesita existir para ser llamada.
+
+1. Agrega los siguientes dos métodos a la sección `public` de la clase `Mic`:
+
+    ```cpp
+    void init()
+    {
+        analogReference(AR_INTERNAL2V23);
+
+        _writer.init();
+
+        initBufferHeader();
+        configureDmaAdc();
+    }
+
+    void reset()
+    {
+        _isRecordingReady = false;
+        _isRecording = false;
+
+        _writer.reset();
+
+        initBufferHeader();
+    }
+    ```
+
+    El método `init` contiene el código para inicializar la clase `Mic`. Este método establece el voltaje correcto para el pin del micrófono, configura el escritor de memoria flash, escribe la cabecera del archivo WAV y configura el DMAC. El método `reset` reinicia la memoria flash y vuelve a escribir la cabecera después de que el audio haya sido capturado y utilizado.
+
+### Tarea - capturar audio
+
+1. En el archivo `main.cpp`, agrega una directiva de inclusión para el archivo de cabecera `mic.h`:
+
+    ```cpp
+    #include "mic.h"
+    ```
+
+1. En la función `setup`, inicializa el botón C. La captura de audio comenzará cuando se presione este botón y continuará durante 4 segundos:
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+1. A continuación, inicializa el micrófono y luego imprime en la consola que el audio está listo para ser capturado:
+
+    ```cpp
+    mic.init();
+
+    Serial.println("Ready.");
+    ```
+
+1. Encima de la función `loop`, define una función para procesar el audio capturado. Por ahora, esta no hace nada, pero más adelante en esta lección enviará el audio para convertirlo a texto:
+
+    ```cpp
+    void processAudio()
+    {
+    
+    }
+    ```
+
+1. Agrega lo siguiente a la función `loop`:
+
+    ```cpp
+    void loop()
+    {
+        if (digitalRead(WIO_KEY_C) == LOW && !mic.isRecording())
+        {
+            Serial.println("Starting recording...");
+            mic.startRecording();
+        }
+    
+        if (!mic.isRecording() && mic.isRecordingReady())
+        {
+            Serial.println("Finished recording");
+    
+            processAudio();
+    
+            mic.reset();
+        }
+    }
+    ```
+
+    Este código verifica el botón C, y si este se presiona y la grabación no ha comenzado, entonces el campo `_isRecording` de la clase `Mic` se establece en verdadero. Esto hará que el método `audioCallback` de la clase `Mic` almacene audio hasta que se hayan capturado 4 segundos. Una vez que se hayan capturado 4 segundos de audio, el campo `_isRecording` se establece en falso y el campo `_isRecordingReady` se establece en verdadero. Esto luego se verifica en la función `loop`, y cuando es verdadero, se llama a la función `processAudio`, y luego se reinicia la clase `Mic`.
+
+1. Compila este código, súbelo a tu Wio Terminal y pruébalo a través del monitor serial. Presiona el botón C (el que está en el lado izquierdo, más cercano al interruptor de encendido) y habla. Se capturarán 4 segundos de audio.
+
+    ```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
+    ```
+💁 Puedes encontrar este código en la carpeta [code-record/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-record/wio-terminal).
+😀 ¡Tu programa de grabación de audio fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md b/translations/es/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
new file mode 100644
index 00000000..11e693ce
--- /dev/null
+++ b/translations/es/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
@@ -0,0 +1,89 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "93d352de36526b8990e41dd538100324",
+  "translation_date": "2025-08-26T15:41:15+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md",
+  "language_code": "es"
+}
+-->
+# Configura tu micrófono y altavoces - Wio Terminal
+
+En esta parte de la lección, añadirás altavoces a tu Wio Terminal. El Wio Terminal ya tiene un micrófono incorporado, que puede usarse para capturar voz.
+
+## Hardware
+
+El Wio Terminal ya tiene un micrófono integrado, que puede usarse para capturar audio para el reconocimiento de voz.
+
+![El micrófono en el Wio Terminal](../../../../../translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.es.png)
+
+Para añadir un altavoz, puedes usar el [ReSpeaker 2-Mics Pi Hat](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html). Este es un módulo externo que contiene 2 micrófonos MEMS, además de un conector para altavoz y una entrada para auriculares.
+
+![El ReSpeaker 2-Mics Pi Hat](../../../../../translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.es.png)
+
+Necesitarás añadir auriculares, un altavoz con conector de 3.5mm o un altavoz con conexión JST como el [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html).
+
+Para conectar el ReSpeaker 2-Mics Pi Hat necesitarás cables jumper de 40 pines (también conocidos como macho a macho).
+
+> 💁 Si te sientes cómodo soldando, puedes usar el [40 Pin Raspberry Pi Hat Adapter Board For Wio Terminal](https://www.seeedstudio.com/40-Pin-Raspberry-Pi-Hat-Adapter-Board-For-Wio-Terminal-p-4730.html) para conectar el ReSpeaker.
+
+También necesitarás una tarjeta SD para descargar y reproducir audio. El Wio Terminal solo admite tarjetas SD de hasta 16GB de capacidad, y estas deben estar formateadas en FAT32 o exFAT.
+
+### Tarea - conectar el ReSpeaker Pi Hat
+
+1. Con el Wio Terminal apagado, conecta el ReSpeaker 2-Mics Pi Hat al Wio Terminal usando los cables jumper y los conectores GPIO en la parte trasera del Wio Terminal:
+
+    Los pines deben conectarse de la siguiente manera:
+
+    ![Un diagrama de pines](../../../../../translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.es.png)
+
+1. Coloca el ReSpeaker y el Wio Terminal con los conectores GPIO hacia arriba y en el lado izquierdo.
+
+1. Comienza desde el conector en la esquina superior izquierda del GPIO del ReSpeaker. Conecta un cable jumper desde el conector superior izquierdo del ReSpeaker al conector superior izquierdo del Wio Terminal.
+
+1. Repite este proceso hasta llegar al final de los conectores GPIO en el lado izquierdo. Asegúrate de que los pines estén bien ajustados.
+
+    ![Un ReSpeaker con los pines del lado izquierdo conectados a los pines del lado izquierdo del Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.es.png)
+
+    ![Un ReSpeaker con los pines del lado izquierdo conectados a los pines del lado izquierdo del Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.es.png)
+
+    > 💁 Si tus cables jumper están agrupados en cintas, mantenlos juntos; esto facilita asegurarte de que todos los cables estén conectados en orden.
+
+1. Repite el proceso usando los conectores GPIO del lado derecho en el ReSpeaker y el Wio Terminal. Estos cables deben pasar alrededor de los cables que ya están en su lugar.
+
+    ![Un ReSpeaker con los pines del lado derecho conectados a los pines del lado derecho del Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.es.png)
+
+    ![Un ReSpeaker con los pines del lado derecho conectados a los pines del lado derecho del Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.es.png)
+
+    > 💁 Si tus cables jumper están agrupados en cintas, sepáralos en dos cintas. Pasa una por cada lado de los cables existentes.
+
+    > 💁 Puedes usar cinta adhesiva para mantener los pines en un bloque y evitar que se suelten mientras los conectas.
+    >
+    > ![Los pines fijados con cinta adhesiva](../../../../../translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.es.png)
+
+1. Necesitarás añadir un altavoz.
+
+    * Si estás usando un altavoz con cable JST, conéctalo al puerto JST en el ReSpeaker.
+
+      ![Un altavoz conectado al ReSpeaker con un cable JST](../../../../../translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.es.png)
+
+    * Si estás usando un altavoz con conector de 3.5mm o auriculares, insértalos en la entrada de 3.5mm.
+
+      ![Un altavoz conectado al ReSpeaker a través del conector de 3.5mm](../../../../../translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.es.png)
+
+### Tarea - configurar la tarjeta SD
+
+1. Conecta la tarjeta SD a tu computadora, usando un lector externo si no tienes una ranura para tarjetas SD.
+
+1. Formatea la tarjeta SD usando la herramienta adecuada en tu computadora, asegurándote de usar el sistema de archivos FAT32 o exFAT.
+
+1. Inserta la tarjeta SD en la ranura para tarjetas SD en el lado izquierdo del Wio Terminal, justo debajo del botón de encendido. Asegúrate de que la tarjeta esté completamente insertada y haga clic; es posible que necesites una herramienta delgada u otra tarjeta SD para ayudar a empujarla completamente.
+
+    ![Insertando la tarjeta SD en la ranura debajo del interruptor de encendido](../../../../../translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.es.png)
+
+    > 💁 Para expulsar la tarjeta SD, necesitas presionarla ligeramente y saldrá. Necesitarás una herramienta delgada para hacerlo, como un destornillador plano u otra tarjeta SD.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md b/translations/es/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
new file mode 100644
index 00000000..427bcd2f
--- /dev/null
+++ b/translations/es/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
@@ -0,0 +1,544 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3f92edf2975175577174910caca4a389",
+  "translation_date": "2025-08-26T15:39:23+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md",
+  "language_code": "es"
+}
+-->
+# Conversión de voz a texto - Wio Terminal
+
+En esta parte de la lección, escribirás código para convertir el audio capturado en texto utilizando el servicio de voz.
+
+## Enviar el audio al servicio de voz
+
+El audio puede enviarse al servicio de voz utilizando la API REST. Para usar el servicio de voz, primero necesitas solicitar un token de acceso y luego usar ese token para acceder a la API REST. Estos tokens de acceso expiran después de 10 minutos, por lo que tu código debe solicitarlos regularmente para asegurarse de que siempre estén actualizados.
+
+### Tarea - obtener un token de acceso
+
+1. Abre el proyecto `smart-timer` si no está ya abierto.
+
+1. Agrega las siguientes dependencias de biblioteca al archivo `platformio.ini` para acceder a WiFi y manejar 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. Agrega el siguiente código al archivo de encabezado `config.h`:
+
+    ```cpp
+    const char *SSID = "<SSID>";
+    const char *PASSWORD = "<PASSWORD>";
+    
+    const char *SPEECH_API_KEY = "<API_KEY>";
+    const char *SPEECH_LOCATION = "<LOCATION>";
+    const char *LANGUAGE = "<LANGUAGE>";
+
+    const char *TOKEN_URL = "https://%s.api.cognitive.microsoft.com/sts/v1.0/issuetoken";
+    ```
+
+    Reemplaza `<SSID>` y `<PASSWORD>` con los valores relevantes para tu red WiFi.
+
+    Reemplaza `<API_KEY>` con la clave API de tu recurso del servicio de voz. Reemplaza `<LOCATION>` con la ubicación que usaste al crear el recurso del servicio de voz.
+
+    Reemplaza `<LANGUAGE>` con el nombre de la configuración regional del idioma en el que hablarás, por ejemplo, `en-GB` para inglés o `zn-HK` para cantonés. Puedes encontrar una lista de los idiomas admitidos y sus nombres de configuración regional en la [documentación de soporte de idiomas y voces en Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    La constante `TOKEN_URL` es la URL del emisor del token sin la ubicación. Esto se combinará con la ubicación más adelante para obtener la URL completa.
+
+1. Al igual que al conectarse a Custom Vision, necesitarás usar una conexión HTTPS para conectarte al servicio emisor de tokens. Al final de `config.h`, agrega el siguiente código:
+
+    ```cpp
+    const char *TOKEN_CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
+        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
+        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
+        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
+        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
+        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
+        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
+        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
+        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
+        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
+        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
+        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
+        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
+        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
+        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
+        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+    Este es el mismo certificado que usaste al conectarte a Custom Vision.
+
+1. Agrega una inclusión para el archivo de encabezado WiFi y el archivo de configuración en la parte superior del archivo `main.cpp`:
+
+    ```cpp
+    #include <rpcWiFi.h>
+
+    #include "config.h"
+    ```
+
+1. Agrega código para conectarte a WiFi en `main.cpp` encima de la función `setup`:
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+1. Llama a esta función desde la función `setup` después de que se haya establecido la conexión serial:
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. Crea un nuevo archivo de encabezado en la carpeta `src` llamado `speech_to_text.h`. En este archivo de encabezado, agrega el siguiente código:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClientSecure.h>
+    
+    #include "config.h"
+    #include "mic.h"
+    
+    class SpeechToText
+    {
+    public:
+
+    private:
+
+    };
+
+    SpeechToText speechToText;
+    ```
+
+    Esto incluye algunos archivos de encabezado necesarios para una conexión HTTP, configuración y el archivo de encabezado `mic.h`, y define una clase llamada `SpeechToText`, antes de declarar una instancia de esa clase que se puede usar más adelante.
+
+1. Agrega los siguientes 2 campos a la sección `private` de esta clase:
+
+    ```cpp
+    WiFiClientSecure _token_client;
+    String _access_token;
+    ```
+
+    El `_token_client` es un cliente WiFi que usa HTTPS y se utilizará para obtener el token de acceso. Este token se almacenará luego en `_access_token`.
+
+1. Agrega el siguiente método a la sección `private`:
+
+    ```cpp
+    String getAccessToken()
+    {
+        char url[128];
+        sprintf(url, TOKEN_URL, SPEECH_LOCATION);
+    
+        HTTPClient httpClient;
+        httpClient.begin(_token_client, url);
+    
+        httpClient.addHeader("Ocp-Apim-Subscription-Key", SPEECH_API_KEY);
+        int httpResultCode = httpClient.POST("{}");
+    
+        if (httpResultCode != 200)
+        {
+            Serial.println("Error getting access token, trying again...");
+            delay(10000);
+            return getAccessToken();
+        }
+    
+        Serial.println("Got access token.");
+        String result = httpClient.getString();
+    
+        httpClient.end();
+    
+        return result;
+    }
+    ```
+
+    Este código construye la URL para la API del emisor de tokens utilizando la ubicación del recurso de voz. Luego crea un `HTTPClient` para realizar la solicitud web, configurándolo para usar el cliente WiFi configurado con el certificado del emisor de tokens. Establece la clave API como un encabezado para la llamada. Luego realiza una solicitud POST para obtener el certificado, reintentando si encuentra errores. Finalmente, se devuelve el token de acceso.
+
+1. En la sección `public`, agrega un método para obtener el token de acceso. Esto será necesario en lecciones posteriores para convertir texto a voz.
+
+    ```cpp
+    String AccessToken()
+    {
+        return _access_token;
+    }
+    ```
+
+1. En la sección `public`, agrega un método `init` que configure el cliente de tokens:
+
+    ```cpp
+    void init()
+    {
+        _token_client.setCACert(TOKEN_CERTIFICATE);
+        _access_token = getAccessToken();
+    }
+    ```
+
+    Esto establece el certificado en el cliente WiFi y luego obtiene el token de acceso.
+
+1. En `main.cpp`, agrega este nuevo archivo de encabezado a las directivas de inclusión:
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. Inicializa la clase `SpeechToText` al final de la función `setup`, después de la llamada a `mic.init` pero antes de que se escriba `Ready` en el monitor serial:
+
+    ```cpp
+    speechToText.init();
+    ```
+
+### Tarea - leer audio desde la memoria flash
+
+1. En una parte anterior de esta lección, el audio se grabó en la memoria flash. Este audio deberá enviarse a la API REST del servicio de voz, por lo que debe leerse desde la memoria flash. No puede cargarse en un búfer en memoria ya que sería demasiado grande. La clase `HTTPClient` que realiza las llamadas REST puede transmitir datos utilizando un Stream de Arduino, una clase que puede cargar datos en pequeños fragmentos, enviándolos uno a la vez como parte de la solicitud. Cada vez que llamas a `read` en un stream, devuelve el siguiente bloque de datos. Se puede crear un stream de Arduino que lea desde la memoria flash. Crea un nuevo archivo llamado `flash_stream.h` en la carpeta `src` y agrega el siguiente código:
+
+    ```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:
+    
+    };
+    ```
+
+    Esto declara la clase `FlashStream`, derivada de la clase `Stream` de Arduino. Esta es una clase abstracta: las clases derivadas deben implementar algunos métodos antes de que la clase pueda instanciarse, y estos métodos se definen en esta clase.
+
+    ✅ Lee más sobre Streams de Arduino en la [documentación de Arduino Stream](https://www.arduino.cc/reference/en/language/functions/communication/stream/)
+
+1. Agrega los siguientes campos a la sección `private`:
+
+    ```cpp
+    size_t _pos;
+    size_t _flash_address;
+    const sfud_flash *_flash;
+
+    byte _buffer[HTTP_TCP_BUFFER_SIZE];
+    ```
+
+    Esto define un búfer temporal para almacenar datos leídos desde la memoria flash, junto con campos para almacenar la posición actual al leer desde el búfer, la dirección actual para leer desde la memoria flash y el dispositivo de memoria flash.
+
+1. En la sección `private`, agrega el siguiente método:
+
+    ```cpp
+    void populateBuffer()
+    {
+        sfud_read(_flash, _flash_address, HTTP_TCP_BUFFER_SIZE, _buffer);
+        _flash_address += HTTP_TCP_BUFFER_SIZE;
+        _pos = 0;
+    }
+    ```
+
+    Este código lee desde la memoria flash en la dirección actual y almacena los datos en un búfer. Luego incrementa la dirección, por lo que la siguiente llamada lee el siguiente bloque de memoria. El tamaño del búfer se basa en el fragmento más grande que el `HTTPClient` enviará a la API REST en un momento dado.
+
+    > 💁 Borrar la memoria flash debe hacerse utilizando el tamaño del grano, pero leer no tiene esta restricción.
+
+1. En la sección `public` de esta clase, agrega un constructor:
+
+    ```cpp
+    FlashStream()
+    {
+        _pos = 0;
+        _flash_address = 0;
+        _flash = sfud_get_device_table() + 0;
+        
+        populateBuffer();
+    }
+    ```
+
+    Este constructor configura todos los campos para comenzar a leer desde el inicio del bloque de memoria flash y carga el primer fragmento de datos en el búfer.
+
+1. Implementa el método `write`. Este stream solo leerá datos, por lo que este método no hará nada y devolverá 0:
+
+    ```cpp
+    virtual size_t write(uint8_t val)
+    {
+        return 0;
+    }
+    ```
+
+1. Implementa el método `peek`. Este devuelve los datos en la posición actual sin mover el stream. Llamar a `peek` varias veces siempre devolverá los mismos datos mientras no se lean datos del stream.
+
+    ```cpp
+    virtual int peek()
+    {
+        return _buffer[_pos];
+    }
+    ```
+
+1. Implementa la función `available`. Esta devuelve cuántos bytes pueden leerse del stream o -1 si el stream está completo. Para esta clase, el máximo disponible no será mayor que el tamaño del fragmento del `HTTPClient`. Cuando este stream se usa en el cliente HTTP, llama a esta función para ver cuántos datos están disponibles y luego solicita esa cantidad de datos para enviar a la API REST. No queremos que cada fragmento sea mayor que el tamaño del fragmento del cliente HTTP, por lo que si hay más disponible, se devuelve el tamaño del fragmento. Si hay menos, se devuelve lo que está disponible. Una vez que se han transmitido todos los datos, se devuelve -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. Implementa el método `read` para devolver el siguiente byte del búfer, incrementando la posición. Si la posición excede el tamaño del búfer, se llena el búfer con el siguiente bloque de la memoria flash y se reinicia la posición.
+
+    ```cpp
+    virtual int read()
+    {
+        int retVal = _buffer[_pos++];
+
+        if (_pos == HTTP_TCP_BUFFER_SIZE)
+        {
+            populateBuffer();
+        }
+
+        return retVal;
+    }
+    ```
+
+1. En el archivo de encabezado `speech_to_text.h`, agrega una directiva de inclusión para este nuevo archivo de encabezado:
+
+    ```cpp
+    #include "flash_stream.h"
+    ```
+
+### Tarea - convertir la voz a texto
+
+1. La voz puede convertirse en texto enviando el audio al servicio de voz a través de una API REST. Esta API REST tiene un certificado diferente al del emisor de tokens, por lo que agrega el siguiente código al archivo de encabezado `config.h` para definir este certificado:
+
+    ```cpp
+    const char *SPEECH_CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQCq+mxcpjxFFB6jvh98dTFzANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwMTCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBAMedcDrkXufP7pxVm1FHLDNA9IjwHaMoaY8arqqZ4Gff4xyr\r\n"
+        "RygnavXL7g12MPAx8Q6Dd9hfBzrfWxkF0Br2wIvlvkzW01naNVSkHp+OS3hL3W6n\r\n"
+        "l/jYvZnVeJXjtsKYcXIf/6WtspcF5awlQ9LZJcjwaH7KoZuK+THpXCMtzD8XNVdm\r\n"
+        "GW/JI0C/7U/E7evXn9XDio8SYkGSM63aLO5BtLCv092+1d4GGBSQYolRq+7Pd1kR\r\n"
+        "EkWBPm0ywZ2Vb8GIS5DLrjelEkBnKCyy3B0yQud9dpVsiUeE7F5sY8Me96WVxQcb\r\n"
+        "OyYdEY/j/9UpDlOG+vA+YgOvBhkKEjiqygVpP8EZoMMijephzg43b5Qi9r5UrvYo\r\n"
+        "o19oR/8pf4HJNDPF0/FJwFVMW8PmCBLGstin3NE1+NeWTkGt0TzpHjgKyfaDP2tO\r\n"
+        "4bCk1G7pP2kDFT7SYfc8xbgCkFQ2UCEXsaH/f5YmpLn4YPiNFCeeIida7xnfTvc4\r\n"
+        "7IxyVccHHq1FzGygOqemrxEETKh8hvDR6eBdrBwmCHVgZrnAqnn93JtGyPLi6+cj\r\n"
+        "WGVGtMZHwzVvX1HvSFG771sskcEjJxiQNQDQRWHEh3NxvNb7kFlAXnVdRkkvhjpR\r\n"
+        "GchFhTAzqmwltdWhWDEyCMKC2x/mSZvZtlZGY+g37Y72qHzidwtyW7rBetZJAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQUDyBd16FXlduSzyvQx8J3BM5ygHYwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQAlFvNh7QgXVLAZSsNR2XRmIn9iS8OHFCBA\r\n"
+        "WxKJoi8YYQafpMTkMqeuzoL3HWb1pYEipsDkhiMnrpfeYZEA7Lz7yqEEtfgHcEBs\r\n"
+        "K9KcStQGGZRfmWU07hPXHnFz+5gTXqzCE2PBMlRgVUYJiA25mJPXfB00gDvGhtYa\r\n"
+        "+mENwM9Bq1B9YYLyLjRtUz8cyGsdyTIG/bBM/Q9jcV8JGqMU/UjAdh1pFyTnnHEl\r\n"
+        "Y59Npi7F87ZqYYJEHJM2LGD+le8VsHjgeWX2CJQko7klXvcizuZvUEDTjHaQcs2J\r\n"
+        "+kPgfyMIOY1DMJ21NxOJ2xPRC/wAh/hzSBRVtoAnyuxtkZ4VjIOh\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+1. Agrega una constante a este archivo para la URL de voz sin la ubicación. Esto se combinará con la ubicación y el idioma más adelante para obtener la URL completa.
+
+    ```cpp
+    const char *SPEECH_URL = "https://%s.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=%s";
+    ```
+
+1. En el archivo de encabezado `speech_to_text.h`, en la sección `private` de la clase `SpeechToText`, define un campo para un cliente WiFi que use el certificado de voz:
+
+    ```cpp
+    WiFiClientSecure _speech_client;
+    ```
+
+1. En el método `init`, establece el certificado en este cliente WiFi:
+
+    ```cpp
+    _speech_client.setCACert(SPEECH_CERTIFICATE);
+    ```
+
+1. Agrega el siguiente código a la sección `public` de la clase `SpeechToText` para definir un método que convierta voz a texto:
+
+    ```cpp
+    String convertSpeechToText()
+    {
+        
+    }
+    ```
+
+1. Agrega el siguiente código a este método para crear un cliente HTTP utilizando el cliente WiFi configurado con el certificado de voz y utilizando la URL de voz configurada con la ubicación y el idioma:
+
+    ```cpp
+    char url[128];
+    sprintf(url, SPEECH_URL, SPEECH_LOCATION, LANGUAGE);
+
+    HTTPClient httpClient;
+    httpClient.begin(_speech_client, url);
+    ```
+
+1. Se deben establecer algunos encabezados en la conexión:
+
+    ```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");
+    ```
+
+    Esto establece encabezados para la autorización utilizando el token de acceso, el formato de audio utilizando la frecuencia de muestreo y establece que el cliente espera el resultado como JSON.
+
+1. Después de esto, agrega el siguiente código para realizar la llamada a la API REST:
+
+    ```cpp
+    Serial.println("Sending speech...");
+
+    FlashStream stream;
+    int httpResponseCode = httpClient.sendRequest("POST", &stream, BUFFER_SIZE);
+
+    Serial.println("Speech sent!");
+    ```
+
+    Esto crea un `FlashStream` y lo utiliza para transmitir datos a la API REST.
+
+1. Debajo de esto, agrega el siguiente código:
+
+    ```cpp
+    String text = "";
+
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonObject obj = doc.as<JsonObject>();
+        text = obj["DisplayText"].as<String>();
+    }
+    else if (httpResponseCode == 401)
+    {
+        Serial.println("Access token expired, trying again with a new token");
+        _access_token = getAccessToken();
+        return convertSpeechToText();
+    }
+    else
+    {
+        Serial.print("Failed to convert text to speech - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    Este código verifica el código de respuesta.
+
+    Si es 200, el código para éxito, entonces se recupera el resultado, se decodifica desde JSON y la propiedad `DisplayText` se establece en la variable `text`. Esta es la propiedad donde se devuelve la versión en texto de la voz.
+
+    Si el código de respuesta es 401, entonces el token de acceso ha expirado (estos tokens solo duran 10 minutos). Se solicita un nuevo token de acceso y se realiza nuevamente la llamada.
+
+    De lo contrario, se envía un error al monitor serial y la variable `text` queda vacía.
+
+1. Agrega el siguiente código al final de este método para cerrar el cliente HTTP y devolver el texto:
+
+    ```cpp
+    httpClient.end();
+
+    return text;
+    ```
+
+1. En `main.cpp`, llama a este nuevo método `convertSpeechToText` en la función `processAudio`, luego registra la voz convertida en el monitor serial:
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    Serial.println(text);
+    ```
+
+1. Compila este código, súbelo a tu Wio Terminal y pruébalo a través del monitor serial. Una vez que veas `Ready` en el monitor serial, presiona el botón C (el de la izquierda, más cercano al interruptor de encendido) y habla. Se capturarán 4 segundos de audio y luego se convertirán en texto.
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    Ready.
+    Starting recording...
+    Finished recording
+    Sending speech...
+    Speech sent!
+    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
+    Set a 2 minute and 27 second timer.
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-speech-to-text/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/wio-terminal).
+
+😀 ¡Tu programa de conversión de voz a texto fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/2-language-understanding/README.md b/translations/es/6-consumer/lessons/2-language-understanding/README.md
new file mode 100644
index 00000000..88a6f331
--- /dev/null
+++ b/translations/es/6-consumer/lessons/2-language-understanding/README.md
@@ -0,0 +1,574 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6f4ba69d77f16c4a5110623a96a215c3",
+  "translation_date": "2025-08-26T15:26:05+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/README.md",
+  "language_code": "es"
+}
+-->
+# Comprender el lenguaje
+
+![Una vista general en sketchnote de esta lección](../../../../../translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.es.jpg)
+
+> Sketchnote por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/43)
+
+## Introducción
+
+En la última lección convertiste voz a texto. Para que esto se utilice en la programación de un temporizador inteligente, tu código necesitará comprender lo que se dijo. Podrías asumir que el usuario dirá una frase fija, como "Configura un temporizador de 3 minutos", y analizar esa expresión para determinar cuánto tiempo debe durar el temporizador, pero esto no es muy amigable para el usuario. Si un usuario dijera "Configura un temporizador para 3 minutos", tú o yo entenderíamos lo que significa, pero tu código no, ya que estaría esperando una frase fija.
+
+Aquí es donde entra en juego la comprensión del lenguaje, utilizando modelos de inteligencia artificial para interpretar texto y devolver los detalles necesarios, por ejemplo, siendo capaz de entender tanto "Configura un temporizador de 3 minutos" como "Configura un temporizador para 3 minutos", y deducir que se requiere un temporizador de 3 minutos.
+
+En esta lección aprenderás sobre los modelos de comprensión del lenguaje, cómo crearlos, entrenarlos y utilizarlos desde tu código.
+
+En esta lección cubriremos:
+
+* [Comprensión del lenguaje](../../../../../6-consumer/lessons/2-language-understanding)
+* [Crear un modelo de comprensión del lenguaje](../../../../../6-consumer/lessons/2-language-understanding)
+* [Intenciones y entidades](../../../../../6-consumer/lessons/2-language-understanding)
+* [Usar el modelo de comprensión del lenguaje](../../../../../6-consumer/lessons/2-language-understanding)
+
+## Comprensión del lenguaje
+
+Los humanos han utilizado el lenguaje para comunicarse durante cientos de miles de años. Nos comunicamos con palabras, sonidos o acciones y entendemos lo que se dice, tanto el significado de las palabras, sonidos o acciones, como también su contexto. Entendemos la sinceridad y el sarcasmo, permitiendo que las mismas palabras signifiquen cosas diferentes dependiendo del tono de nuestra voz.
+
+✅ Piensa en algunas de las conversaciones que has tenido recientemente. ¿Cuánto de la conversación sería difícil para una computadora entender porque necesita contexto?
+
+La comprensión del lenguaje, también llamada comprensión del lenguaje natural, es parte de un campo de la inteligencia artificial llamado procesamiento del lenguaje natural (o NLP, por sus siglas en inglés), y se ocupa de la comprensión lectora, tratando de entender los detalles de las palabras o frases. Si utilizas un asistente de voz como Alexa o Siri, has usado servicios de comprensión del lenguaje. Estos son los servicios de inteligencia artificial detrás de escena que convierten "Alexa, reproduce el último álbum de Taylor Swift" en mi hija bailando por la sala al ritmo de sus canciones favoritas.
+
+> 💁 Las computadoras, a pesar de todos sus avances, todavía tienen un largo camino por recorrer para comprender verdaderamente el texto. Cuando nos referimos a la comprensión del lenguaje con computadoras, no nos referimos a nada ni remotamente tan avanzado como la comunicación humana, sino a tomar algunas palabras y extraer detalles clave.
+
+Como humanos, entendemos el lenguaje sin realmente pensar en ello. Si le pidiera a otro humano "reproduce el último álbum de Taylor Swift", entonces sabrían instintivamente lo que quiero decir. Para una computadora, esto es más difícil. Tendría que tomar las palabras, convertidas de voz a texto, y deducir las siguientes piezas de información:
+
+* Se necesita reproducir música
+* La música es del artista Taylor Swift
+* La música específica es un álbum completo con múltiples pistas en orden
+* Taylor Swift tiene muchos álbumes, por lo que deben ordenarse cronológicamente y el más recientemente publicado es el requerido
+
+✅ Piensa en algunas otras frases que hayas dicho al hacer solicitudes, como pedir café o pedirle a un familiar que te pase algo. Intenta descomponerlas en las piezas de información que una computadora necesitaría extraer para entender la frase.
+
+Los modelos de comprensión del lenguaje son modelos de inteligencia artificial que se entrenan para extraer ciertos detalles del lenguaje y luego se entrenan para tareas específicas utilizando aprendizaje por transferencia, de la misma manera que entrenaste un modelo de visión personalizada utilizando un pequeño conjunto de imágenes. Puedes tomar un modelo y entrenarlo utilizando el texto que deseas que entienda.
+
+## Crear un modelo de comprensión del lenguaje
+
+![El logo de LUIS](../../../../../translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.es.png)
+
+Puedes crear modelos de comprensión del lenguaje utilizando LUIS, un servicio de comprensión del lenguaje de Microsoft que forma parte de Cognitive Services.
+
+### Tarea - crear un recurso de autoría
+
+Para usar LUIS, necesitas crear un recurso de autoría.
+
+1. Usa el siguiente comando para crear un recurso de autoría en tu grupo de recursos `smart-timer`:
+
+    ```python
+    az cognitiveservices account create --name smart-timer-luis-authoring \
+                                        --resource-group smart-timer \
+                                        --kind LUIS.Authoring \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Reemplaza `<location>` con la ubicación que utilizaste al crear el grupo de recursos.
+
+    > ⚠️ LUIS no está disponible en todas las regiones, por lo que si obtienes el siguiente error:
+    >
+    > ```output
+    > InvalidApiSetId: The account type 'LUIS.Authoring' is either invalid or unavailable in given region.
+    > ```
+    >
+    > elige una región diferente.
+
+    Esto creará un recurso de autoría de nivel gratuito.
+
+### Tarea - crear una aplicación de comprensión del lenguaje
+
+1. Abre el portal de LUIS en [luis.ai](https://luis.ai?WT.mc_id=academic-17441-jabenn) en tu navegador y accede con la misma cuenta que has estado utilizando para Azure.
+
+1. Sigue las instrucciones en el cuadro de diálogo para seleccionar tu suscripción de Azure, luego selecciona el recurso `smart-timer-luis-authoring` que acabas de crear.
+
+1. Desde la lista de *Aplicaciones de conversación*, selecciona el botón **Nueva aplicación** para crear una nueva aplicación. Nombra la nueva aplicación `smart-timer` y establece la *Cultura* en tu idioma.
+
+    > 💁 Hay un campo para un recurso de predicción. Puedes crear un segundo recurso solo para predicción, pero el recurso de autoría gratuito permite 1,000 predicciones al mes, lo cual debería ser suficiente para el desarrollo, así que puedes dejar este campo en blanco.
+
+1. Lee la guía que aparece una vez que creas la aplicación para comprender los pasos que necesitas seguir para entrenar el modelo de comprensión del lenguaje. Cierra esta guía cuando hayas terminado.
+
+## Intenciones y entidades
+
+La comprensión del lenguaje se basa en *intenciones* y *entidades*. Las intenciones son el propósito de las palabras, por ejemplo, reproducir música, configurar un temporizador o pedir comida. Las entidades son a lo que se refiere la intención, como el álbum, la duración del temporizador o el tipo de comida. Cada frase que el modelo interprete debe tener al menos una intención y, opcionalmente, una o más entidades.
+
+Algunos ejemplos:
+
+| Frase                                              | Intención         | Entidades                                   |
+| -------------------------------------------------- | ----------------- | ------------------------------------------ |
+| "Reproduce el último álbum de Taylor Swift"        | *reproducir música* | *el último álbum de Taylor Swift*          |
+| "Configura un temporizador de 3 minutos"           | *configurar temporizador* | *3 minutos*                                |
+| "Cancela mi temporizador"                          | *cancelar temporizador* | Ninguna                                    |
+| "Pide 3 pizzas grandes de piña y una ensalada César" | *pedir comida*    | *3 pizzas grandes de piña*, *ensalada César* |
+
+✅ Con las frases que pensaste anteriormente, ¿cuál sería la intención y las entidades en esa frase?
+
+Para entrenar LUIS, primero defines las entidades. Estas pueden ser una lista fija de términos o aprendidas del texto. Por ejemplo, podrías proporcionar una lista fija de alimentos disponibles en tu menú, con variaciones (o sinónimos) de cada palabra, como *berenjena* y *aubergine* como variaciones de *berenjena*. LUIS también tiene entidades predefinidas que pueden ser utilizadas, como números y ubicaciones.
+
+Para configurar un temporizador, podrías tener una entidad utilizando las entidades predefinidas de números para el tiempo y otra para las unidades, como minutos y segundos. Cada unidad tendría múltiples variaciones para cubrir las formas singular y plural, como minuto y minutos.
+
+Una vez que las entidades están definidas, creas intenciones. Estas se aprenden por el modelo basado en frases de ejemplo que proporcionas (conocidas como expresiones). Por ejemplo, para una intención de *configurar temporizador*, podrías proporcionar las siguientes frases:
+
+* `configura un temporizador de 1 segundo`
+* `configura un temporizador de 1 minuto y 12 segundos`
+* `configura un temporizador de 3 minutos`
+* `configura un temporizador de 9 minutos y 30 segundos`
+
+Luego le indicas a LUIS qué partes de estas frases corresponden a las entidades:
+
+![La frase configura un temporizador de 1 minuto y 12 segundos dividida en entidades](../../../../../translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.es.png)
+
+La frase `configura un temporizador de 1 minuto y 12 segundos` tiene la intención de `configurar temporizador`. También tiene 2 entidades con 2 valores cada una:
+
+|            | tiempo | unidad   |
+| ---------- | ------ | -------- |
+| 1 minuto   | 1      | minuto   |
+| 12 segundos | 12     | segundo  |
+
+Para entrenar un buen modelo, necesitas una variedad de frases de ejemplo diferentes para cubrir las muchas formas en que alguien podría pedir lo mismo.
+
+> 💁 Como con cualquier modelo de inteligencia artificial, mientras más datos y más precisos sean los datos que utilices para entrenar, mejor será el modelo.
+
+✅ Piensa en las diferentes formas en que podrías pedir lo mismo y esperar que un humano lo entienda.
+
+### Tarea - agregar entidades a los modelos de comprensión del lenguaje
+
+Para el temporizador, necesitas agregar 2 entidades: una para la unidad de tiempo (minutos o segundos) y otra para el número de minutos o segundos.
+
+Puedes encontrar instrucciones para usar el portal de LUIS en la [documentación de Microsoft sobre el inicio rápido: Crear tu aplicación en el portal de LUIS](https://docs.microsoft.com/azure/cognitive-services/luis/luis-get-started-create-app?WT.mc_id=academic-17441-jabenn).
+
+1. Desde el portal de LUIS, selecciona la pestaña *Entidades* y agrega la entidad predefinida *número* seleccionando el botón **Agregar entidad predefinida**, luego selecciona *número* de la lista.
+
+1. Crea una nueva entidad para la unidad de tiempo utilizando el botón **Crear**. Nombra la entidad `unidad de tiempo` y establece el tipo en *Lista*. Agrega valores para `minuto` y `segundo` a la lista de *Valores normalizados*, agregando las formas singular y plural a la lista de *sinónimos*. Presiona `enter` después de agregar cada sinónimo para añadirlo a la lista.
+
+    | Valor normalizado | Sinónimos        |
+    | ----------------- | ---------------- |
+    | minuto            | minuto, minutos  |
+    | segundo           | segundo, segundos|
+
+### Tarea - agregar intenciones a los modelos de comprensión del lenguaje
+
+1. Desde la pestaña *Intenciones*, selecciona el botón **Crear** para crear una nueva intención. Nombra esta intención `configurar temporizador`.
+
+1. En los ejemplos, ingresa diferentes formas de configurar un temporizador utilizando tanto minutos, segundos y combinaciones de minutos y segundos. Ejemplos podrían ser:
+
+    * `configura un temporizador de 1 segundo`
+    * `configura un temporizador de 4 minutos`
+    * `configura un temporizador de cuatro minutos y seis segundos`
+    * `configura un temporizador de 9 minutos y 30 segundos`
+    * `configura un temporizador de 1 minuto y 12 segundos`
+    * `configura un temporizador de 3 minutos`
+    * `configura un temporizador de 3 minutos y 1 segundo`
+    * `configura un temporizador de tres minutos y un segundo`
+    * `configura un temporizador de 1 minuto y 1 segundo`
+    * `configura un temporizador de 30 segundos`
+    * `configura un temporizador de 1 segundo`
+
+    Mezcla números como palabras y números para que el modelo aprenda a manejar ambos.
+
+1. A medida que ingreses cada ejemplo, LUIS comenzará a detectar entidades y subrayará y etiquetará las que encuentre.
+
+    ![Los ejemplos con los números y unidades de tiempo subrayados por LUIS](../../../../../translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.es.png)
+
+### Tarea - entrenar y probar el modelo
+
+1. Una vez que las entidades e intenciones estén configuradas, puedes entrenar el modelo utilizando el botón **Entrenar** en el menú superior. Selecciona este botón y el modelo debería entrenarse en unos segundos. El botón estará deshabilitado mientras se entrena y se habilitará nuevamente una vez que termine.
+
+1. Selecciona el botón **Probar** en el menú superior para probar el modelo de comprensión del lenguaje. Ingresa texto como `configura un temporizador de 5 minutos y 4 segundos` y presiona enter. La frase aparecerá en un cuadro debajo del cuadro de texto en el que la escribiste, y debajo de eso estará la *intención principal*, o la intención que se detectó con la mayor probabilidad. Esto debería ser `configurar temporizador`. El nombre de la intención estará seguido por la probabilidad de que la intención detectada sea la correcta.
+
+1. Selecciona la opción **Inspeccionar** para ver un desglose de los resultados. Verás la intención con mayor puntuación con su porcentaje de probabilidad, junto con listas de las entidades detectadas.
+
+1. Cierra el panel *Probar* cuando hayas terminado de probar.
+
+### Tarea - publicar el modelo
+
+Para usar este modelo desde el código, necesitas publicarlo. Al publicar desde LUIS, puedes hacerlo en un entorno de prueba para pruebas o en un entorno de producción para un lanzamiento completo. En esta lección, un entorno de prueba es suficiente.
+
+1. Desde el portal de LUIS, selecciona el botón **Publicar** en el menú superior.
+
+1. Asegúrate de que esté seleccionada la opción *Staging slot*, luego selecciona **Listo**. Verás una notificación cuando la aplicación se haya publicado.
+
+1. Puedes probar esto utilizando curl. Para construir el comando curl, necesitas tres valores: el endpoint, el ID de la aplicación (App ID) y una clave de API. Estos pueden ser accedidos desde la pestaña **ADMINISTRAR** que se puede seleccionar desde el menú superior.
+
+    1. Desde la sección *Configuración*, copia el App ID.
+1. Desde la sección *Azure Resources*, selecciona *Authoring Resource* y copia la *Primary Key* y la *Endpoint URL*.
+
+1. Ejecuta el siguiente comando curl en tu terminal o línea de comandos:
+
+    ```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>"
+    ```
+
+    Reemplaza `<endpoint url>` con la Endpoint URL de la sección *Azure Resources*.
+
+    Reemplaza `<app id>` con el App ID de la sección *Settings*.
+
+    Reemplaza `<primary key>` con la Primary Key de la sección *Azure Resources*.
+
+    Reemplaza `<sentence>` con la frase que deseas probar.
+
+1. El resultado de esta llamada será un documento JSON que detalla la consulta, la intención principal y una lista de entidades clasificadas por tipo.
+
+    ```JSON
+    {
+        "query": "set a timer for 45 minutes and 12 seconds",
+        "prediction": {
+            "topIntent": "set timer",
+            "intents": {
+                "set timer": {
+                    "score": 0.97031575
+                },
+                "None": {
+                    "score": 0.02205793
+                }
+            },
+            "entities": {
+                "number": [
+                    45,
+                    12
+                ],
+                "time-unit": [
+                    [
+                        "minute"
+                    ],
+                    [
+                        "second"
+                    ]
+                ]
+            }
+        }
+    }
+    ```
+
+    El JSON anterior proviene de una consulta con `set a timer for 45 minutes and 12 seconds`:
+
+    * La intención principal fue `set timer` con una probabilidad del 97%.
+    * Se detectaron dos entidades de tipo *number*, `45` y `12`.
+    * Se detectaron dos entidades de tipo *time-unit*, `minute` y `second`.
+
+## Usar el modelo de comprensión de lenguaje
+
+Una vez publicado, el modelo LUIS puede ser llamado desde el código. En lecciones anteriores, has utilizado un IoT Hub para manejar la comunicación con servicios en la nube, enviando telemetría y escuchando comandos. Esto es muy asincrónico: una vez que se envía la telemetría, tu código no espera una respuesta, y si el servicio en la nube está caído, no lo sabrías.
+
+Para un temporizador inteligente, queremos una respuesta inmediata, para poder informar al usuario que el temporizador está configurado o alertarlo de que los servicios en la nube no están disponibles. Para lograr esto, nuestro dispositivo IoT llamará directamente a un endpoint web, en lugar de depender de un IoT Hub.
+
+En lugar de llamar a LUIS desde el dispositivo IoT, puedes usar código sin servidor con un tipo diferente de activador: un activador HTTP. Esto permite que tu aplicación de funciones escuche solicitudes REST y responda a ellas. Esta función será un endpoint REST que tu dispositivo podrá llamar.
+
+> 💁 Aunque puedes llamar a LUIS directamente desde tu dispositivo IoT, es mejor usar algo como código sin servidor. De esta manera, cuando desees cambiar la aplicación LUIS que llamas, por ejemplo, cuando entrenes un mejor modelo o entrenes un modelo en otro idioma, solo tendrás que actualizar tu código en la nube, sin necesidad de volver a implementar el código en potencialmente miles o millones de dispositivos IoT.
+
+### Tarea - crear una aplicación de funciones sin servidor
+
+1. Crea una aplicación de funciones de Azure llamada `smart-timer-trigger` y ábrela en VS Code.
+
+1. Agrega un activador HTTP a esta aplicación llamado `speech-trigger` usando el siguiente comando desde la terminal de VS Code:
+
+    ```sh
+    func new --name text-to-timer --template "HTTP trigger"
+    ```
+
+    Esto creará un activador HTTP llamado `text-to-timer`.
+
+1. Prueba el activador HTTP ejecutando la aplicación de funciones. Cuando se ejecute, verás el endpoint listado en la salida:
+
+    ```output
+    Functions:
+    
+            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
+    ```
+
+    Prueba esto cargando la URL [http://localhost:7071/api/text-to-timer](http://localhost:7071/api/text-to-timer) en tu navegador.
+
+    ```output
+    This HTTP triggered function executed successfully. Pass a name in the query string or in the request body for a personalized response.
+    ```
+
+### Tarea - usar el modelo de comprensión de lenguaje
+
+1. El SDK para LUIS está disponible a través de un paquete Pip. Agrega la siguiente línea al archivo `requirements.txt` para agregar la dependencia de este paquete:
+
+    ```sh
+    azure-cognitiveservices-language-luis
+    ```
+
+1. Asegúrate de que la terminal de VS Code tenga el entorno virtual activado y ejecuta el siguiente comando para instalar los paquetes de Pip:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > 💁 Si obtienes errores, puede que necesites actualizar pip con el siguiente comando:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. Agrega nuevas entradas al archivo `local.settings.json` para tu LUIS API Key, Endpoint URL y App ID desde la pestaña **MANAGE** del portal de LUIS:
+
+    ```JSON
+    "LUIS_KEY": "<primary key>",
+    "LUIS_ENDPOINT_URL": "<endpoint url>",
+    "LUIS_APP_ID": "<app id>"
+    ```
+
+    Reemplaza `<endpoint url>` con la Endpoint URL de la sección *Azure Resources* de la pestaña **MANAGE**. Esto será `https://<location>.api.cognitive.microsoft.com/`.
+
+    Reemplaza `<app id>` con el App ID de la sección *Settings* de la pestaña **MANAGE**.
+
+    Reemplaza `<primary key>` con la Primary Key de la sección *Azure Resources* de la pestaña **MANAGE**.
+
+1. Agrega las siguientes importaciones al archivo `__init__.py`:
+
+    ```python
+    import json
+    import os
+    from azure.cognitiveservices.language.luis.runtime import LUISRuntimeClient
+    from msrest.authentication import CognitiveServicesCredentials
+    ```
+
+    Esto importa algunas bibliotecas del sistema, así como las bibliotecas para interactuar con LUIS.
+
+1. Elimina el contenido del método `main` y agrega el siguiente código:
+
+    ```python
+    luis_key = os.environ['LUIS_KEY']
+    endpoint_url = os.environ['LUIS_ENDPOINT_URL']
+    app_id = os.environ['LUIS_APP_ID']
+    
+    credentials = CognitiveServicesCredentials(luis_key)
+    client = LUISRuntimeClient(endpoint=endpoint_url, credentials=credentials)
+    ```
+
+    Esto carga los valores que agregaste al archivo `local.settings.json` para tu aplicación LUIS, crea un objeto de credenciales con tu API key y luego crea un objeto cliente de LUIS para interactuar con tu aplicación LUIS.
+
+1. Este activador HTTP será llamado pasando el texto a entender como JSON, con el texto en una propiedad llamada `text`. El siguiente código extrae el valor del cuerpo de la solicitud HTTP y lo registra en la consola. Agrega este código a la función `main`:
+
+    ```python
+    req_body = req.get_json()
+    text = req_body['text']
+    logging.info(f'Request - {text}')
+    ```
+
+1. Las predicciones se solicitan a LUIS enviando una solicitud de predicción: un documento JSON que contiene el texto a predecir. Crea esto con el siguiente código:
+
+    ```python
+    prediction_request = { 'query' : text }
+    ```
+
+1. Esta solicitud puede ser enviada a LUIS, usando el slot de staging al que tu aplicación fue publicada:
+
+    ```python
+    prediction_response = client.prediction.get_slot_prediction(app_id, 'Staging', prediction_request)
+    ```
+
+1. La respuesta de predicción contiene la intención principal, la intención con el puntaje de predicción más alto, junto con las entidades. Si la intención principal es `set timer`, entonces las entidades pueden ser leídas para obtener el tiempo necesario para el temporizador:
+
+    ```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
+    ```
+
+    Las entidades de tipo `number` serán un arreglo de números. Por ejemplo, si dijiste *"Set a four minute 17 second timer."*, entonces el arreglo `number` contendrá 2 enteros: 4 y 17.
+
+    Las entidades de tipo `time unit` serán un arreglo de arreglos de cadenas, con cada unidad de tiempo como un arreglo de cadenas dentro del arreglo. Por ejemplo, si dijiste *"Set a four minute 17 second timer."*, entonces el arreglo `time unit` contendrá 2 arreglos con valores únicos cada uno: `['minute']` y `['second']`.
+
+    La versión JSON de estas entidades para *"Set a four minute 17 second timer."* es:
+
+    ```json
+    {
+        "number": [4, 17],
+        "time unit": [
+            ["minute"],
+            ["second"]
+        ]
+    }
+    ```
+
+    Este código también define un contador para el tiempo total del temporizador en segundos. Esto será poblado por los valores de las entidades.
+
+1. Las entidades no están vinculadas, pero podemos hacer algunas suposiciones sobre ellas. Estarán en el orden hablado, por lo que la posición en el arreglo puede ser usada para determinar qué número corresponde a qué unidad de tiempo. Por ejemplo:
+
+    * *"Set a 30 second timer"* - esto tendrá un número, `30`, y una unidad de tiempo, `second`, por lo que el único número corresponderá a la única unidad de tiempo.
+    * *"Set a 2 minute and 30 second timer"* - esto tendrá dos números, `2` y `30`, y dos unidades de tiempo, `minute` y `second`, por lo que el primer número será para la primera unidad de tiempo (2 minutos) y el segundo número para la segunda unidad de tiempo (30 segundos).
+
+    El siguiente código obtiene el conteo de elementos en las entidades de tipo número y usa eso para extraer el primer elemento de cada arreglo, luego el segundo y así sucesivamente. Agrega esto dentro del bloque `if`.
+
+    ```python
+    for i in range(0, len(numbers)):
+        number = numbers[i]
+        time_unit = time_units[i][0]
+    ```
+
+    Para *"Set a four minute 17 second timer."*, esto hará un bucle dos veces, dando los siguientes valores:
+
+    | conteo de bucle | `number` | `time_unit` |
+    | ---------------: | -------: | ----------- |
+    | 0                | 4        | minute      |
+    | 1                | 17       | second      |
+
+1. Dentro de este bucle, usa el número y la unidad de tiempo para calcular el tiempo total del temporizador, agregando 60 segundos por cada minuto y el número de segundos por cualquier segundo.
+
+    ```python
+    if time_unit == 'minute':
+        total_seconds += number * 60
+    else:
+        total_seconds += number
+    ```
+
+1. Fuera de este bucle a través de las entidades, registra el tiempo total del temporizador:
+
+    ```python
+    logging.info(f'Timer required for {total_seconds} seconds')
+    ```
+
+1. El número de segundos necesita ser devuelto desde la función como una respuesta HTTP. Al final del bloque `if`, agrega lo siguiente:
+
+    ```python
+    payload = {
+        'seconds': total_seconds
+    }
+    return func.HttpResponse(json.dumps(payload), status_code=200)
+    ```
+
+    Este código crea un payload que contiene el número total de segundos para el temporizador, lo convierte en una cadena JSON y lo devuelve como un resultado HTTP con un código de estado 200, lo que significa que la llamada fue exitosa.
+
+1. Finalmente, fuera del bloque `if`, maneja el caso en que la intención no fue reconocida devolviendo un código de error:
+
+    ```python
+    return func.HttpResponse(status_code=404)
+    ```
+
+    404 es el código de estado para *no encontrado*.
+
+1. Ejecuta la aplicación de funciones y pruébala usando curl.
+
+    ```sh
+    curl --request POST 'http://localhost:7071/api/text-to-timer' \
+         --header 'Content-Type: application/json' \
+         --include \
+         --data '{"text":"<text>"}'
+    ```
+
+    Reemplaza `<text>` con el texto de tu solicitud, por ejemplo `set a 2 minutes 27 second timer`.
+
+    Verás la siguiente salida de la aplicación de funciones:
+
+    ```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)
+    ```
+
+    La llamada a curl devolverá lo siguiente:
+
+    ```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}
+    ```
+
+    El número de segundos para el temporizador está en el valor `"seconds"`.
+
+> 💁 Puedes encontrar este código en la carpeta [code/functions](../../../../../6-consumer/lessons/2-language-understanding/code/functions).
+
+### Tarea - hacer que tu función esté disponible para tu dispositivo IoT
+
+1. Para que tu dispositivo IoT llame a tu endpoint REST, necesitará conocer la URL. Cuando lo accediste anteriormente, usaste `localhost`, que es un atajo para acceder a endpoints REST en tu máquina local. Para permitir que tu dispositivo IoT tenga acceso, necesitas publicar en la nube o obtener tu dirección IP para acceder localmente.
+
+    > ⚠️ Si estás usando un Wio Terminal, es más fácil ejecutar la aplicación de funciones localmente, ya que habrá una dependencia de bibliotecas que significa que no puedes implementar la aplicación de funciones de la misma manera que lo has hecho antes. Ejecuta la aplicación de funciones localmente y accede a ella a través de la dirección IP de tu computadora. Si deseas implementar en la nube, se proporcionará información en una lección posterior sobre cómo hacerlo.
+
+    * Publica la aplicación de funciones - sigue las instrucciones de lecciones anteriores para publicar tu aplicación de funciones en la nube. Una vez publicada, la URL será `https://<APP_NAME>.azurewebsites.net/api/text-to-timer`, donde `<APP_NAME>` será el nombre de tu aplicación de funciones. Asegúrate también de publicar tus configuraciones locales.
+
+      Cuando trabajes con activadores HTTP, estarán asegurados por defecto con una clave de aplicación de funciones. Para obtener esta clave, ejecuta el siguiente comando:
+
+      ```sh
+      az functionapp keys list --resource-group smart-timer \
+                               --name <APP_NAME>                               
+      ```
+
+      Copia el valor de la entrada `default` de la sección `functionKeys`.
+
+      ```output
+      {
+        "functionKeys": {
+          "default": "sQO1LQaeK9N1qYD6SXeb/TctCmwQEkToLJU6Dw8TthNeUH8VA45hlA=="
+        },
+        "masterKey": "RSKOAIlyvvQEQt9dfpabJT018scaLpQu9p1poHIMCxx5LYrIQZyQ/g==",
+        "systemKeys": {}
+      }
+      ```
+
+      Esta clave deberá ser agregada como un parámetro de consulta a la URL, por lo que la URL final será `https://<APP_NAME>.azurewebsites.net/api/text-to-timer?code=<FUNCTION_KEY>`, donde `<APP_NAME>` será el nombre de tu aplicación de funciones y `<FUNCTION_KEY>` será tu clave de función predeterminada.
+
+      > 💁 Puedes cambiar el tipo de autorización del activador HTTP usando la configuración `authlevel` en el archivo `function.json`. Puedes leer más sobre esto en la [sección de configuración de la documentación del activador HTTP de Azure Functions en Microsoft Docs](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python#configuration).
+
+    * Ejecuta la aplicación de funciones localmente y accede usando la dirección IP - puedes obtener la dirección IP de tu computadora en tu red local y usarla para construir la URL.
+
+      Encuentra tu dirección IP:
+
+      * En Windows 10, sigue la [guía para encontrar tu dirección IP](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn).
+      * En macOS, sigue la [guía para encontrar tu dirección IP en Mac](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac).
+      * En Linux, sigue la sección sobre cómo encontrar tu dirección IP privada en la [guía para encontrar tu dirección IP en Linux](https://opensource.com/article/18/5/how-find-ip-address-linux).
+
+      Una vez que tengas tu dirección IP, podrás acceder a la función en `http://`.
+
+:7071/api/text-to-timer`, donde `<IP_ADDRESS>` será tu dirección IP, por ejemplo `http://192.168.1.10:7071/api/text-to-timer`.
+
+      > 💁 Ten en cuenta que esto utiliza el puerto 7071, así que después de la dirección IP necesitarás incluir `:7071`.
+
+      > 💁 Esto solo funcionará si tu dispositivo IoT está en la misma red que tu computadora.
+
+1. Prueba el endpoint accediendo a él utilizando curl.
+
+---
+
+## 🚀 Desafío
+
+Existen muchas formas de solicitar lo mismo, como configurar un temporizador. Piensa en diferentes maneras de hacerlo y utilízalas como ejemplos en tu aplicación LUIS. Ponlas a prueba para ver qué tan bien tu modelo puede manejar múltiples formas de solicitar un temporizador.
+
+## Cuestionario posterior a la lección
+
+[Cuestionario posterior a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/44)
+
+## Revisión y autoestudio
+
+* Lee más sobre LUIS y sus capacidades en la [página de documentación de Language Understanding (LUIS) en Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/luis/?WT.mc_id=academic-17441-jabenn)
+* Lee más sobre la comprensión del lenguaje en la [página de comprensión del lenguaje natural en Wikipedia](https://wikipedia.org/wiki/Natural-language_understanding)
+* Lee más sobre los disparadores HTTP en la [documentación de Azure Functions HTTP trigger en Microsoft Docs](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python)
+
+## Tarea
+
+[Cancelar el temporizador](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/2-language-understanding/assignment.md b/translations/es/6-consumer/lessons/2-language-understanding/assignment.md
new file mode 100644
index 00000000..4a607baf
--- /dev/null
+++ b/translations/es/6-consumer/lessons/2-language-understanding/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a7262a0c48dfacdfe1ff91b20bf16fd",
+  "translation_date": "2025-08-26T15:27:40+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/assignment.md",
+  "language_code": "es"
+}
+-->
+# Cancelar el temporizador
+
+## Instrucciones
+
+Hasta ahora en esta lección has entrenado un modelo para entender cómo configurar un temporizador. Otra función útil es cancelar un temporizador, por ejemplo, si tu pan ya está listo y puede sacarse del horno antes de que el temporizador termine.
+
+Agrega una nueva intención a tu aplicación LUIS para cancelar el temporizador. No necesitará ninguna entidad, pero sí algunas frases de ejemplo. Maneja esto en tu código serverless si es la intención principal, registrando que la intención fue reconocida y devolviendo una respuesta adecuada.
+
+## Rúbrica
+
+| Criterios | Sobresaliente | Adecuado | Necesita Mejorar |
+| --------- | ------------- | -------- | ---------------- |
+| Agregar la intención de cancelar el temporizador a la aplicación LUIS | Fue capaz de agregar la intención y entrenar el modelo | Fue capaz de agregar la intención pero no entrenar el modelo | No fue capaz de agregar la intención ni entrenar el modelo |
+| Manejar la intención en la aplicación serverless | Fue capaz de detectar la intención como la principal y registrarla | Fue capaz de detectar la intención como la principal | No fue capaz de detectar la intención como la principal |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/3-spoken-feedback/README.md b/translations/es/6-consumer/lessons/3-spoken-feedback/README.md
new file mode 100644
index 00000000..94ebc014
--- /dev/null
+++ b/translations/es/6-consumer/lessons/3-spoken-feedback/README.md
@@ -0,0 +1,142 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b73fe10ec6b580fba2affb6f6e0a5c4d",
+  "translation_date": "2025-08-26T15:28:55+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/README.md",
+  "language_code": "es"
+}
+-->
+# Configura un temporizador y proporciona retroalimentación hablada
+
+![Un resumen visual de esta lección](../../../../../translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.es.jpg)
+
+> Boceto por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/45)
+
+## Introducción
+
+Los asistentes inteligentes no son dispositivos de comunicación unidireccional. Les hablas y ellos responden:
+
+"Alexa, configura un temporizador de 3 minutos"
+
+"Ok, tu temporizador está configurado para 3 minutos"
+
+En las últimas 2 lecciones aprendiste cómo tomar un discurso y convertirlo en texto, y luego extraer una solicitud de temporizador de ese texto. En esta lección aprenderás cómo configurar el temporizador en el dispositivo IoT, respondiendo al usuario con palabras habladas que confirmen su temporizador y alertándoles cuando el temporizador haya terminado.
+
+En esta lección cubriremos:
+
+* [Texto a voz](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [Configurar el temporizador](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [Convertir texto a voz](../../../../../6-consumer/lessons/3-spoken-feedback)
+
+## Texto a voz
+
+Texto a voz, como su nombre lo indica, es el proceso de convertir texto en audio que contiene las palabras habladas. El principio básico es descomponer las palabras del texto en sus sonidos constituyentes (conocidos como fonemas) y unir el audio de esos sonidos, ya sea utilizando audio pregrabado o generado por modelos de inteligencia artificial.
+
+![Las tres etapas de los sistemas típicos de texto a voz](../../../../../translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.es.png)
+
+Los sistemas de texto a voz generalmente tienen 3 etapas:
+
+* Análisis de texto  
+* Análisis lingüístico  
+* Generación de forma de onda  
+
+### Análisis de texto
+
+El análisis de texto implica tomar el texto proporcionado y convertirlo en palabras que puedan usarse para generar voz. Por ejemplo, si conviertes "Hola mundo", no se necesita análisis de texto, las dos palabras pueden convertirse directamente en voz. Sin embargo, si tienes "1234", esto podría necesitar convertirse en las palabras "Mil doscientos treinta y cuatro" o "Uno, dos, tres, cuatro" dependiendo del contexto. Para "Tengo 1234 manzanas", sería "Mil doscientos treinta y cuatro", pero para "El niño contó 1234" sería "Uno, dos, tres, cuatro".
+
+Las palabras creadas varían no solo por el idioma, sino también por la región de ese idioma. Por ejemplo, en inglés americano, 120 sería "One hundred twenty", mientras que en inglés británico sería "One hundred and twenty", con el uso de "and" después de los cientos.
+
+✅ Algunos otros ejemplos que requieren análisis de texto incluyen "in" como abreviatura de pulgada, y "st" como abreviatura de santo o calle. ¿Puedes pensar en otros ejemplos en tu idioma de palabras que sean ambiguas sin contexto?
+
+Una vez que se han definido las palabras, se envían para análisis lingüístico.
+
+### Análisis lingüístico
+
+El análisis lingüístico descompone las palabras en fonemas. Los fonemas no solo se basan en las letras utilizadas, sino también en las otras letras de la palabra. Por ejemplo, en inglés el sonido de la 'a' en 'car' y 'care' es diferente. El idioma inglés tiene 44 fonemas diferentes para las 26 letras del alfabeto, algunos compartidos por diferentes letras, como el mismo fonema utilizado al inicio de 'circle' y 'serpent'.
+
+✅ Investiga: ¿Cuáles son los fonemas de tu idioma?
+
+Una vez que las palabras se han convertido en fonemas, estos necesitan datos adicionales para soportar la entonación, ajustando el tono o la duración dependiendo del contexto. Un ejemplo es que en inglés, los aumentos de tono pueden usarse para convertir una oración en una pregunta, elevando el tono de la última palabra para implicar una pregunta.
+
+Por ejemplo, la oración "You have an apple" es una afirmación que dice que tienes una manzana. Si el tono sube al final, aumentando en la palabra "apple", se convierte en la pregunta "You have an apple?", preguntando si tienes una manzana. El análisis lingüístico necesita usar el signo de interrogación al final para decidir aumentar el tono.
+
+Una vez que se han generado los fonemas, se pueden enviar para la generación de forma de onda para producir la salida de audio.
+
+### Generación de forma de onda
+
+Los primeros sistemas electrónicos de texto a voz usaban grabaciones de audio individuales para cada fonema, lo que resultaba en voces muy monótonas y robóticas. El análisis lingüístico producía fonemas, estos se cargaban desde una base de datos de sonidos y se unían para crear el audio.
+
+✅ Investiga: Encuentra algunas grabaciones de audio de los primeros sistemas de síntesis de voz. Compáralas con la síntesis de voz moderna, como la que se usa en los asistentes inteligentes.
+
+La generación de forma de onda más moderna utiliza modelos de aprendizaje automático (ML) construidos con aprendizaje profundo (redes neuronales muy grandes que actúan de manera similar a las neuronas en el cerebro) para producir voces más naturales que pueden ser indistinguibles de las humanas.
+
+> 💁 Algunos de estos modelos de ML pueden ser reentrenados utilizando aprendizaje por transferencia para sonar como personas reales. Esto significa que usar la voz como un sistema de seguridad, algo que los bancos están intentando cada vez más, ya no es una buena idea, ya que cualquiera con una grabación de unos minutos de tu voz puede hacerse pasar por ti.
+
+Estos grandes modelos de ML están siendo entrenados para combinar los tres pasos en sintetizadores de voz de extremo a extremo.
+
+## Configurar el temporizador
+
+Para configurar el temporizador, tu dispositivo IoT necesita llamar al endpoint REST que creaste usando código serverless, y luego usar el número resultante de segundos para configurar un temporizador.
+
+### Tarea - llamar a la función serverless para obtener el tiempo del temporizador
+
+Sigue la guía relevante para llamar al endpoint REST desde tu dispositivo IoT y configurar un temporizador para el tiempo requerido:
+
+* [Arduino - Wio Terminal](wio-terminal-set-timer.md)  
+* [Computadora de placa única - Raspberry Pi/Dispositivo IoT virtual](single-board-computer-set-timer.md)  
+
+## Convertir texto a voz
+
+El mismo servicio de voz que usaste para convertir voz a texto puede usarse para convertir texto de vuelta a voz, y esto puede reproducirse a través de un altavoz en tu dispositivo IoT. El texto a convertir se envía al servicio de voz, junto con el tipo de audio requerido (como la tasa de muestreo), y se devuelve un dato binario que contiene el audio.
+
+Cuando envías esta solicitud, lo haces utilizando *Lenguaje de Marcado de Síntesis de Voz* (SSML), un lenguaje de marcado basado en XML para aplicaciones de síntesis de voz. Esto define no solo el texto a convertir, sino también el idioma del texto, la voz a usar, e incluso puede usarse para definir velocidad, volumen y tono para algunas o todas las palabras en el texto.
+
+Por ejemplo, este SSML define una solicitud para convertir el texto "Tu temporizador de 3 minutos y 5 segundos ha sido configurado" a voz usando una voz en inglés británico llamada `en-GB-MiaNeural`
+
+```xml
+<speak version='1.0' xml:lang='en-GB'>
+    <voice xml:lang='en-GB' name='en-GB-MiaNeural'>
+        Your 3 minute 5 second time has been set
+    </voice>
+</speak>
+```
+
+> 💁 La mayoría de los sistemas de texto a voz tienen múltiples voces para diferentes idiomas, con acentos relevantes como una voz en inglés británico con acento inglés y una voz en inglés de Nueva Zelanda con acento neozelandés.
+
+### Tarea - convertir texto a voz
+
+Sigue la guía relevante para convertir texto a voz usando tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-text-to-speech.md)  
+* [Computadora de placa única - Raspberry Pi](pi-text-to-speech.md)  
+* [Computadora de placa única - Dispositivo virtual](virtual-device-text-to-speech.md)  
+
+---
+
+## 🚀 Desafío
+
+SSML tiene formas de cambiar cómo se pronuncian las palabras, como agregar énfasis a ciertas palabras, agregar pausas o cambiar el tono. Prueba algunas de estas opciones, enviando diferentes SSML desde tu dispositivo IoT y comparando los resultados. Puedes leer más sobre SSML, incluyendo cómo cambiar la forma en que se pronuncian las palabras en la [especificación de la Versión 1.1 del Lenguaje de Marcado de Síntesis de Voz (SSML) del consorcio World Wide Web](https://www.w3.org/TR/speech-synthesis11/).
+
+## Cuestionario posterior a la lección
+
+[Cuestionario posterior a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/46)
+
+## Revisión y autoestudio
+
+* Lee más sobre síntesis de voz en la [página de síntesis de voz en Wikipedia](https://wikipedia.org/wiki/Speech_synthesis)  
+* Lee más sobre cómo los delincuentes están utilizando la síntesis de voz para robar en la [noticia de la BBC sobre voces falsas que 'ayudan a los cibercriminales a robar dinero'](https://www.bbc.com/news/technology-48908736)  
+* Aprende más sobre los riesgos para los actores de voz por versiones sintetizadas de sus voces en el [artículo de Vice sobre cómo esta demanda de TikTok está destacando cómo la IA está perjudicando a los actores de voz](https://www.vice.com/en/article/z3xqwj/this-tiktok-lawsuit-is-highlighting-how-ai-is-screwing-over-voice-actors)  
+
+## Tarea
+
+[Cancelar el temporizador](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/3-spoken-feedback/assignment.md b/translations/es/6-consumer/lessons/3-spoken-feedback/assignment.md
new file mode 100644
index 00000000..a640dca0
--- /dev/null
+++ b/translations/es/6-consumer/lessons/3-spoken-feedback/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da5d9360fe02fdcc1e91a725016c846d",
+  "translation_date": "2025-08-26T15:29:41+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/assignment.md",
+  "language_code": "es"
+}
+-->
+# Cancelar el temporizador
+
+## Instrucciones
+
+En la tarea de la última lección, agregaste una intención de cancelar temporizador a LUIS. Para esta tarea, necesitas manejar esta intención en el código serverless, enviar un comando al dispositivo IoT y luego cancelar el temporizador.
+
+## Criterios de evaluación
+
+| Criterios | Sobresaliente | Adecuado | Necesita Mejorar |
+| --------- | ------------- | -------- | ----------------- |
+| Manejar la intención en el código serverless y enviar un comando | Fue capaz de manejar la intención y enviar un comando al dispositivo | Fue capaz de manejar la intención pero no pudo enviar el comando al dispositivo | No fue capaz de manejar la intención |
+| Cancelar el temporizador en el dispositivo | Fue capaz de recibir el comando y cancelar el temporizador | Fue capaz de recibir el comando pero no cancelar el temporizador | No fue capaz de recibir el comando |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md b/translations/es/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
new file mode 100644
index 00000000..0c2cd144
--- /dev/null
+++ b/translations/es/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
@@ -0,0 +1,156 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "606f3af1c78e3741e48ce77c31cea626",
+  "translation_date": "2025-08-26T15:30:53+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md",
+  "language_code": "es"
+}
+-->
+# Texto a voz - Raspberry Pi
+
+En esta parte de la lección, escribirás código para convertir texto a voz utilizando el servicio de voz.
+
+## Convertir texto a voz utilizando el servicio de voz
+
+El texto puede enviarse al servicio de voz utilizando la API REST para obtener un archivo de audio que puede reproducirse en tu dispositivo IoT. Al solicitar la conversión a voz, debes proporcionar la voz que se utilizará, ya que se puede generar voz utilizando una variedad de voces diferentes.
+
+Cada idioma admite una gama de voces distintas, y puedes realizar una solicitud REST al servicio de voz para obtener la lista de voces compatibles para cada idioma.
+
+### Tarea - obtener una voz
+
+1. Abre el proyecto `smart-timer` en VS Code.
+
+1. Agrega el siguiente código encima de la función `say` para solicitar la lista de voces para un idioma:
+
+    ```python
+    def get_voice():
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
+    
+        headers = {
+            'Authorization': 'Bearer ' + get_access_token()
+        }
+    
+        response = requests.get(url, headers=headers)
+        voices_json = json.loads(response.text)
+    
+        first_voice = next(x for x in voices_json if x['Locale'].lower() == language.lower() and x['VoiceType'] == 'Neural')
+        return first_voice['ShortName']
+    
+    voice = get_voice()
+    print(f'Using voice {voice}')
+    ```
+
+    Este código define una función llamada `get_voice` que utiliza el servicio de voz para obtener una lista de voces. Luego encuentra la primera voz que coincide con el idioma que se está utilizando.
+
+    Esta función se llama para almacenar la primera voz, y el nombre de la voz se imprime en la consola. Esta voz puede solicitarse una vez y el valor puede usarse en cada llamada para convertir texto a voz.
+
+    > 💁 Puedes obtener la lista completa de voces compatibles en la [documentación de soporte de idiomas y voces en Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech). Si deseas usar una voz específica, puedes eliminar esta función y codificar directamente el nombre de la voz desde esta documentación. Por ejemplo:
+    >
+    > ```python
+    > voice = 'hi-IN-SwaraNeural'
+    > ```
+
+### Tarea - convertir texto a voz
+
+1. Debajo de esto, define una constante para el formato de audio que se recuperará del servicio de voz. Cuando solicitas audio, puedes hacerlo en una variedad de formatos diferentes.
+
+    ```python
+    playback_format = 'riff-48khz-16bit-mono-pcm'
+    ```
+
+    El formato que puedes usar depende de tu hardware. Si obtienes errores de `Invalid sample rate` al reproducir el audio, cambia esto a otro valor. Puedes encontrar la lista de valores compatibles en la [documentación de la API REST de texto a voz en Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/rest-text-to-speech?WT.mc_id=academic-17441-jabenn#audio-outputs). Necesitarás usar audio en formato `riff`, y los valores que puedes probar son `riff-16khz-16bit-mono-pcm`, `riff-24khz-16bit-mono-pcm` y `riff-48khz-16bit-mono-pcm`.
+
+1. Debajo de esto, declara una función llamada `get_speech` que convertirá el texto a voz utilizando la API REST del servicio de voz:
+
+    ```python
+    def get_speech(text):
+    ```
+
+1. En la función `get_speech`, define la URL a la que llamar y los encabezados que se deben pasar:
+
+    ```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
+        }
+    ```
+
+    Esto configura los encabezados para usar un token de acceso generado, establece el contenido como SSML y define el formato de audio necesario.
+
+1. Debajo de esto, define el SSML que se enviará a la API REST:
+
+    ```python
+    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+    ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
+    ssml += text
+    ssml += '</voice>'
+    ssml += '</speak>'
+    ```
+
+    Este SSML establece el idioma y la voz a utilizar, junto con el texto a convertir.
+
+1. Finalmente, agrega código en esta función para realizar la solicitud REST y devolver los datos de audio binarios:
+
+    ```python
+    response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
+    return io.BytesIO(response.content)
+    ```
+
+### Tarea - reproducir el audio
+
+1. Debajo de la función `get_speech`, define una nueva función para reproducir el audio devuelto por la llamada a la API REST:
+
+    ```python
+    def play_speech(speech):
+    ```
+
+1. El `speech` pasado a esta función será el audio binario devuelto por la API REST. Usa el siguiente código para abrirlo como un archivo wave y pasarlo a PyAudio para reproducir el audio:
+
+    ```python
+    def play_speech(speech):
+        with wave.open(speech, 'rb') as wave_file:
+            stream = audio.open(format=audio.get_format_from_width(wave_file.getsampwidth()),
+                                channels=wave_file.getnchannels(),
+                                rate=wave_file.getframerate(),
+                                output_device_index=speaker_card_number,
+                                output=True)
+
+            data = wave_file.readframes(4096)
+
+            while len(data) > 0:
+                stream.write(data)
+                data = wave_file.readframes(4096)
+
+            stream.stop_stream()
+            stream.close()
+    ```
+
+    Este código utiliza un flujo de PyAudio, igual que al capturar audio. La diferencia aquí es que el flujo se configura como un flujo de salida, y los datos se leen del audio y se envían al flujo.
+
+    En lugar de codificar directamente los detalles del flujo, como la tasa de muestreo, estos se leen de los datos de audio.
+
+1. Reemplaza el contenido de la función `say` con lo siguiente:
+
+    ```python
+    speech = get_speech(text)
+    play_speech(speech)
+    ```
+
+    Este código convierte el texto a voz como datos de audio binarios y reproduce el audio.
+
+1. Ejecuta la aplicación y asegúrate de que la función de la aplicación también esté en ejecución. Configura algunos temporizadores y escucharás una respuesta hablada indicando que tu temporizador ha sido configurado, y luego otra respuesta hablada cuando el temporizador se complete.
+
+    Si obtienes errores de `Invalid sample rate`, cambia el `playback_format` como se describió anteriormente.
+
+> 💁 Puedes encontrar este código en la carpeta [code-spoken-response/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/pi).
+
+😀 ¡Tu programa de temporizador fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md b/translations/es/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
new file mode 100644
index 00000000..64635217
--- /dev/null
+++ b/translations/es/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
@@ -0,0 +1,140 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64ad4ddb4de81a18b7252e968f10b404",
+  "translation_date": "2025-08-26T15:28:05+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md",
+  "language_code": "es"
+}
+-->
+# Configurar un temporizador - Hardware IoT Virtual y Raspberry Pi
+
+En esta parte de la lección, llamarás a tu código sin servidor para interpretar el habla y configurar un temporizador en tu dispositivo IoT virtual o Raspberry Pi basado en los resultados.
+
+## Configurar un temporizador
+
+El texto que se obtiene de la llamada de reconocimiento de voz debe enviarse a tu código sin servidor para ser procesado por LUIS, obteniendo el número de segundos para el temporizador. Este número de segundos se puede usar para configurar un temporizador.
+
+Los temporizadores se pueden configurar utilizando la clase `threading.Timer` de Python. Esta clase toma un tiempo de retraso y una función, y después del tiempo de retraso, la función se ejecuta.
+
+### Tarea - enviar el texto a la función sin servidor
+
+1. Abre el proyecto `smart-timer` en VS Code y asegúrate de que el entorno virtual esté cargado en la terminal si estás utilizando un dispositivo IoT virtual.
+
+1. Encima de la función `process_text`, declara una función llamada `get_timer_time` para llamar al endpoint REST que creaste:
+
+    ```python
+    def get_timer_time(text):
+    ```
+
+1. Agrega el siguiente código a esta función para definir la URL que se llamará:
+
+    ```python
+    url = '<URL>'
+    ```
+
+    Reemplaza `<URL>` con la URL de tu endpoint REST que construiste en la última lección, ya sea en tu computadora o en la nube.
+
+1. Agrega el siguiente código para establecer el texto como una propiedad pasada como JSON en la llamada:
+
+    ```python
+    body = {
+        'text': text
+    }
+    
+    response = requests.post(url, json=body)
+    ```
+
+1. Debajo de esto, recupera los `seconds` del payload de la respuesta, devolviendo 0 si la llamada falló:
+
+    ```python
+    if response.status_code != 200:
+        return 0
+    
+    payload = response.json()
+    return payload['seconds']
+    ```
+
+    Las llamadas HTTP exitosas devuelven un código de estado en el rango de 200, y tu código sin servidor devuelve 200 si el texto fue procesado y reconocido como la intención de configurar un temporizador.
+
+### Tarea - configurar un temporizador en un hilo en segundo plano
+
+1. Agrega la siguiente declaración de importación al principio del archivo para importar la biblioteca de Python `threading`:
+
+    ```python
+    import threading
+    ```
+
+1. Encima de la función `process_text`, agrega una función para hablar una respuesta. Por ahora, esto solo escribirá en la consola, pero más adelante en esta lección, esto hablará el texto.
+
+    ```python
+    def say(text):
+        print(text)
+    ```
+
+1. Debajo de esto, agrega una función que será llamada por un temporizador para anunciar que el temporizador ha terminado:
+
+    ```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)
+    ```
+
+    Esta función toma el número de minutos y segundos del temporizador y construye una frase para decir que el temporizador ha terminado. Verificará el número de minutos y segundos, e incluirá cada unidad de tiempo solo si tiene un valor. Por ejemplo, si el número de minutos es 0, solo se incluirán los segundos en el mensaje. Esta frase se envía luego a la función `say`.
+
+1. Debajo de esto, agrega la siguiente función `create_timer` para crear un temporizador:
+
+    ```python
+    def create_timer(total_seconds):
+        minutes, seconds = divmod(total_seconds, 60)
+        threading.Timer(total_seconds, announce_timer, args=[minutes, seconds]).start()
+    ```
+
+    Esta función toma el número total de segundos para el temporizador que se enviará en el comando y lo convierte en minutos y segundos. Luego crea y comienza un objeto temporizador utilizando el número total de segundos, pasando la función `announce_timer` y una lista que contiene los minutos y segundos. Cuando el temporizador finaliza, llamará a la función `announce_timer` y pasará el contenido de esta lista como parámetros, de modo que el primer elemento de la lista se pase como el parámetro `minutes` y el segundo elemento como el parámetro `seconds`.
+
+1. Al final de la función `create_timer`, agrega algo de código para construir un mensaje que se le dirá al usuario para anunciar que el temporizador está comenzando:
+
+    ```python
+    announcement = ''
+    if minutes > 0:
+        announcement += f'{minutes} minute '
+    if seconds > 0:
+        announcement += f'{seconds} second '    
+    announcement += 'timer started.'
+    say(announcement)
+    ```
+
+    Nuevamente, esto solo incluye la unidad de tiempo que tiene un valor. Esta frase se envía luego a la función `say`.
+
+1. Agrega lo siguiente al final de la función `process_text` para obtener el tiempo del temporizador a partir del texto y luego crear el temporizador:
+
+    ```python
+    seconds = get_timer_time(text)
+    if seconds > 0:
+        create_timer(seconds)
+    ```
+
+    El temporizador solo se crea si el número de segundos es mayor que 0.
+
+1. Ejecuta la aplicación y asegúrate de que la aplicación de funciones también esté en ejecución. Configura algunos temporizadores y la salida mostrará que el temporizador se está configurando y luego mostrará cuando finaliza:
+
+    ```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.
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-timer/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/pi) o [code-timer/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/virtual-iot-device).
+
+😀 ¡Tu programa de temporizador fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md b/translations/es/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
new file mode 100644
index 00000000..c1888946
--- /dev/null
+++ b/translations/es/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
@@ -0,0 +1,88 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7966848a1f870e4c42edb4db67b13c57",
+  "translation_date": "2025-08-26T15:33:01+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md",
+  "language_code": "es"
+}
+-->
+# Texto a voz - Dispositivo IoT virtual
+
+En esta parte de la lección, escribirás código para convertir texto a voz utilizando el servicio de voz.
+
+## Convertir texto a voz
+
+El SDK de servicios de voz que utilizaste en la última lección para convertir voz a texto también puede ser usado para convertir texto a voz. Al solicitar la conversión a voz, necesitas proporcionar la voz que se utilizará, ya que la voz puede generarse utilizando una variedad de opciones diferentes.
+
+Cada idioma admite una gama de voces distintas, y puedes obtener la lista de voces compatibles para cada idioma desde el SDK de servicios de voz.
+
+### Tarea - convertir texto a voz
+
+1. Abre el proyecto `smart-timer` en VS Code y asegúrate de que el entorno virtual esté cargado en la terminal.
+
+1. Importa el `SpeechSynthesizer` del paquete `azure.cognitiveservices.speech` añadiéndolo a las importaciones existentes:
+
+    ```python
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer, SpeechSynthesizer
+    ```
+
+1. Encima de la función `say`, crea una configuración de voz para usar con el sintetizador de voz:
+
+    ```python
+    speech_config = SpeechConfig(subscription=speech_api_key,
+                                 region=location)
+    speech_config.speech_synthesis_language = language
+    speech_synthesizer = SpeechSynthesizer(speech_config=speech_config)
+    ```
+
+    Esto utiliza la misma clave de API, ubicación e idioma que se usaron con el reconocedor.
+
+1. Debajo de esto, agrega el siguiente código para obtener una voz y configurarla en la configuración de voz:
+
+    ```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
+    ```
+
+    Esto recupera una lista de todas las voces disponibles y luego encuentra la primera voz que coincide con el idioma que se está utilizando.
+
+    > 💁 Puedes obtener la lista completa de voces compatibles en la [documentación de soporte de idiomas y voces en Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech). Si deseas usar una voz específica, puedes eliminar esta función y codificar directamente el nombre de la voz desde esta documentación. Por ejemplo:
+    >
+    > ```python
+    > speech_config.speech_synthesis_voice_name = 'hi-IN-SwaraNeural'
+    > ```
+
+1. Actualiza el contenido de la función `say` para generar SSML para la respuesta:
+
+    ```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. Debajo de esto, detén el reconocimiento de voz, reproduce el SSML, y luego reinicia el reconocimiento:
+
+    ```python
+    recognizer.stop_continuous_recognition()
+    speech_synthesizer.speak_ssml(ssml)
+    recognizer.start_continuous_recognition()
+    ```
+
+    El reconocimiento se detiene mientras se reproduce el texto para evitar que el anuncio de inicio del temporizador sea detectado, enviado a LUIS y posiblemente interpretado como una solicitud para configurar un nuevo temporizador.
+
+    > 💁 Puedes probar esto comentando las líneas para detener y reiniciar el reconocimiento. Configura un temporizador y es posible que el anuncio configure un nuevo temporizador, lo que provoca un nuevo anuncio, que a su vez configura otro temporizador, y así sucesivamente indefinidamente.
+
+1. Ejecuta la aplicación y asegúrate de que la función de la aplicación también esté en ejecución. Configura algunos temporizadores y escucharás una respuesta hablada indicando que tu temporizador ha sido configurado, y luego otra respuesta hablada cuando el temporizador se complete.
+
+> 💁 Puedes encontrar este código en la carpeta [code-spoken-response/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/virtual-iot-device).
+
+😀 ¡Tu programa de temporizador fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md b/translations/es/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
new file mode 100644
index 00000000..aa1a9878
--- /dev/null
+++ b/translations/es/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
@@ -0,0 +1,301 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012b69d57d898d670adf61304f42a137",
+  "translation_date": "2025-08-26T15:30:12+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md",
+  "language_code": "es"
+}
+-->
+# Configurar un temporizador - Wio Terminal
+
+En esta parte de la lección, llamarás a tu código sin servidor para interpretar el habla y configurar un temporizador en tu Wio Terminal basado en los resultados.
+
+## Configurar un temporizador
+
+El texto que se obtiene de la llamada de conversión de voz a texto necesita ser enviado a tu código sin servidor para ser procesado por LUIS, devolviendo el número de segundos para el temporizador. Este número de segundos se puede usar para configurar un temporizador.
+
+Los microcontroladores no tienen soporte nativo para múltiples hilos en Arduino, por lo que no existen clases estándar de temporizador como las que podrías encontrar al programar en Python u otros lenguajes de alto nivel. En su lugar, puedes usar bibliotecas de temporizador que funcionan midiendo el tiempo transcurrido en la función `loop` y llamando a funciones cuando el tiempo se agota.
+
+### Tarea - enviar el texto a la función sin servidor
+
+1. Abre el proyecto `smart-timer` en VS Code si aún no está abierto.
+
+1. Abre el archivo de encabezado `config.h` y agrega la URL de tu aplicación de funciones:
+
+    ```cpp
+    const char *TEXT_TO_TIMER_FUNCTION_URL = "<URL>";
+    ```
+
+    Reemplaza `<URL>` con la URL de tu aplicación de funciones que obtuviste en el último paso de la lección anterior, apuntando a la dirección IP de tu máquina local que está ejecutando la aplicación de funciones.
+
+1. Crea un nuevo archivo en la carpeta `src` llamado `language_understanding.h`. Este se usará para definir una clase que enviará el habla reconocida a tu aplicación de funciones para convertirla en segundos usando LUIS.
+
+1. Agrega lo siguiente al inicio de este archivo:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClient.h>
+    
+    #include "config.h"
+    ```
+
+    Esto incluye algunos archivos de encabezado necesarios.
+
+1. Define una clase llamada `LanguageUnderstanding` y declara una instancia de esta clase:
+
+    ```cpp
+    class LanguageUnderstanding
+    {
+    public:
+    private:
+    };
+
+    LanguageUnderstanding languageUnderstanding;
+    ```
+
+1. Para llamar a tu aplicación de funciones, necesitas declarar un cliente WiFi. Agrega lo siguiente a la sección `private` de la clase:
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. En la sección `public`, declara un método llamado `GetTimerDuration` para llamar a la aplicación de funciones:
+
+    ```cpp
+    int GetTimerDuration(String text)
+    {
+    }
+    ```
+
+1. En el método `GetTimerDuration`, agrega el siguiente código para construir el JSON que se enviará a la aplicación de funciones:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    Esto convierte el texto pasado al método `GetTimerDuration` en el siguiente JSON:
+
+    ```json
+    {
+        "text" : "<text>"
+    }
+    ```
+
+    donde `<text>` es el texto pasado a la función.
+
+1. Debajo de esto, agrega el siguiente código para realizar la llamada a la aplicación de funciones:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_TIMER_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    Esto realiza una solicitud POST a la aplicación de funciones, pasando el cuerpo JSON y obteniendo el código de respuesta.
+
+1. Agrega el siguiente código debajo de esto:
+
+    ```cpp
+    int seconds = 0;
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonObject obj = doc.as<JsonObject>();
+        seconds = obj["seconds"].as<int>();
+    }
+    else
+    {
+        Serial.print("Failed to understand text - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    Este código verifica el código de respuesta. Si es 200 (éxito), entonces el número de segundos para el temporizador se obtiene del cuerpo de la respuesta. De lo contrario, se envía un error al monitor serial y el número de segundos se establece en 0.
+
+1. Agrega el siguiente código al final de este método para cerrar la conexión HTTP y devolver el número de segundos:
+
+    ```cpp
+    httpClient.end();
+
+    return seconds;
+    ```
+
+1. En el archivo `main.cpp`, incluye este nuevo encabezado:
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. Al final de la función `processAudio`, llama al método `GetTimerDuration` para obtener la duración del temporizador:
+
+    ```cpp
+    int total_seconds = languageUnderstanding.GetTimerDuration(text);
+    ```
+
+    Esto convierte el texto de la llamada a la clase `SpeechToText` en el número de segundos para el temporizador.
+
+### Tarea - configurar un temporizador
+
+El número de segundos se puede usar para configurar un temporizador.
+
+1. Agrega la siguiente dependencia de biblioteca al archivo `platformio.ini` para agregar una biblioteca para configurar un temporizador:
+
+    ```ini
+    contrem/arduino-timer @ 2.3.0
+    ```
+
+1. Agrega una directiva de inclusión para esta biblioteca al archivo `main.cpp`:
+
+    ```cpp
+    #include <arduino-timer.h>
+    ```
+
+1. Sobre la función `processAudio`, agrega el siguiente código:
+
+    ```cpp
+    auto timer = timer_create_default();
+    ```
+
+    Este código declara un temporizador llamado `timer`.
+
+1. Debajo de esto, agrega el siguiente código:
+
+    ```cpp
+    void say(String text)
+    {
+        Serial.print("Saying ");
+        Serial.println(text);
+    }
+    ```
+
+    Esta función `say` eventualmente convertirá texto a voz, pero por ahora solo escribirá el texto pasado en el monitor serial.
+
+1. Debajo de la función `say`, agrega el siguiente código:
+
+    ```cpp
+    bool timerExpired(void *announcement)
+    {
+        say((char *)announcement);
+        return false;
+    }
+    ```
+
+    Esta es una función de callback que se llamará cuando un temporizador expire. Se le pasa un mensaje para decir cuando el temporizador expire. Los temporizadores pueden repetirse, y esto se controla con el valor de retorno de este callback - este devuelve `false`, para indicar que el temporizador no debe ejecutarse nuevamente.
+
+1. Agrega el siguiente código al final de la función `processAudio`:
+
+    ```cpp
+    if (total_seconds == 0)
+    {
+        return;
+    }
+
+    int minutes = total_seconds / 60;
+    int seconds = total_seconds % 60;
+    ```
+
+    Este código verifica el número total de segundos, y si es 0, retorna de la llamada a la función para que no se configuren temporizadores. Luego convierte el número total de segundos en minutos y segundos.
+
+1. Debajo de este código, agrega lo siguiente para crear un mensaje que indique que el temporizador ha comenzado:
+
+    ```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. Debajo de esto, agrega un código similar para crear un mensaje que indique que el temporizador ha expirado:
+
+    ```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. Después de esto, di el mensaje de inicio del temporizador:
+
+    ```cpp
+    say(begin_message);
+    ```
+
+1. Al final de esta función, inicia el temporizador:
+
+    ```cpp
+    timer.in(total_seconds * 1000, timerExpired, (void *)(end_message.c_str()));
+    ```
+
+    Esto activa el temporizador. El temporizador se configura usando milisegundos, por lo que el número total de segundos se multiplica por 1,000 para convertirlo a milisegundos. La función `timerExpired` se pasa como el callback, y el `end_message` se pasa como un argumento para pasar al callback. Este callback solo acepta argumentos `void *`, por lo que la cadena se convierte adecuadamente.
+
+1. Finalmente, el temporizador necesita *tickear*, y esto se hace en la función `loop`. Agrega el siguiente código al final de la función `loop`:
+
+    ```cpp
+    timer.tick();
+    ```
+
+1. Compila este código, súbelo a tu Wio Terminal y pruébalo a través del monitor serial. Una vez que veas `Ready` en el monitor serial, presiona el botón C (el que está en el lado izquierdo, más cerca del interruptor de encendido) y habla. Se capturarán 4 segundos de audio, se convertirán a texto, luego se enviarán a tu aplicación de funciones y se configurará un temporizador. Asegúrate de que tu aplicación de funciones esté ejecutándose localmente.
+
+    Verás cuándo comienza el temporizador y cuándo termina.
+
+    ```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.
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code-timer/wio-terminal](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/wio-terminal).
+
+😀 ¡Tu programa de temporizador fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md b/translations/es/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
new file mode 100644
index 00000000..a0dfef6e
--- /dev/null
+++ b/translations/es/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
@@ -0,0 +1,535 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a202fa5889790a3777bfc33dd9f4b459",
+  "translation_date": "2025-08-26T15:32:01+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md",
+  "language_code": "es"
+}
+-->
+# Texto a voz - Wio Terminal
+
+En esta parte de la lección, convertirás texto a voz para proporcionar retroalimentación hablada.
+
+## Texto a voz
+
+El SDK de servicios de voz que utilizaste en la lección anterior para convertir voz a texto también puede usarse para convertir texto a voz.
+
+## Obtener una lista de voces
+
+Al solicitar voz, necesitas proporcionar la voz que se usará, ya que se puede generar utilizando una variedad de voces diferentes. Cada idioma admite un rango de voces distintas, y puedes obtener la lista de voces compatibles para cada idioma desde el SDK de servicios de voz. Aquí es donde entran en juego las limitaciones de los microcontroladores: la llamada para obtener la lista de voces compatibles con los servicios de texto a voz es un documento JSON de más de 77 KB, demasiado grande para ser procesado por el Wio Terminal. Al momento de escribir esto, la lista completa contiene 215 voces, cada una definida por un documento JSON como el siguiente:
+
+```json
+{
+    "Name": "Microsoft Server Speech Text to Speech Voice (en-US, AriaNeural)",
+    "DisplayName": "Aria",
+    "LocalName": "Aria",
+    "ShortName": "en-US-AriaNeural",
+    "Gender": "Female",
+    "Locale": "en-US",
+    "StyleList": [
+        "chat",
+        "customerservice",
+        "narration-professional",
+        "newscast-casual",
+        "newscast-formal",
+        "cheerful",
+        "empathetic"
+    ],
+    "SampleRateHertz": "24000",
+    "VoiceType": "Neural",
+    "Status": "GA"
+}
+```
+
+Este JSON corresponde a la voz **Aria**, que tiene múltiples estilos de voz. Todo lo que se necesita al convertir texto a voz es el nombre corto, `en-US-AriaNeural`.
+
+En lugar de descargar y decodificar esta lista completa en tu microcontrolador, necesitarás escribir algo de código sin servidor para recuperar la lista de voces para el idioma que estás utilizando y llamarlo desde tu Wio Terminal. Tu código puede entonces elegir una voz adecuada de la lista, como la primera que encuentre.
+
+### Tarea - crear una función sin servidor para obtener una lista de voces
+
+1. Abre tu proyecto `smart-timer-trigger` en VS Code y abre el terminal asegurándote de que el entorno virtual esté activado. Si no, cierra y vuelve a crear el terminal.
+
+1. Abre el archivo `local.settings.json` y agrega configuraciones para la clave de la API de voz y la ubicación:
+
+    ```json
+    "SPEECH_KEY": "<key>",
+    "SPEECH_LOCATION": "<location>"
+    ```
+
+    Sustituye `<key>` por la clave de la API de tu recurso de servicio de voz. Sustituye `<location>` por la ubicación que usaste al crear el recurso de servicio de voz.
+
+1. Agrega un nuevo disparador HTTP a esta aplicación llamado `get-voices` utilizando el siguiente comando desde el terminal de VS Code en la carpeta raíz del proyecto de la aplicación de funciones:
+
+    ```sh
+    func new --name get-voices --template "HTTP trigger"
+    ```
+
+    Esto creará un disparador HTTP llamado `get-voices`.
+
+1. Sustituye el contenido del archivo `__init__.py` en la carpeta `get-voices` con lo siguiente:
+
+    ```python
+    import json
+    import os
+    import requests
+    
+    import azure.functions as func
+    
+    def main(req: func.HttpRequest) -> func.HttpResponse:
+        location = os.environ['SPEECH_LOCATION']
+        speech_key = os.environ['SPEECH_KEY']
+    
+        req_body = req.get_json()
+        language = req_body['language']
+    
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
+    
+        headers = {
+            'Ocp-Apim-Subscription-Key': speech_key
+        }
+    
+        response = requests.get(url, headers=headers)
+        voices_json = json.loads(response.text)
+    
+        voices = filter(lambda x: x['Locale'].lower() == language.lower(), voices_json)
+        voices = map(lambda x: x['ShortName'], voices)
+    
+        return func.HttpResponse(json.dumps(list(voices)), status_code=200)
+    ```
+
+    Este código realiza una solicitud HTTP al endpoint para obtener las voces. Esta lista de voces es un gran bloque de JSON con voces para todos los idiomas, por lo que se filtran las voces para el idioma pasado en el cuerpo de la solicitud, luego se extrae el nombre corto y se devuelve como una lista JSON. El nombre corto es el valor necesario para convertir texto a voz, por lo que solo se devuelve este valor.
+
+    > 💁 Puedes cambiar el filtro según sea necesario para seleccionar solo las voces que desees.
+
+    Esto reduce el tamaño de los datos de 77 KB (al momento de escribir esto) a un documento JSON mucho más pequeño. Por ejemplo, para voces en inglés de EE. UU., esto es 408 bytes.
+
+1. Ejecuta tu aplicación de funciones localmente. Luego puedes llamarla usando una herramienta como curl de la misma manera que probaste tu disparador HTTP `text-to-timer`. Asegúrate de pasar tu idioma como un cuerpo JSON:
+
+    ```json
+    {
+        "language":"<language>"
+    }
+    ```
+
+    Sustituye `<language>` por tu idioma, como `en-GB` o `zh-CN`.
+
+> 💁 Puedes encontrar este código en la carpeta [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions).
+
+### Tarea - recuperar la voz desde tu Wio Terminal
+
+1. Abre el proyecto `smart-timer` en VS Code si aún no está abierto.
+
+1. Abre el archivo de encabezado `config.h` y agrega la URL de tu aplicación de funciones:
+
+    ```cpp
+    const char *GET_VOICES_FUNCTION_URL = "<URL>";
+    ```
+
+    Sustituye `<URL>` por la URL del disparador HTTP `get-voices` en tu aplicación de funciones. Esto será igual al valor de `TEXT_TO_TIMER_FUNCTION_URL`, excepto que el nombre de la función será `get-voices` en lugar de `text-to-timer`.
+
+1. Crea un nuevo archivo en la carpeta `src` llamado `text_to_speech.h`. Este se usará para definir una clase que convierta de texto a voz.
+
+1. Agrega las siguientes directivas de inclusión en la parte superior del nuevo archivo `text_to_speech.h`:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <Seeed_FS.h>
+    #include <SD/Seeed_SD.h>
+    #include <WiFiClient.h>
+    #include <WiFiClientSecure.h>
+    
+    #include "config.h"
+    #include "speech_to_text.h"
+    ```
+
+1. Agrega el siguiente código debajo para declarar la clase `TextToSpeech`, junto con una instancia que pueda usarse en el resto de la aplicación:
+
+    ```cpp
+    class TextToSpeech
+    {
+    public:
+    private:
+    };
+    
+    TextToSpeech textToSpeech;
+    ```
+
+1. Para llamar a tu aplicación de funciones, necesitas declarar un cliente WiFi. Agrega lo siguiente a la sección `private` de la clase:
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. En la sección `private`, agrega un campo para la voz seleccionada:
+
+    ```cpp
+    String _voice;
+    ```
+
+1. En la sección `public`, agrega una función `init` que obtendrá la primera voz:
+
+    ```cpp
+    void init()
+    {
+    }
+    ```
+
+1. Para obtener las voces, se necesita enviar un documento JSON a la aplicación de funciones con el idioma. Agrega el siguiente código a la función `init` para crear este documento JSON:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+1. Luego, crea un `HTTPClient` y úsalo para llamar a la aplicación de funciones para obtener las voces, enviando el documento JSON:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, GET_VOICES_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. Debajo de esto, agrega código para verificar el código de respuesta, y si es 200 (éxito), extrae la lista de voces, recuperando la primera de la lista:
+
+    ```cpp
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonArray obj = doc.as<JsonArray>();
+        _voice = obj[0].as<String>();
+
+        Serial.print("Using voice ");
+        Serial.println(_voice);
+    }
+    else
+    {
+        Serial.print("Failed to get voices - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+1. Después de esto, finaliza la conexión del cliente HTTP:
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. Abre el archivo `main.cpp` y agrega la siguiente directiva de inclusión en la parte superior para incluir este nuevo archivo de encabezado:
+
+    ```cpp
+    #include "text_to_speech.h"
+    ```
+
+1. En la función `setup`, debajo de la llamada a `speechToText.init();`, agrega lo siguiente para inicializar la clase `TextToSpeech`:
+
+    ```cpp
+    textToSpeech.init();
+    ```
+
+1. Compila este código, súbelo a tu Wio Terminal y pruébalo a través del monitor serial. Asegúrate de que tu aplicación de funciones esté en ejecución.
+
+    Verás la lista de voces disponibles devuelta por la aplicación de funciones, junto con la voz seleccionada.
+
+    ```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.
+    ```
+
+## Convertir texto a voz
+
+Una vez que tengas una voz para usar, esta puede usarse para convertir texto a voz. Las mismas limitaciones de memoria con las voces también se aplican al convertir texto a voz, por lo que necesitarás escribir el audio en una tarjeta SD para que pueda reproducirse a través del ReSpeaker.
+
+> 💁 En lecciones anteriores de este proyecto usaste memoria flash para almacenar el audio capturado desde el micrófono. Esta lección utiliza una tarjeta SD ya que es más fácil reproducir audio desde ella utilizando las bibliotecas de audio de Seeed.
+
+También hay otra limitación a considerar: los datos de audio disponibles desde el servicio de voz y los formatos que admite el Wio Terminal. A diferencia de las computadoras completas, las bibliotecas de audio para microcontroladores pueden ser muy limitadas en los formatos de audio que admiten. Por ejemplo, la biblioteca Seeed Arduino Audio que puede reproducir sonido a través del ReSpeaker solo admite audio con una frecuencia de muestreo de 44.1 kHz. Los servicios de voz de Azure pueden proporcionar audio en varios formatos, pero ninguno de ellos utiliza esta frecuencia de muestreo; solo proporcionan 8 kHz, 16 kHz, 24 kHz y 48 kHz. Esto significa que el audio necesita ser remuestreado a 44.1 kHz, algo que requeriría más recursos de los que tiene el Wio Terminal, especialmente memoria.
+
+Cuando se necesita manipular datos como este, a menudo es mejor usar código sin servidor, especialmente si los datos se obtienen a través de una llamada web. El Wio Terminal puede llamar a una función sin servidor, pasarle el texto a convertir, y la función sin servidor puede tanto llamar al servicio de voz para convertir texto a voz como remuestrear el audio a la frecuencia de muestreo requerida. Luego puede devolver el audio en el formato que el Wio Terminal necesita para almacenarlo en la tarjeta SD y reproducirlo a través del ReSpeaker.
+
+### Tarea - crear una función sin servidor para convertir texto a voz
+
+1. Abre tu proyecto `smart-timer-trigger` en VS Code y abre el terminal asegurándote de que el entorno virtual esté activado. Si no, cierra y vuelve a crear el terminal.
+
+1. Agrega un nuevo disparador HTTP a esta aplicación llamado `text-to-speech` utilizando el siguiente comando desde el terminal de VS Code en la carpeta raíz del proyecto de la aplicación de funciones:
+
+    ```sh
+    func new --name text-to-speech --template "HTTP trigger"
+    ```
+
+    Esto creará un disparador HTTP llamado `text-to-speech`.
+
+1. El paquete Pip [librosa](https://librosa.org) tiene funciones para remuestrear audio, así que agrégalo al archivo `requirements.txt`:
+
+    ```sh
+    librosa
+    ```
+
+    Una vez agregado, instala los paquetes Pip utilizando el siguiente comando desde el terminal de VS Code:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > ⚠️ Si estás utilizando Linux, incluido Raspberry Pi OS, es posible que necesites instalar `libsndfile` con el siguiente comando:
+    >
+    > ```sh
+    > sudo apt update
+    > sudo apt install libsndfile1-dev
+    > ```
+
+1. Para convertir texto a voz, no puedes usar directamente la clave de la API de voz; en su lugar, necesitas solicitar un token de acceso, utilizando la clave de la API para autenticar la solicitud del token de acceso. Abre el archivo `__init__.py` de la carpeta `text-to-speech` y reemplaza todo el código con lo siguiente:
+
+    ```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)
+    ```
+
+    Esto define constantes para la ubicación y la clave de voz que se leerán desde la configuración. Luego define la función `get_access_token` que recuperará un token de acceso para el servicio de voz.
+
+1. Debajo de este código, agrega lo siguiente:
+
+    ```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)
+    ```
+
+    Esto define el disparador HTTP que convierte el texto a voz. Extrae el texto a convertir, el idioma y la voz del cuerpo JSON enviado en la solicitud, construye un SSML para solicitar la voz, luego llama a la API REST correspondiente autenticándose con el token de acceso. Esta llamada a la API REST devuelve el audio codificado como un archivo WAV mono de 16 bits y 48 kHz, definido por el valor de `playback_format`, que se envía en la llamada a la API REST.
+
+    Luego, este audio es remuestreado por `librosa` de una frecuencia de muestreo de 48 kHz a una frecuencia de muestreo de 44.1 kHz, y este audio se guarda en un búfer binario que luego se devuelve.
+
+1. Ejecuta tu aplicación de funciones localmente o despliega en la nube. Luego puedes llamarla usando una herramienta como curl de la misma manera que probaste tu disparador HTTP `text-to-timer`. Asegúrate de pasar el idioma, la voz y el texto como cuerpo JSON:
+
+    ```json
+    {
+        "language": "<language>",
+        "voice": "<voice>",
+        "text": "<text>"
+    }
+    ```
+
+    Sustituye `<language>` por tu idioma, como `en-GB` o `zh-CN`. Sustituye `<voice>` por la voz que deseas usar. Sustituye `<text>` por el texto que deseas convertir a voz. Puedes guardar la salida en un archivo y reproducirlo con cualquier reproductor de audio que pueda reproducir archivos WAV.
+
+    Por ejemplo, para convertir "Hello" a voz usando inglés de EE. UU. con la voz Jenny Neural, con la aplicación de funciones ejecutándose localmente, puedes usar el siguiente comando curl:
+
+    ```sh
+    curl -X GET 'http://localhost:7071/api/text-to-speech' \
+         -H 'Content-Type: application/json' \
+         -o hello.wav \
+         -d '{
+           "language":"en-US",
+           "voice": "en-US-JennyNeural",
+           "text": "Hello"
+         }'
+    ```
+
+    Esto guardará el audio en `hello.wav` en el directorio actual.
+
+> 💁 Puedes encontrar este código en la carpeta [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions).
+
+### Tarea - recuperar el audio desde tu Wio Terminal
+
+1. Abre el proyecto `smart-timer` en VS Code si aún no está abierto.
+
+1. Abre el archivo de encabezado `config.h` y agrega la URL de tu aplicación de funciones:
+
+    ```cpp
+    const char *TEXT_TO_SPEECH_FUNCTION_URL = "<URL>";
+    ```
+
+    Sustituye `<URL>` por la URL del disparador HTTP `text-to-speech` en tu aplicación de funciones. Esto será igual al valor de `TEXT_TO_TIMER_FUNCTION_URL`, excepto que el nombre de la función será `text-to-speech` en lugar de `text-to-timer`.
+
+1. Abre el archivo de encabezado `text_to_speech.h` y agrega el siguiente método a la sección `public` de la clase `TextToSpeech`:
+
+    ```cpp
+    void convertTextToSpeech(String text)
+    {
+    }
+    ```
+
+1. En el método `convertTextToSpeech`, agrega el siguiente código para crear el JSON que se enviará a la aplicación de funciones:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+    doc["voice"] = _voice;
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    Esto escribe el idioma, la voz y el texto en el documento JSON, luego lo serializa a una cadena.
+
+1. Debajo de esto, agrega el siguiente código para llamar a la aplicación de funciones:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_SPEECH_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    Esto crea un `HTTPClient`, luego realiza una solicitud POST utilizando el documento JSON al disparador HTTP de texto a voz.
+
+1. Si la llamada funciona, los datos binarios crudos devueltos por la llamada a la aplicación de funciones pueden transmitirse a un archivo en la tarjeta SD. Agrega el siguiente código para hacer esto:
+
+    ```cpp
+    if (httpResponseCode == 200)
+    {            
+        File wav_file = SD.open("SPEECH.WAV", FILE_WRITE);
+        httpClient.writeToStream(&wav_file);
+        wav_file.close();
+    }
+    else
+    {
+        Serial.print("Failed to get speech - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    Este código verifica la respuesta, y si es 200 (éxito), los datos binarios se transmiten a un archivo en la raíz de la tarjeta SD llamado `SPEECH.WAV`.
+
+1. Al final de este método, cierra la conexión HTTP:
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. Ahora se puede convertir el texto a audio. En el archivo `main.cpp`, agrega la siguiente línea al final de la función `say` para convertir el texto a decir en audio:
+```cpp
+    textToSpeech.convertTextToSpeech(text);
+    ```
+
+### Tarea - reproducir audio desde tu Wio Terminal
+
+**Próximamente**
+
+## Implementar tu aplicación de funciones en la nube
+
+La razón para ejecutar la aplicación de funciones localmente es porque el paquete Pip `librosa` en Linux tiene una dependencia de una biblioteca que no está instalada por defecto y necesitará ser instalada antes de que la aplicación de funciones pueda ejecutarse. Las aplicaciones de funciones son sin servidor: no hay servidores que puedas gestionar tú mismo, por lo que no hay forma de instalar esta biblioteca de antemano.
+
+La manera de hacerlo es implementar tu aplicación de funciones utilizando un contenedor Docker. Este contenedor es desplegado por la nube cada vez que necesita iniciar una nueva instancia de tu aplicación de funciones (como cuando la demanda supera los recursos disponibles, o si la aplicación de funciones no se ha utilizado durante un tiempo y se ha cerrado).
+
+Puedes encontrar las instrucciones para configurar una aplicación de funciones e implementarla mediante Docker en la [documentación de Microsoft Docs sobre cómo crear una función en Linux usando un contenedor personalizado](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).
+
+Una vez que esto se haya implementado, puedes adaptar tu código de Wio Terminal para acceder a esta función:
+
+1. Agrega el certificado de Azure Functions a `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. Cambia todas las inclusiones de `<WiFiClient.h>` a `<WiFiClientSecure.h>`.
+
+1. Cambia todos los campos `WiFiClient` a `WiFiClientSecure`.
+
+1. En cada clase que tenga un campo `WiFiClientSecure`, agrega un constructor y establece el certificado en ese constructor:
+
+    ```cpp
+    _client.setCACert(FUNCTIONS_CERTIFICATE);
+    ```
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/4-multiple-language-support/README.md b/translations/es/6-consumer/lessons/4-multiple-language-support/README.md
new file mode 100644
index 00000000..66fa327a
--- /dev/null
+++ b/translations/es/6-consumer/lessons/4-multiple-language-support/README.md
@@ -0,0 +1,188 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c16de27b0074abe81d6a8bad5e5b1a6b",
+  "translation_date": "2025-08-26T15:21:46+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/README.md",
+  "language_code": "es"
+}
+-->
+# Soporte para múltiples idiomas
+
+![Resumen visual de esta lección](../../../../../translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.es.jpg)
+
+> Resumen visual por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+Este video ofrece una visión general de los servicios de voz de Azure, cubriendo la conversión de voz a texto y de texto a voz de lecciones anteriores, así como la traducción de voz, un tema tratado en esta lección:
+
+[![Reconociendo voz con unas pocas líneas de Python desde Microsoft Build 2020](https://img.youtube.com/vi/h6xbpMPSGEA/0.jpg)](https://www.youtube.com/watch?v=h6xbpMPSGEA)
+
+> 🎥 Haz clic en la imagen de arriba para ver el video
+
+## Cuestionario previo a la lección
+
+[Cuestionario previo a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/47)
+
+## Introducción
+
+En las últimas 3 lecciones aprendiste sobre la conversión de voz a texto, la comprensión del lenguaje y la conversión de texto a voz, todo impulsado por IA. Otra área de la comunicación humana en la que la IA puede ayudar es la traducción de idiomas: convertir de un idioma a otro, como del inglés al francés.
+
+En esta lección aprenderás a usar IA para traducir texto, permitiendo que tu temporizador inteligente interactúe con usuarios en múltiples idiomas.
+
+En esta lección cubriremos:
+
+* [Traducir texto](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Servicios de traducción](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Crear un recurso de traductor](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Soporte para múltiples idiomas en aplicaciones con traducciones](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Traducir texto usando un servicio de IA](../../../../../6-consumer/lessons/4-multiple-language-support)
+
+> 🗑 Esta es la última lección de este proyecto, así que después de completar esta lección y la tarea, no olvides limpiar tus servicios en la nube. Necesitarás los servicios para completar la tarea, así que asegúrate de terminarla primero.
+>
+> Consulta [la guía para limpiar tu proyecto](../../../clean-up.md) si necesitas instrucciones sobre cómo hacerlo.
+
+## Traducir texto
+
+La traducción de texto ha sido un problema de la informática investigado durante más de 70 años, y solo ahora, gracias a los avances en IA y potencia computacional, está cerca de resolverse a un nivel casi tan bueno como el de los traductores humanos.
+
+> 💁 Los orígenes se remontan aún más atrás, a [Al-Kindi](https://wikipedia.org/wiki/Al-Kindi), un criptógrafo árabe del siglo IX que desarrolló técnicas para la traducción de idiomas.
+
+### Traducciones automáticas
+
+La traducción de texto comenzó como una tecnología conocida como Traducción Automática (MT, por sus siglas en inglés), que puede traducir entre diferentes pares de idiomas. La MT funciona sustituyendo palabras en un idioma por otro, añadiendo técnicas para seleccionar las formas correctas de traducir frases o partes de oraciones cuando una simple traducción palabra por palabra no tiene sentido.
+
+> 🎓 Cuando los traductores admiten la traducción entre un idioma y otro, se conocen como *pares de idiomas*. Diferentes herramientas admiten diferentes pares de idiomas, y estos pueden no ser completos. Por ejemplo, un traductor puede admitir inglés a español como un par de idiomas, y español a italiano como otro par, pero no inglés a italiano.
+
+Por ejemplo, traducir "Hello world" del inglés al francés puede realizarse con una sustitución: "Bonjour" por "Hello" y "le monde" por "world", lo que lleva a la traducción correcta de "Bonjour le monde".
+
+Las sustituciones no funcionan cuando diferentes idiomas usan formas distintas de expresar lo mismo. Por ejemplo, la oración en inglés "My name is Jim" se traduce como "Je m'appelle Jim" en francés, que literalmente significa "Me llamo Jim". "Je" es "yo" en francés, "moi" es "me", pero se concatena con el verbo porque comienza con una vocal, convirtiéndose en "m'", "appelle" significa "llamar", y "Jim" no se traduce porque es un nombre y no una palabra traducible. El orden de las palabras también se convierte en un problema: una simple sustitución de "Je m'appelle Jim" se convierte en "I myself call Jim", con un orden de palabras diferente al inglés.
+
+> 💁 Algunas palabras nunca se traducen: mi nombre es Jim independientemente del idioma que se use para presentarme. Al traducir a idiomas que usan alfabetos diferentes o letras distintas para sonidos específicos, las palabras pueden ser *transliteradas*, es decir, se seleccionan letras o caracteres que producen el sonido adecuado para sonar igual que la palabra original.
+
+Los modismos también son un problema para la traducción. Estas son frases cuyo significado entendido es diferente de una interpretación literal de las palabras. Por ejemplo, en inglés el modismo "I've got ants in my pants" no se refiere literalmente a tener hormigas en la ropa, sino a estar inquieto. Si traduces esto al alemán, confundirías al oyente, ya que la versión alemana es "Ich habe Hummeln im Hintern" (Tengo abejorros en el trasero).
+
+> 💁 Diferentes regiones añaden complejidades adicionales. Con el modismo "ants in your pants", en inglés americano "pants" se refiere a ropa exterior, mientras que en inglés británico "pants" significa ropa interior.
+
+✅ Si hablas varios idiomas, piensa en algunas frases que no se traduzcan directamente.
+
+Los sistemas de traducción automática dependen de grandes bases de datos de reglas que describen cómo traducir ciertas frases y modismos, junto con métodos estadísticos para elegir las traducciones más apropiadas entre las opciones posibles. Estos métodos estadísticos utilizan enormes bases de datos de obras traducidas por humanos a múltiples idiomas para seleccionar la traducción más probable, una técnica llamada *traducción automática estadística*. Muchas de estas técnicas usan representaciones intermedias del idioma, permitiendo que un idioma se traduzca al intermedio y luego del intermedio a otro idioma. De esta manera, agregar más idiomas implica traducciones hacia y desde el intermedio, en lugar de hacia y desde todos los demás idiomas.
+
+### Traducciones neuronales
+
+Las traducciones neuronales utilizan el poder de la IA para traducir, generalmente traduciendo oraciones completas con un solo modelo. Estos modelos se entrenan con enormes conjuntos de datos traducidos por humanos, como páginas web, libros y documentación de las Naciones Unidas.
+
+Los modelos de traducción neuronal suelen ser más pequeños que los modelos de traducción automática, ya que no necesitan grandes bases de datos de frases y modismos. Los servicios modernos de IA que ofrecen traducciones a menudo combinan múltiples técnicas, mezclando traducción automática estadística y traducción neuronal.
+
+No existe una traducción 1:1 para ningún par de idiomas. Diferentes modelos de traducción producirán resultados ligeramente diferentes dependiendo de los datos utilizados para entrenar el modelo. Las traducciones no siempre son simétricas: si traduces una oración de un idioma a otro y luego de vuelta al idioma original, es posible que obtengas una oración ligeramente diferente como resultado.
+
+✅ Prueba diferentes traductores en línea como [Bing Translate](https://www.bing.com/translator), [Google Translate](https://translate.google.com) o la aplicación de traducción de Apple. Compara las versiones traducidas de algunas oraciones. También intenta traducir en uno y luego volver a traducir en otro.
+
+## Servicios de traducción
+
+Existen varios servicios de IA que puedes usar en tus aplicaciones para traducir voz y texto.
+
+### Servicio de voz de Cognitive Services
+
+![El logotipo del servicio de voz](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.es.png)
+
+El servicio de voz que has estado utilizando en las últimas lecciones tiene capacidades de traducción para el reconocimiento de voz. Cuando reconoces voz, puedes solicitar no solo el texto de la voz en el mismo idioma, sino también en otros idiomas.
+
+> 💁 Esto solo está disponible desde el SDK de voz; la API REST no tiene traducciones integradas.
+
+### Servicio de traductor de Cognitive Services
+
+![El logotipo del servicio de traductor](../../../../../translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.es.png)
+
+El servicio de traductor es un servicio dedicado que puede traducir texto de un idioma a uno o más idiomas de destino. Además de traducir, admite una amplia gama de funciones adicionales, como enmascarar lenguaje ofensivo. También te permite proporcionar una traducción específica para una palabra o frase en particular, trabajar con términos que no deseas traducir o tener una traducción específica bien conocida.
+
+Por ejemplo, al traducir la frase "I have a Raspberry Pi", refiriéndose a la computadora de placa única, a otro idioma como el francés, querrías mantener el nombre "Raspberry Pi" tal cual y no traducirlo, obteniendo "J’ai un Raspberry Pi" en lugar de "J’ai une pi aux framboises".
+
+## Crear un recurso de traductor
+
+Para esta lección necesitarás un recurso de traductor. Usarás la API REST para traducir texto.
+
+### Tarea - crear un recurso de traductor
+
+1. Desde tu terminal o línea de comandos, ejecuta el siguiente comando para crear un recurso de traductor en tu grupo de recursos `smart-timer`.
+
+    ```sh
+    az cognitiveservices account create --name smart-timer-translator \
+                                        --resource-group smart-timer \
+                                        --kind TextTranslation \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Sustituye `<location>` por la ubicación que usaste al crear el grupo de recursos.
+
+1. Obtén la clave para el servicio de traductor:
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer-translator \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    Copia una de las claves.
+
+## Soporte para múltiples idiomas en aplicaciones con traducciones
+
+En un mundo ideal, toda tu aplicación debería entender tantos idiomas diferentes como sea posible, desde escuchar voz, hasta comprender el lenguaje y responder con voz. Esto implica mucho trabajo, por lo que los servicios de traducción pueden acelerar el tiempo de entrega de tu aplicación.
+
+![Arquitectura de un temporizador inteligente traduciendo japonés a inglés, procesando en inglés y luego traduciendo de vuelta a japonés](../../../../../translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.es.png)
+
+Imagina que estás construyendo un temporizador inteligente que usa inglés de principio a fin, comprendiendo inglés hablado y convirtiéndolo a texto, ejecutando la comprensión del lenguaje en inglés, creando respuestas en inglés y respondiendo con voz en inglés. Si quisieras agregar soporte para japonés, podrías comenzar traduciendo japonés hablado a texto en inglés, luego mantener el núcleo de la aplicación igual, y finalmente traducir el texto de respuesta al japonés antes de hablar la respuesta. Esto te permitiría agregar soporte para japonés rápidamente, y podrías expandirlo para proporcionar soporte completo de principio a fin en japonés más adelante.
+
+> 💁 La desventaja de depender de la traducción automática es que diferentes idiomas y culturas tienen formas distintas de expresar lo mismo, por lo que la traducción puede no coincidir con la expresión que esperas.
+
+Las traducciones automáticas también abren posibilidades para aplicaciones y dispositivos que pueden traducir contenido creado por los usuarios a medida que se crea. La ciencia ficción a menudo presenta "traductores universales", dispositivos que pueden traducir de idiomas alienígenas a (típicamente) inglés americano. Estos dispositivos son menos ciencia ficción y más ciencia real, si ignoramos la parte de los alienígenas. Ya existen aplicaciones y dispositivos que proporcionan traducción en tiempo real de voz y texto escrito, utilizando combinaciones de servicios de voz y traducción.
+
+Un ejemplo es la aplicación para teléfonos móviles [Microsoft Translator](https://www.microsoft.com/translator/apps/?WT.mc_id=academic-17441-jabenn), demostrada en este video:
+
+[![Función en vivo de Microsoft Translator en acción](https://img.youtube.com/vi/16yAGeP2FuM/0.jpg)](https://www.youtube.com/watch?v=16yAGeP2FuM)
+
+> 🎥 Haz clic en la imagen de arriba para ver el video
+
+Imagina tener un dispositivo así disponible, especialmente al viajar o interactuar con personas cuyo idioma no conoces. Tener dispositivos de traducción automática en aeropuertos u hospitales proporcionaría mejoras muy necesarias en accesibilidad.
+
+✅ Investiga: ¿Existen dispositivos IoT de traducción disponibles comercialmente? ¿Qué hay de capacidades de traducción integradas en dispositivos inteligentes?
+
+> 👽 Aunque no existen verdaderos traductores universales que nos permitan hablar con alienígenas, el [traductor de Microsoft admite klingon](https://www.microsoft.com/translator/blog/2013/05/14/announcing-klingon-for-bing-translator/?WT.mc_id=academic-17441-jabenn). ¡Qapla’!
+
+## Traducir texto usando un servicio de IA
+
+Puedes usar un servicio de IA para agregar esta capacidad de traducción a tu temporizador inteligente.
+
+### Tarea - traducir texto usando un servicio de IA
+
+Sigue la guía correspondiente para traducir texto en tu dispositivo IoT:
+
+* [Arduino - Wio Terminal](wio-terminal-translate-speech.md)
+* [Computadora de placa única - Raspberry Pi](pi-translate-speech.md)
+* [Computadora de placa única - Dispositivo virtual](virtual-device-translate-speech.md)
+
+---
+
+## 🚀 Desafío
+
+¿Cómo pueden las traducciones automáticas beneficiar a otras aplicaciones de IoT más allá de los dispositivos inteligentes? Piensa en diferentes formas en que las traducciones pueden ayudar, no solo con palabras habladas, sino también con texto.
+
+## Cuestionario posterior a la lección
+
+[Cuestionario posterior a la lección](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/48)
+
+## Revisión y autoestudio
+
+* Lee más sobre la traducción automática en la [página de traducción automática en Wikipedia](https://wikipedia.org/wiki/Machine_translation)
+* Lee más sobre la traducción automática neuronal en la [página de traducción automática neuronal en Wikipedia](https://wikipedia.org/wiki/Neural_machine_translation)
+* Consulta la lista de idiomas admitidos por los servicios de voz de Microsoft en la [documentación de soporte de idiomas y voces para el servicio de voz en Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn)
+
+## Tarea
+
+[Construye un traductor universal](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/4-multiple-language-support/assignment.md b/translations/es/6-consumer/lessons/4-multiple-language-support/assignment.md
new file mode 100644
index 00000000..4e93d5e6
--- /dev/null
+++ b/translations/es/6-consumer/lessons/4-multiple-language-support/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "701f4a4466f9309b6e1d863077df0c06",
+  "translation_date": "2025-08-26T15:22:38+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/assignment.md",
+  "language_code": "es"
+}
+-->
+# Construir un traductor universal
+
+## Instrucciones
+
+Un traductor universal es un dispositivo que puede traducir entre múltiples idiomas, permitiendo que personas que hablan diferentes idiomas puedan comunicarse. Usa lo que has aprendido en las últimas lecciones para construir un traductor universal utilizando 2 dispositivos IoT.
+
+> Si no tienes 2 dispositivos, sigue los pasos de las lecciones anteriores para configurar un dispositivo IoT virtual como uno de los dispositivos IoT.
+
+Deberías configurar un dispositivo para un idioma y otro para otro idioma. Cada dispositivo debe aceptar voz, convertirla a texto, enviarla al otro dispositivo a través de IoT Hub y una aplicación de Functions, luego traducirla y reproducir el discurso traducido.
+
+> 💁 Consejo: Al enviar el discurso de un dispositivo a otro, envía también el idioma en el que está, facilitando la traducción. Incluso podrías hacer que cada dispositivo se registre usando IoT Hub y una aplicación de Functions primero, pasando el idioma que soportan para almacenarlo en Azure Storage. Luego podrías usar una aplicación de Functions para realizar las traducciones, enviando el texto traducido al dispositivo IoT.
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejorar |
+| --------- | -------- | -------- | ---------------- |
+| Crear un traductor universal | Fue capaz de construir un traductor universal, convirtiendo el discurso detectado por un dispositivo en discurso reproducido por otro dispositivo en un idioma diferente | Fue capaz de hacer funcionar algunos componentes, como capturar voz o traducir, pero no logró construir la solución completa de principio a fin | No fue capaz de construir ninguna parte de un traductor universal funcional |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/es/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
new file mode 100644
index 00000000..b4570f0b
--- /dev/null
+++ b/translations/es/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
@@ -0,0 +1,164 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bbb5aa34221fe129dd3ce4d9ec33831a",
+  "translation_date": "2025-08-26T15:23:09+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md",
+  "language_code": "es"
+}
+-->
+# Traducir discurso - Raspberry Pi
+
+En esta parte de la lección, escribirás código para traducir texto utilizando el servicio de traducción.
+
+## Convertir texto a discurso usando el servicio de traducción
+
+La API REST del servicio de voz no admite traducciones directas; en su lugar, puedes usar el servicio de Traducción para traducir el texto generado por el servicio de voz a texto, así como el texto de la respuesta hablada. Este servicio tiene una API REST que puedes usar para traducir el texto.
+
+### Tarea - usar el recurso de traducción para traducir texto
+
+1. Tu temporizador inteligente tendrá configurados 2 idiomas: el idioma del servidor que se utilizó para entrenar LUIS (el mismo idioma también se usa para construir los mensajes que se le hablarán al usuario) y el idioma hablado por el usuario. Actualiza la variable `language` para que sea el idioma que hablará el usuario, y agrega una nueva variable llamada `server_language` para el idioma utilizado para entrenar LUIS:
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    Sustituye `<user language>` por el nombre de la configuración regional del idioma que hablarás, por ejemplo, `fr-FR` para francés o `zn-HK` para cantonés.
+
+    Sustituye `<server language>` por el nombre de la configuración regional del idioma utilizado para entrenar LUIS.
+
+    Puedes encontrar una lista de los idiomas admitidos y sus nombres de configuración regional en la [documentación de soporte de idiomas y voces en Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 Si no hablas varios idiomas, puedes usar un servicio como [Bing Translate](https://www.bing.com/translator) o [Google Translate](https://translate.google.com) para traducir de tu idioma preferido a otro idioma de tu elección. Estos servicios también pueden reproducir audio del texto traducido.
+    >
+    > Por ejemplo, si entrenas LUIS en inglés pero deseas usar francés como idioma del usuario, puedes traducir frases como "set a 2 minute and 27 second timer" del inglés al francés usando Bing Translate, y luego usar el botón **Escuchar traducción** para hablar la traducción en tu micrófono.
+    >
+    > ![El botón de escuchar traducción en Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.es.png)
+
+1. Agrega la clave de la API del traductor debajo de `speech_api_key`:
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    Sustituye `<key>` por la clave de la API de tu recurso del servicio de traducción.
+
+1. Encima de la función `say`, define una función `translate_text` que traduzca texto del idioma del servidor al idioma del usuario:
+
+    ```python
+    def translate_text(text, from_language, to_language):
+    ```
+
+    Los idiomas de origen y destino se pasan a esta función: tu aplicación necesita convertir del idioma del usuario al idioma del servidor al reconocer el habla, y del idioma del servidor al idioma del usuario al proporcionar retroalimentación hablada.
+
+1. Dentro de esta función, define la URL y los encabezados para la llamada a la API REST:
+
+    ```python
+    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+
+    headers = {
+        'Ocp-Apim-Subscription-Key': translator_api_key,
+        'Ocp-Apim-Subscription-Region': location,
+        'Content-type': 'application/json'
+    }
+    ```
+
+    La URL para esta API no es específica de la ubicación; en su lugar, la ubicación se pasa como un encabezado. La clave de la API se usa directamente, por lo que, a diferencia del servicio de voz, no es necesario obtener un token de acceso de la API emisora de tokens.
+
+1. Debajo de esto, define los parámetros y el cuerpo para la llamada:
+
+    ```python
+    params = {
+        'from': from_language,
+        'to': to_language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    Los `params` definen los parámetros que se pasarán a la llamada de la API, especificando los idiomas de origen y destino. Esta llamada traducirá el texto del idioma `from` al idioma `to`.
+
+    El `body` contiene el texto a traducir. Es un arreglo, ya que se pueden traducir múltiples bloques de texto en la misma llamada.
+
+1. Realiza la llamada a la API REST y obtén la respuesta:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    La respuesta que se recibe es un arreglo JSON, con un elemento que contiene las traducciones. Este elemento tiene un arreglo con las traducciones de todos los elementos pasados en el cuerpo.
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Set a 2 minute 27 second timer.",
+                    "to": "en"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. Devuelve la propiedad `text` de la primera traducción del primer elemento en el arreglo:
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. Actualiza el bucle `while True` para traducir el texto de la llamada a `convert_speech_to_text` del idioma del usuario al idioma del servidor:
+
+    ```python
+    if len(text) > 0:
+        print('Original:', text)
+        text = translate_text(text, language, server_language)
+        print('Translated:', text)
+
+        message = Message(json.dumps({ 'speech': text }))
+        device_client.send_message(message)
+    ```
+
+    Este código también imprime las versiones original y traducida del texto en la consola.
+
+1. Actualiza la función `say` para traducir el texto a decir del idioma del servidor al idioma del usuario:
+
+    ```python
+    def say(text):
+        print('Original:', text)
+        text = translate_text(text, server_language, language)
+        print('Translated:', text)
+        speech = get_speech(text)
+        play_speech(speech)
+    ```
+
+    Este código también imprime las versiones original y traducida del texto en la consola.
+
+1. Ejecuta tu código. Asegúrate de que tu aplicación de funciones esté en ejecución y solicita un temporizador en el idioma del usuario, ya sea hablando ese idioma tú mismo o usando una aplicación de traducción.
+
+    ```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.
+    ```
+
+    > 💁 Debido a las diferentes formas de decir algo en distintos idiomas, es posible que obtengas traducciones ligeramente diferentes a los ejemplos que diste a LUIS. Si este es el caso, agrega más ejemplos a LUIS, vuelve a entrenar y luego vuelve a publicar el modelo.
+
+> 💁 Puedes encontrar este código en la carpeta [code/pi](../../../../../6-consumer/lessons/4-multiple-language-support/code/pi).
+
+😀 ¡Tu programa de temporizador multilingüe fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/es/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
new file mode 100644
index 00000000..33c62b82
--- /dev/null
+++ b/translations/es/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
@@ -0,0 +1,204 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d620a470d9dd8614d99824832978360a",
+  "translation_date": "2025-08-26T15:23:53+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md",
+  "language_code": "es"
+}
+-->
+# Traducir voz - Dispositivo IoT Virtual
+
+En esta parte de la lección, escribirás código para traducir voz al convertirla en texto utilizando el servicio de voz, luego traducirás el texto usando el servicio de Traducción antes de generar una respuesta hablada.
+
+## Usar el servicio de voz para traducir voz
+
+El servicio de voz puede tomar voz y no solo convertirla en texto en el mismo idioma, sino también traducir el resultado a otros idiomas.
+
+### Tarea - usar el servicio de voz para traducir voz
+
+1. Abre el proyecto `smart-timer` en VS Code y asegúrate de que el entorno virtual esté cargado en la terminal.
+
+1. Agrega las siguientes declaraciones de importación debajo de las importaciones existentes:
+
+    ```python
+    from azure.cognitiveservices import speech
+    from azure.cognitiveservices.speech.translation import SpeechTranslationConfig, TranslationRecognizer
+    import requests
+    ```
+
+    Esto importa las clases utilizadas para traducir voz y una biblioteca `requests` que se usará para realizar una llamada al servicio de Traducción más adelante en esta lección.
+
+1. Tu temporizador inteligente tendrá 2 idiomas configurados: el idioma del servidor que se utilizó para entrenar LUIS (el mismo idioma también se utiliza para construir los mensajes que se le hablarán al usuario) y el idioma hablado por el usuario. Actualiza la variable `language` para que sea el idioma que hablará el usuario y agrega una nueva variable llamada `server_language` para el idioma utilizado para entrenar LUIS:
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    Reemplaza `<user language>` con el nombre de la configuración regional del idioma que hablarás, por ejemplo, `fr-FR` para francés o `zn-HK` para cantonés.
+
+    Reemplaza `<server language>` con el nombre de la configuración regional del idioma utilizado para entrenar LUIS.
+
+    Puedes encontrar una lista de los idiomas compatibles y sus nombres de configuración regional en la [documentación de soporte de idiomas y voces en Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 Si no hablas varios idiomas, puedes usar un servicio como [Bing Translate](https://www.bing.com/translator) o [Google Translate](https://translate.google.com) para traducir de tu idioma preferido a un idioma de tu elección. Estos servicios pueden reproducir audio del texto traducido. Ten en cuenta que el reconocedor de voz ignorará parte del audio de salida de tu dispositivo, por lo que es posible que necesites usar un dispositivo adicional para reproducir el texto traducido.
+    >
+    > Por ejemplo, si entrenas LUIS en inglés pero deseas usar francés como idioma del usuario, puedes traducir frases como "set a 2 minute and 27 second timer" del inglés al francés usando Bing Translate, luego usar el botón **Escuchar traducción** para hablar la traducción en tu micrófono.
+    >
+    > ![El botón escuchar traducción en Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.es.png)
+
+1. Reemplaza las declaraciones `recognizer_config` y `recognizer` con lo siguiente:
+
+    ```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)
+    ```
+
+    Esto crea una configuración de traducción para reconocer voz en el idioma del usuario y generar traducciones en el idioma del usuario y del servidor. Luego utiliza esta configuración para crear un reconocedor de traducción: un reconocedor de voz que puede traducir el resultado del reconocimiento de voz a múltiples idiomas.
+
+    > 💁 El idioma original debe especificarse en `target_languages`, de lo contrario no obtendrás ninguna traducción.
+
+1. Actualiza la función `recognized`, reemplazando todo el contenido de la función con lo siguiente:
+
+    ```python
+    if args.result.reason == speech.ResultReason.TranslatedSpeech:
+        language_match = next(l for l in args.result.translations if server_language.lower().startswith(l.lower()))
+        text = args.result.translations[language_match]
+        if (len(text) > 0):
+            print(f'Translated text: {text}')
+    
+            message = Message(json.dumps({ 'speech': text }))
+            device_client.send_message(message)
+    ```
+
+    Este código verifica si el evento reconocido se activó porque la voz fue traducida (este evento puede activarse en otros momentos, como cuando la voz es reconocida pero no traducida). Si la voz fue traducida, encuentra la traducción en el diccionario `args.result.translations` que coincide con el idioma del servidor.
+
+    El diccionario `args.result.translations` está indexado por la parte del idioma de la configuración regional, no por toda la configuración. Por ejemplo, si solicitas una traducción a `fr-FR` para francés, el diccionario contendrá una entrada para `fr`, no para `fr-FR`.
+
+    Luego, el texto traducido se envía al IoT Hub.
+
+1. Ejecuta este código para probar las traducciones. Asegúrate de que tu aplicación de funciones esté en ejecución y solicita un temporizador en el idioma del usuario, ya sea hablando ese idioma tú mismo o utilizando una aplicación de traducción.
+
+    ```output
+    (.venv) ➜  smart-timer python app.py
+    Connecting
+    Connected
+    Translated text: Set a timer of 2 minutes and 27 seconds.
+    ```
+
+## Traducir texto usando el servicio de traducción
+
+El servicio de voz no admite la traducción de texto de vuelta a voz, en su lugar puedes usar el servicio de Traducción para traducir el texto. Este servicio tiene una API REST que puedes usar para traducir el texto.
+
+### Tarea - usar el recurso de traducción para traducir texto
+
+1. Agrega la clave de la API de traducción debajo de `speech_api_key`:
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    Reemplaza `<key>` con la clave de API para tu recurso de servicio de traducción.
+
+1. Encima de la función `say`, define una función `translate_text` que traducirá texto del idioma del servidor al idioma del usuario:
+
+    ```python
+    def translate_text(text):
+    ```
+
+1. Dentro de esta función, define la URL y los encabezados para la llamada a la API REST:
+
+    ```python
+    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+
+    headers = {
+        'Ocp-Apim-Subscription-Key': translator_api_key,
+        'Ocp-Apim-Subscription-Region': location,
+        'Content-type': 'application/json'
+    }
+    ```
+
+    La URL para esta API no es específica de la ubicación, en su lugar la ubicación se pasa como un encabezado. La clave de API se utiliza directamente, por lo que, a diferencia del servicio de voz, no es necesario obtener un token de acceso de la API emisora de tokens.
+
+1. Debajo de esto, define los parámetros y el cuerpo para la llamada:
+
+    ```python
+    params = {
+        'from': server_language,
+        'to': language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    Los `params` definen los parámetros para pasar a la llamada de la API, pasando los idiomas de origen y destino. Esta llamada traducirá texto en el idioma `from` al idioma `to`.
+
+    El `body` contiene el texto a traducir. Esto es un arreglo, ya que se pueden traducir múltiples bloques de texto en la misma llamada.
+
+1. Realiza la llamada a la API REST y obtén la respuesta:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    La respuesta que regresa es un arreglo JSON, con un elemento que contiene las traducciones. Este elemento tiene un arreglo para las traducciones de todos los elementos pasados en el cuerpo.
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Chronométrant votre minuterie de 2 minutes 27 secondes.",
+                    "to": "fr"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. Devuelve la propiedad `text` de la primera traducción del primer elemento en el arreglo:
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. Actualiza la función `say` para traducir el texto antes de que se genere el SSML:
+
+    ```python
+    print('Original:', text)
+    text = translate_text(text)
+    print('Translated:', text)
+    ```
+
+    Este código también imprime las versiones original y traducida del texto en la consola.
+
+1. Ejecuta tu código. Asegúrate de que tu aplicación de funciones esté en ejecución y solicita un temporizador en el idioma del usuario, ya sea hablando ese idioma tú mismo o utilizando una aplicación de traducción.
+
+    ```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.
+    ```
+
+    > 💁 Debido a las diferentes formas de decir algo en diferentes idiomas, es posible que obtengas traducciones que sean ligeramente diferentes a los ejemplos que diste a LUIS. Si este es el caso, agrega más ejemplos a LUIS, vuelve a entrenar y luego vuelve a publicar el modelo.
+
+> 💁 Puedes encontrar este código en la carpeta [code/virtual-iot-device](../../../../../6-consumer/lessons/4-multiple-language-support/code/virtual-iot-device).
+
+😀 ¡Tu programa de temporizador multilingüe fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/es/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
new file mode 100644
index 00000000..2a83c816
--- /dev/null
+++ b/translations/es/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
@@ -0,0 +1,284 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f6c164e349f8989959e02a90f37908d",
+  "translation_date": "2025-08-26T15:20:39+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md",
+  "language_code": "es"
+}
+-->
+# Traducir discurso - Wio Terminal
+
+En esta parte de la lección, escribirás código para traducir texto utilizando el servicio de traducción.
+
+## Convertir texto a discurso utilizando el servicio de traducción
+
+La API REST del servicio de discurso no admite traducciones directas. En su lugar, puedes usar el servicio de Traducción para traducir el texto generado por el servicio de discurso a texto y el texto de la respuesta hablada. Este servicio tiene una API REST que puedes usar para traducir el texto, pero para facilitar su uso, se envolverá en otro disparador HTTP en tu aplicación de funciones.
+
+### Tarea - crear una función sin servidor para traducir texto
+
+1. Abre tu proyecto `smart-timer-trigger` en VS Code y abre la terminal asegurándote de que el entorno virtual esté activado. Si no lo está, cierra y vuelve a crear la terminal.
+
+1. Abre el archivo `local.settings.json` y agrega configuraciones para la clave de API del traductor y la ubicación:
+
+    ```json
+    "TRANSLATOR_KEY": "<key>",
+    "TRANSLATOR_LOCATION": "<location>"
+    ```
+
+    Sustituye `<key>` con la clave de API de tu recurso del servicio de traducción. Sustituye `<location>` con la ubicación que usaste al crear el recurso del servicio de traducción.
+
+1. Agrega un nuevo disparador HTTP a esta aplicación llamado `translate-text` utilizando el siguiente comando desde la terminal de VS Code en la carpeta raíz del proyecto de la aplicación de funciones:
+
+    ```sh
+    func new --name translate-text --template "HTTP trigger"
+    ```
+
+    Esto creará un disparador HTTP llamado `translate-text`.
+
+1. Sustituye el contenido del archivo `__init__.py` en la carpeta `translate-text` con lo siguiente:
+
+    ```python
+    import logging
+    import os
+    import requests
+    
+    import azure.functions as func
+    
+    location = os.environ['TRANSLATOR_LOCATION']
+    translator_key = os.environ['TRANSLATOR_KEY']
+    
+    def main(req: func.HttpRequest) -> func.HttpResponse:
+        req_body = req.get_json()
+        from_language = req_body['from_language']
+        to_language = req_body['to_language']
+        text = req_body['text']
+        
+        logging.info(f'Translating {text} from {from_language} to {to_language}')
+    
+        url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+    
+        headers = {
+            'Ocp-Apim-Subscription-Key': translator_key,
+            'Ocp-Apim-Subscription-Region': location,
+            'Content-type': 'application/json'
+        }
+    
+        params = {
+            'from': from_language,
+            'to': to_language
+        }
+    
+        body = [{
+            'text' : text
+        }]
+        
+        response = requests.post(url, headers=headers, params=params, json=body)
+        return func.HttpResponse(response.json()[0]['translations'][0]['text'])
+    ```
+
+    Este código extrae el texto y los idiomas de la solicitud HTTP. Luego realiza una solicitud a la API REST del traductor, pasando los idiomas como parámetros para la URL y el texto a traducir como el cuerpo. Finalmente, se devuelve la traducción.
+
+1. Ejecuta tu aplicación de funciones localmente. Luego puedes llamarla utilizando una herramienta como curl de la misma manera que probaste tu disparador HTTP `text-to-timer`. Asegúrate de pasar el texto a traducir y los idiomas como un cuerpo JSON:
+
+    ```json
+    {
+        "text": "Définir une minuterie de 30 secondes",
+        "from_language": "fr-FR",
+        "to_language": "en-US"
+    }
+    ```
+
+    Este ejemplo traduce *Définir une minuterie de 30 secondes* de francés a inglés estadounidense. Devolverá *Set a 30-second timer*.
+
+> 💁 Puedes encontrar este código en la carpeta [code/functions](../../../../../6-consumer/lessons/4-multiple-language-support/code/functions).
+
+### Tarea - usar la función de traducción para traducir texto
+
+1. Abre el proyecto `smart-timer` en VS Code si aún no está abierto.
+
+1. Tu temporizador inteligente tendrá configurados 2 idiomas: el idioma del servidor que se utilizó para entrenar LUIS (el mismo idioma también se utiliza para construir los mensajes que se le hablarán al usuario) y el idioma hablado por el usuario. Actualiza la constante `LANGUAGE` en el archivo de encabezado `config.h` para que sea el idioma que hablará el usuario, y agrega una nueva constante llamada `SERVER_LANGUAGE` para el idioma utilizado para entrenar LUIS:
+
+    ```cpp
+    const char *LANGUAGE = "<user language>";
+    const char *SERVER_LANGUAGE = "<server language>";
+    ```
+
+    Sustituye `<user language>` con el nombre de la configuración regional del idioma que hablarás, por ejemplo, `fr-FR` para francés o `zn-HK` para cantonés.
+
+    Sustituye `<server language>` con el nombre de la configuración regional del idioma utilizado para entrenar LUIS.
+
+    Puedes encontrar una lista de los idiomas admitidos y sus nombres de configuración regional en la [documentación de soporte de idiomas y voces en Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 Si no hablas varios idiomas, puedes usar un servicio como [Bing Translate](https://www.bing.com/translator) o [Google Translate](https://translate.google.com) para traducir de tu idioma preferido a un idioma de tu elección. Estos servicios pueden reproducir audio del texto traducido.
+    >
+    > Por ejemplo, si entrenas LUIS en inglés pero deseas usar francés como idioma del usuario, puedes traducir frases como "set a 2 minute and 27 second timer" de inglés a francés utilizando Bing Translate, luego usar el botón **Escuchar traducción** para hablar la traducción en tu micrófono.
+    >
+    > ![El botón escuchar traducción en Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.es.png)
+
+1. Agrega la clave de API del traductor y la ubicación debajo de `SPEECH_LOCATION`:
+
+    ```cpp
+    const char *TRANSLATOR_API_KEY = "<KEY>";
+    const char *TRANSLATOR_LOCATION = "<LOCATION>";
+    ```
+
+    Sustituye `<KEY>` con la clave de API de tu recurso del servicio de traducción. Sustituye `<LOCATION>` con la ubicación que usaste al crear el recurso del servicio de traducción.
+
+1. Agrega la URL del disparador del traductor debajo de `VOICE_URL`:
+
+    ```cpp
+    const char *TRANSLATE_FUNCTION_URL = "<URL>";
+    ```
+
+    Sustituye `<URL>` con la URL del disparador HTTP `translate-text` en tu aplicación de funciones. Esto será igual al valor de `TEXT_TO_TIMER_FUNCTION_URL`, excepto que el nombre de la función será `translate-text` en lugar de `text-to-timer`.
+
+1. Agrega un nuevo archivo a la carpeta `src` llamado `text_translator.h`.
+
+1. Este nuevo archivo de encabezado `text_translator.h` contendrá una clase para traducir texto. Agrega lo siguiente a este archivo para declarar esta clase:
+
+    ```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;
+    ```
+
+    Esto declara la clase `TextTranslator`, junto con una instancia de esta clase. La clase tiene un único campo para el cliente WiFi.
+
+1. En la sección `public` de esta clase, agrega un método para traducir texto:
+
+    ```cpp
+    String translateText(String text, String from_language, String to_language)
+    {
+    }
+    ```
+
+    Este método toma el idioma del que se traducirá y el idioma al que se traducirá. Al manejar el discurso, el discurso se traducirá del idioma del usuario al idioma del servidor LUIS, y al dar respuestas se traducirá del idioma del servidor LUIS al idioma del usuario.
+
+1. En este método, agrega código para construir un cuerpo JSON que contenga el texto a traducir y los idiomas:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["text"] = text;
+    doc["from_language"] = from_language;
+    doc["to_language"] = to_language;
+
+    String body;
+    serializeJson(doc, body);
+
+    Serial.print("Translating ");
+    Serial.print(text);
+    Serial.print(" from ");
+    Serial.print(from_language);
+    Serial.print(" to ");
+    Serial.print(to_language);
+    ```
+
+1. Debajo de esto, agrega el siguiente código para enviar el cuerpo a la aplicación de funciones sin servidor:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TRANSLATE_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. A continuación, agrega código para obtener la respuesta:
+
+    ```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. Finalmente, agrega código para cerrar la conexión y devolver el texto traducido:
+
+    ```cpp
+    httpClient.end();
+
+    return translated_text;
+    ```
+
+### Tarea - traducir el discurso reconocido y las respuestas
+
+1. Abre el archivo `main.cpp`.
+
+1. Agrega una directiva de inclusión en la parte superior del archivo para el archivo de encabezado de la clase `TextTranslator`:
+
+    ```cpp
+    #include "text_translator.h"
+    ```
+
+1. El texto que se dice cuando se establece o expira un temporizador necesita ser traducido. Para hacer esto, agrega lo siguiente como la primera línea de la función `say`:
+
+    ```cpp
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    Esto traducirá el texto al idioma del usuario.
+
+1. En la función `processAudio`, el texto se recupera del audio capturado con la llamada `String text = speechToText.convertSpeechToText();`. Después de esta llamada, traduce el texto:
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    Esto traducirá el texto del idioma del usuario al idioma utilizado en el servidor.
+
+1. Compila este código, súbelo a tu Wio Terminal y pruébalo a través del monitor serial. Una vez que veas `Ready` en el monitor serial, presiona el botón C (el que está en el lado izquierdo, más cerca del interruptor de encendido) y habla. Asegúrate de que tu aplicación de funciones esté ejecutándose y solicita un temporizador en el idioma del usuario, ya sea hablando ese idioma tú mismo o utilizando una aplicación de traducción.
+
+    ```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.
+    ```
+
+> 💁 Puedes encontrar este código en la carpeta [code/wio-terminal](../../../../../6-consumer/lessons/4-multiple-language-support/code/wio-terminal).
+
+😀 ¡Tu programa de temporizador multilingüe fue un éxito!
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/CODE_OF_CONDUCT.md b/translations/es/CODE_OF_CONDUCT.md
new file mode 100644
index 00000000..c7bc2bcb
--- /dev/null
+++ b/translations/es/CODE_OF_CONDUCT.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
+  "translation_date": "2025-08-26T13:57:25+00:00",
+  "source_file": "CODE_OF_CONDUCT.md",
+  "language_code": "es"
+}
+-->
+# Código de Conducta de Código Abierto de Microsoft
+
+Este proyecto ha adoptado el [Código de Conducta de Código Abierto de Microsoft](https://opensource.microsoft.com/codeofconduct/).
+
+Recursos:
+
+- [Código de Conducta de Código Abierto de Microsoft](https://opensource.microsoft.com/codeofconduct/)
+- [Preguntas frecuentes sobre el Código de Conducta de Microsoft](https://opensource.microsoft.com/codeofconduct/faq/)
+- Contacta a [opencode@microsoft.com](mailto:opencode@microsoft.com) si tienes preguntas o inquietudes
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/CONTRIBUTING.md b/translations/es/CONTRIBUTING.md
new file mode 100644
index 00000000..c3426b87
--- /dev/null
+++ b/translations/es/CONTRIBUTING.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6f80293fa9c213283eac7e79b078671",
+  "translation_date": "2025-08-26T13:59:05+00:00",
+  "source_file": "CONTRIBUTING.md",
+  "language_code": "es"
+}
+-->
+# Contribuir
+
+Este proyecto da la bienvenida a contribuciones y sugerencias. La mayoría de las contribuciones requieren que aceptes un Acuerdo de Licencia de Contribuidor (CLA) declarando que tienes el derecho de, y efectivamente otorgas, los derechos para usar tu contribución. Para más detalles, visita https://cla.microsoft.com.
+
+> Importante: al traducir texto en este repositorio, asegúrate de no usar traducción automática. Verificaremos las traducciones a través de la comunidad, así que solo ofrece traducciones en idiomas en los que seas competente.
+
+Cuando envíes una solicitud de extracción (pull request), un bot de CLA determinará automáticamente si necesitas proporcionar un CLA y decorará la PR de manera adecuada (por ejemplo, etiqueta, comentario). Simplemente sigue las instrucciones proporcionadas por el bot. Solo necesitarás hacer esto una vez en todos los repositorios que utilicen nuestro CLA.
+
+Este proyecto ha adoptado el [Código de Conducta de Código Abierto de Microsoft](https://opensource.microsoft.com/codeofconduct/).  
+Para más información, lee las [Preguntas Frecuentes sobre el Código de Conducta](https://opensource.microsoft.com/codeofconduct/faq/)  
+o contacta a [opencode@microsoft.com](mailto:opencode@microsoft.com) con cualquier pregunta o comentario adicional.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/README.md b/translations/es/README.md
new file mode 100644
index 00000000..3b5a07d2
--- /dev/null
+++ b/translations/es/README.md
@@ -0,0 +1,168 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "840d60a05e58cf590dedefe42e9f2a29",
+  "translation_date": "2025-08-26T13:55:02+00:00",
+  "source_file": "README.md",
+  "language_code": "es"
+}
+-->
+[![GitHub license](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE)  
+[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/)  
+[![GitHub issues](https://img.shields.io/github/issues/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/issues/)  
+[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/)  
+[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)  
+
+[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/)  
+[![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/)  
+[![GitHub stars](https://img.shields.io/github/stars/microsoft/IoT-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/IoT-For-Beginners/stargazers/)  
+
+[![Bengali](https://img.shields.io/badge/-Bengali-blue)](translations/README.bn.md)  
+[![Chinese](https://img.shields.io/badge/-Chinese-yellow)](translations/README.zh-cn.md)  
+[![Turkish](https://img.shields.io/badge/-Turkish-darkgreen)](translations/README.tr.md)  
+[![French](https://img.shields.io/badge/-French-purple)](translations/README.fr.md)  
+[![Korean](https://img.shields.io/badge/-Korean-white)](translations/README.ko.md)  
+[![Japanese](https://img.shields.io/badge/-Japanese-red)](translations/README.ja.md)  
+
+[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott)  
+
+# IoT para Principiantes - Un Currículo
+
+Los Azure Cloud Advocates de Microsoft se complacen en ofrecer un currículo de 12 semanas y 24 lecciones sobre los conceptos básicos de IoT. Cada lección incluye cuestionarios previos y posteriores, instrucciones escritas para completar la lección, una solución, una tarea y más. Nuestra pedagogía basada en proyectos te permite aprender mientras construyes, una forma comprobada de que las nuevas habilidades se asienten.
+
+Los proyectos cubren el recorrido de los alimentos desde la granja hasta la mesa. Esto incluye agricultura, logística, manufactura, venta minorista y consumo, todas áreas populares para dispositivos IoT.
+
+![Un mapa del curso que muestra 24 lecciones que cubren introducción, agricultura, transporte, procesamiento, venta minorista y cocina](../../translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.es.jpg)  
+
+> Sketchnote por [Nitya Narasimhan](https://github.com/nitya). Haz clic en la imagen para una versión más grande.
+
+**Un agradecimiento especial a nuestros autores [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett), y nuestra artista de sketchnotes [Nitya Narasimhan](https://github.com/nitya).**
+
+**Gracias también a nuestro equipo de [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) que han estado revisando y traduciendo este currículo - [Aditya Garg](https://github.com/AdityaGarg00), [Anurag Sharma](https://github.com/Anurag-0-1-A), [Arpita Das](https://github.com/Arpiiitaaa), [Aryan Jain](https://www.linkedin.com/in/aryan-jain-47a4a1145/), [Bhavesh Suneja](https://github.com/EliteWarrior315), [Faith Hunja](https://faithhunja.github.io/), [Lateefah Bello](https://www.linkedin.com/in/lateefah-bello/), [Manvi Jha](https://github.com/Severus-Matthew), [Mireille Tan](https://www.linkedin.com/in/mireille-tan-a4834819a/), [Mohammad Iftekher (Iftu) Ebne Jalal](https://github.com/Iftu119), [Mohammad Zulfikar](https://github.com/mohzulfikar), [Priyanshu Srivastav](https://www.linkedin.com/in/priyanshu-srivastav-b067241ba), [Thanmai Gowducheruvu](https://github.com/innovation-platform), y [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).**
+
+¡Conoce al equipo!
+
+[![Video promocional](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k)  
+
+**Gif por** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)  
+
+> 🎥 ¡Haz clic en la imagen de arriba para ver un video sobre el proyecto!
+
+> **Profesores**, hemos [incluido algunas sugerencias](for-teachers.md) sobre cómo usar este currículo. Si deseas crear tus propias lecciones, también hemos incluido una [plantilla de lección](lesson-template/README.md).
+
+> **[Estudiantes](https://aka.ms/student-page)**, para usar este currículo por tu cuenta, haz un fork del repositorio completo y completa los ejercicios por tu cuenta, comenzando con un cuestionario previo a la lección, luego leyendo la lección y completando el resto de las actividades. Intenta crear los proyectos comprendiendo las lecciones en lugar de copiar el código de solución; sin embargo, ese código está disponible en las carpetas /solutions en cada lección orientada a proyectos. Otra idea sería formar un grupo de estudio con amigos y revisar el contenido juntos. Para un estudio adicional, recomendamos [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn).
+
+Para un resumen en video de este curso, consulta este video:
+
+[![Video promocional](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Video promocional")  
+
+> 🎥 ¡Haz clic en la imagen de arriba para ver un video sobre el proyecto!
+
+## Pedagogía
+
+Hemos elegido dos principios pedagógicos al construir este currículo: asegurarnos de que sea basado en proyectos y que incluya cuestionarios frecuentes. Al final de esta serie, los estudiantes habrán construido un sistema de monitoreo y riego de plantas, un rastreador de vehículos, una configuración de fábrica inteligente para rastrear y verificar alimentos, y un temporizador de cocina controlado por voz, y habrán aprendido los conceptos básicos del Internet de las Cosas, incluyendo cómo escribir código para dispositivos, conectarse a la nube, analizar telemetría y ejecutar IA en el borde.
+
+Al garantizar que el contenido esté alineado con proyectos, el proceso se vuelve más atractivo para los estudiantes y se mejora la retención de conceptos.
+
+Además, un cuestionario de bajo riesgo antes de una clase establece la intención del estudiante hacia el aprendizaje de un tema, mientras que un segundo cuestionario después de la clase asegura una mayor retención. Este currículo fue diseñado para ser flexible y divertido, y puede tomarse en su totalidad o en parte. Los proyectos comienzan pequeños y se vuelven cada vez más complejos al final del ciclo de 12 semanas.
+
+Cada proyecto se basa en hardware del mundo real disponible para estudiantes y aficionados. Cada proyecto explora el dominio específico del proyecto, proporcionando conocimientos relevantes de fondo. Para ser un desarrollador exitoso, es útil comprender el dominio en el que estás resolviendo problemas; proporcionar este conocimiento de fondo permite a los estudiantes pensar en sus soluciones IoT y aprendizajes en el contexto del tipo de problema del mundo real que podrían ser llamados a resolver como desarrolladores de IoT. Los estudiantes aprenden el 'por qué' de las soluciones que están construyendo y adquieren una apreciación del usuario final.
+
+## Hardware
+
+Tenemos dos opciones de hardware IoT para usar en los proyectos dependiendo de las preferencias personales, el conocimiento del lenguaje de programación o las metas de aprendizaje y la disponibilidad. También hemos proporcionado una versión de 'hardware virtual' para aquellos que no tienen acceso a hardware o quieren aprender más antes de comprometerse a una compra. Puedes leer más y encontrar una 'lista de compras' en la [página de hardware](./hardware.md), incluyendo enlaces para comprar kits completos de nuestros amigos en Seeed Studio.
+
+> 💁 Encuentra nuestro [Código de Conducta](CODE_OF_CONDUCT.md), [Contribuciones](CONTRIBUTING.md), y las pautas de [Traducción](TRANSLATIONS.md). ¡Agradecemos tus comentarios constructivos!
+
+## Cada lección incluye:
+
+- Sketchnote  
+- Video suplementario opcional  
+- Cuestionario de calentamiento previo a la lección  
+- Lección escrita  
+- Para lecciones basadas en proyectos, guías paso a paso sobre cómo construir el proyecto  
+- Verificaciones de conocimiento  
+- Un desafío  
+- Lectura suplementaria  
+- Tarea  
+- Cuestionario posterior a la lección  
+
+> **Una nota sobre los cuestionarios**: Todos los cuestionarios están contenidos en la carpeta quiz-app, para un total de 48 cuestionarios de tres preguntas cada uno. Están vinculados desde las lecciones, pero la aplicación de cuestionarios puede ejecutarse localmente o desplegarse en Azure; sigue las instrucciones en la carpeta `quiz-app`. Se están localizando gradualmente.
+
+## Lecciones
+
+|       |              Nombre del Proyecto              |                       Conceptos Enseñados                       | Objetivos de Aprendizaje                                                                                                                                                 |                                                        Lección Vinculada                                                         |
+| :---: | :-------------------------------------------: | :-------------------------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :-------------------------------------------------------------------------------------------------------------------------------: |
+|  01   | [Comenzando](./1-getting-started/README.md)   |                     Introducción al IoT                        | Aprende los principios básicos de IoT y los bloques fundamentales de las soluciones IoT como sensores y servicios en la nube mientras configuras tu primer dispositivo IoT |                      [Introducción al IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md)                          |
+|  02   | [Comenzando](./1-getting-started/README.md)   |                   Una exploración más profunda del IoT          | Aprende más sobre los componentes de un sistema IoT, así como microcontroladores y computadoras de placa única                                                           |                        [Una exploración más profunda del IoT](./1-getting-started/lessons/2-deeper-dive/README.md)               |
+|  03   | [Comenzando](./1-getting-started/README.md)   | Interactuar con el mundo físico con sensores y actuadores       | Aprende sobre sensores para recopilar datos del mundo físico y actuadores para enviar retroalimentación, mientras construyes una luz nocturna                           | [Interactuar con el mundo físico con sensores y actuadores](./1-getting-started/lessons/3-sensors-and-actuators/README.md)       |
+|  04   | [Comenzando](./1-getting-started/README.md)   |             Conecta tu dispositivo a Internet                   | Aprende cómo conectar un dispositivo IoT a Internet para enviar y recibir mensajes conectando tu luz nocturna a un broker MQTT                                          |               [Conecta tu dispositivo a Internet](./1-getting-started/lessons/4-connect-internet/README.md)                     |
+|  05   |            [Granja](./2-farm/README.md)       |                    Predecir el crecimiento de plantas           | Aprende cómo predecir el crecimiento de plantas utilizando datos de temperatura capturados por un dispositivo IoT                                                       |                          [Predecir el crecimiento de plantas](./2-farm/lessons/1-predict-plant-growth/README.md)                 |
+|  06   |            [Granja](./2-farm/README.md)       |                    Detectar humedad del suelo                   | Aprende cómo detectar la humedad del suelo y calibrar un sensor de humedad del suelo                                                                                    |                          [Detectar humedad del suelo](./2-farm/lessons/2-detect-soil-moisture/README.md)                         |
+|  07   |            [Granja](./2-farm/README.md)       |                  Riego automático de plantas                    | Aprende cómo automatizar y programar el riego utilizando un relé y MQTT                                                                                                 |                      [Riego automático de plantas](./2-farm/lessons/3-automated-plant-watering/README.md)                        |
+|  08   |            [Granja](./2-farm/README.md)       |               Migra tu planta a la nube                         | Aprende sobre la nube y los servicios IoT alojados en la nube y cómo conectar tu planta a uno de estos en lugar de un broker MQTT público                               |               [Migra tu planta a la nube](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)                         |
+|  09   |            [Granja](./2-farm/README.md)       |         Migra la lógica de tu aplicación a la nube              | Aprende cómo escribir lógica de aplicación en la nube que responda a mensajes IoT                                                                                       |         [Migra la lógica de tu aplicación a la nube](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md)              |  
+|  10   |            [Farm](./2-farm/README.md)            |                   Mantén tu planta segura                   | Aprende sobre seguridad con IoT y cómo mantener tu planta segura utilizando claves y certificados                                                                    |                        [Mantén tu planta segura](./2-farm/lessons/6-keep-your-plant-secure/README.md)                         |
+|  11   |       [Transport](./3-transport/README.md)       |                      Seguimiento de ubicación               | Aprende sobre el seguimiento de ubicación GPS para dispositivos IoT                                                                                                  |                           [Seguimiento de ubicación](./3-transport/lessons/1-location-tracking/README.md)                     |
+|  12   |       [Transport](./3-transport/README.md)       |                     Almacenar datos de ubicación            | Aprende cómo almacenar datos de IoT para visualizarlos o analizarlos más tarde                                                                                       |                         [Almacenar datos de ubicación](./3-transport/lessons/2-store-location-data/README.md)                 |
+|  13   |       [Transport](./3-transport/README.md)       |                   Visualizar datos de ubicación             | Aprende sobre cómo visualizar datos de ubicación en un mapa y cómo los mapas representan el mundo real en 3D en dos dimensiones                                      |                     [Visualizar datos de ubicación](./3-transport/lessons/3-visualize-location-data/README.md)                |
+|  14   |       [Transport](./3-transport/README.md)       |                          Geocercas                          | Aprende sobre geocercas y cómo pueden usarse para alertar cuando los vehículos en la cadena de suministro están cerca de su destino                                  |                                   [Geocercas](./3-transport/lessons/4-geofences/README.md)                                    |
+|  15   |   [Manufacturing](./4-manufacturing/README.md)   |               Entrenar un detector de calidad de frutas     | Aprende a entrenar un clasificador de imágenes en la nube para detectar la calidad de las frutas                                                                     |                 [Entrenar un detector de calidad de frutas](./4-manufacturing/lessons/1-train-fruit-detector/README.md)       |
+|  16   |   [Manufacturing](./4-manufacturing/README.md)   |           Verificar la calidad de frutas desde un dispositivo IoT | Aprende a usar tu detector de calidad de frutas desde un dispositivo IoT                                                                                             |           [Verificar la calidad de frutas desde un dispositivo IoT](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) |
+|  17   |   [Manufacturing](./4-manufacturing/README.md)   |             Ejecutar tu detector de frutas en el borde      | Aprende a ejecutar tu detector de frutas en un dispositivo IoT en el borde                                                                                          |             [Ejecutar tu detector de frutas en el borde](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)       |
+|  18   |   [Manufacturing](./4-manufacturing/README.md)   |        Activar la detección de calidad de frutas desde un sensor | Aprende a activar la detección de calidad de frutas desde un sensor                                                                                                 |        [Activar la detección de calidad de frutas desde un sensor](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) |
+|  19   |          [Retail](./5-retail/README.md)          |                   Entrenar un detector de inventario        | Aprende a usar la detección de objetos para entrenar un detector de inventario y contar existencias en una tienda                                                    |                        [Entrenar un detector de inventario](./5-retail/lessons/1-train-stock-detector/README.md)              |
+|  20   |          [Retail](./5-retail/README.md)          |               Verificar inventario desde un dispositivo IoT | Aprende a verificar inventario desde un dispositivo IoT utilizando un modelo de detección de objetos                                                                |                     [Verificar inventario desde un dispositivo IoT](./5-retail/lessons/2-check-stock-device/README.md)        |
+|  21   |        [Consumer](./6-consumer/README.md)        |             Reconocer voz con un dispositivo IoT            | Aprende a reconocer voz desde un dispositivo IoT para construir un temporizador inteligente                                                                          |                  [Reconocer voz con un dispositivo IoT](./6-consumer/lessons/1-speech-recognition/README.md)                  |
+|  22   |        [Consumer](./6-consumer/README.md)        |                     Comprender lenguaje                     | Aprende a comprender frases habladas a un dispositivo IoT                                                                                                            |                        [Comprender lenguaje](./6-consumer/lessons/2-language-understanding/README.md)                        |
+|  23   |        [Consumer](./6-consumer/README.md)        |           Configurar un temporizador y dar retroalimentación hablada | Aprende a configurar un temporizador en un dispositivo IoT y dar retroalimentación hablada sobre cuándo se configura y cuándo termina                                |                 [Configurar un temporizador y dar retroalimentación hablada](./6-consumer/lessons/3-spoken-feedback/README.md) |
+|  24   |        [Consumer](./6-consumer/README.md)        |                 Soportar múltiples idiomas                  | Aprende a soportar múltiples idiomas, tanto para las interacciones habladas como para las respuestas de tu temporizador inteligente                                  |                   [Soportar múltiples idiomas](./6-consumer/lessons/4-multiple-language-support/README.md)                   |
+
+## Acceso sin conexión
+
+Puedes ejecutar esta documentación sin conexión utilizando [Docsify](https://docsify.js.org/#/). Haz un fork de este repositorio, [instala Docsify](https://docsify.js.org/#/quickstart) en tu máquina local y luego, en la carpeta raíz de este repositorio, escribe `docsify serve`. El sitio web se servirá en el puerto 3000 de tu localhost: `localhost:3000`.
+
+### PDF
+
+Puedes generar un PDF de este contenido para acceso sin conexión si es necesario. Para hacerlo, asegúrate de tener [npm instalado](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) y ejecuta los siguientes comandos en la carpeta raíz de este repositorio:
+
+```sh
+npm i
+npm run convert
+```
+
+### Presentaciones
+
+Hay presentaciones para algunas de las lecciones en la carpeta [slides](../../slides).
+
+## ¡Se busca ayuda!
+
+¿Te gustaría contribuir con una traducción? Por favor, lee nuestras [directrices de traducción](TRANSLATIONS.md) y agrega tu aporte [a uno de los problemas de traducción](https://github.com/microsoft/IoT-For-Beginners/issues?q=is%3Aissue+is%3Aopen+label%3Atranslation). Si deseas traducir a un nuevo idioma, por favor crea un nuevo problema para su seguimiento.
+
+## Otros currículos
+
+¡Nuestro equipo produce otros currículos! Revisa:
+
+- [Generative AI for Beginners](https://aka.ms/genai-beginners)
+- [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
+- [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
+- [Generative AI with Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
+- [AI for Beginners](https://aka.ms/ai-beginners)
+- [Data Science for Beginners](https://aka.ms/datascience-beginners)
+- [ML for Beginners](https://aka.ms/ml-beginners)
+- [Cybersecurity for Beginners](https://github.com/microsoft/Security-101) 
+- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
+- [IoT for Beginners](https://aka.ms/iot-beginners)
+- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners)
+- [Mastering GitHub Copilot for Agentic use](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
+- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
+- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures)
+
+## Atribuciones de imágenes
+
+Puedes encontrar todas las atribuciones de las imágenes utilizadas en este currículo donde sea necesario en el archivo [Attributions](./attributions.md).
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/SECURITY.md b/translations/es/SECURITY.md
new file mode 100644
index 00000000..1f01dda3
--- /dev/null
+++ b/translations/es/SECURITY.md
@@ -0,0 +1,51 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8587f83cfded1bfab99fda4022f4df89",
+  "translation_date": "2025-08-26T13:58:45+00:00",
+  "source_file": "SECURITY.md",
+  "language_code": "es"
+}
+-->
+# Seguridad
+
+Microsoft se toma en serio la seguridad de nuestros productos y servicios de software, lo que incluye todos los repositorios de código fuente gestionados a través de nuestras organizaciones de GitHub, que incluyen [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) y [nuestras organizaciones de GitHub](https://opensource.microsoft.com/).
+
+Si crees que has encontrado una vulnerabilidad de seguridad en algún repositorio propiedad de Microsoft que cumpla con [la definición de vulnerabilidad de seguridad de Microsoft](https://docs.microsoft.com/en-us/previous-versions/tn-archive/cc751383(v=technet.10)), por favor repórtala como se describe a continuación.
+
+## Reportar Problemas de Seguridad
+
+**Por favor, no reportes vulnerabilidades de seguridad a través de problemas públicos en GitHub.**
+
+En su lugar, repórtalas al Centro de Respuesta de Seguridad de Microsoft (MSRC) en [https://msrc.microsoft.com/create-report](https://msrc.microsoft.com/create-report).
+
+Si prefieres enviar el informe sin iniciar sesión, envía un correo electrónico a [secure@microsoft.com](mailto:secure@microsoft.com). Si es posible, cifra tu mensaje con nuestra clave PGP; descárgala desde la [página de Clave PGP del Centro de Respuesta de Seguridad de Microsoft](https://www.microsoft.com/en-us/msrc/pgp-key-msrc).
+
+Deberías recibir una respuesta en un plazo de 24 horas. Si por alguna razón no la recibes, por favor haz un seguimiento por correo electrónico para asegurarte de que recibimos tu mensaje original. Puedes encontrar información adicional en [microsoft.com/msrc](https://www.microsoft.com/msrc).  
+
+Incluye la información solicitada a continuación (tanto como puedas proporcionar) para ayudarnos a comprender mejor la naturaleza y el alcance del posible problema:
+
+  * Tipo de problema (por ejemplo, desbordamiento de búfer, inyección SQL, scripting entre sitios, etc.)
+  * Rutas completas de los archivos fuente relacionados con la manifestación del problema
+  * La ubicación del código fuente afectado (etiqueta/rama/commit o URL directa)
+  * Cualquier configuración especial requerida para reproducir el problema
+  * Instrucciones paso a paso para reproducir el problema
+  * Código de prueba de concepto o de explotación (si es posible)
+  * Impacto del problema, incluyendo cómo un atacante podría explotarlo
+
+Esta información nos ayudará a priorizar tu informe más rápidamente.
+
+Si estás reportando para un programa de recompensas por errores, los informes más completos pueden contribuir a una mayor recompensa. Por favor, visita nuestra página del [Programa de Recompensas por Errores de Microsoft](https://microsoft.com/msrc/bounty) para más detalles sobre nuestros programas activos.
+
+## Idiomas Preferidos
+
+Preferimos que todas las comunicaciones sean en inglés.
+
+## Política
+
+Microsoft sigue el principio de [Divulgación Coordinada de Vulnerabilidades](https://www.microsoft.com/en-us/msrc/cvd).
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/SUPPORT.md b/translations/es/SUPPORT.md
new file mode 100644
index 00000000..29deead6
--- /dev/null
+++ b/translations/es/SUPPORT.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cd89329575372232e59605f7a08ae0df",
+  "translation_date": "2025-08-26T13:56:27+00:00",
+  "source_file": "SUPPORT.md",
+  "language_code": "es"
+}
+-->
+# Soporte
+
+## Cómo reportar problemas y obtener ayuda  
+
+Este proyecto utiliza GitHub Issues para rastrear errores y solicitudes de características. Por favor, busca entre los problemas existentes antes de reportar nuevos problemas para evitar duplicados. Para nuevos problemas, reporta tu error o solicitud de característica como un nuevo Issue.
+
+Para obtener ayuda y resolver dudas sobre el uso de este proyecto, contáctanos creando un Issue en este repositorio.
+
+## Política de soporte de Microsoft  
+
+El soporte para este **PROYECTO o PRODUCTO** se limita a los recursos mencionados anteriormente.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/attributions.md b/translations/es/attributions.md
new file mode 100644
index 00000000..da7038e1
--- /dev/null
+++ b/translations/es/attributions.md
@@ -0,0 +1,54 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4506d33bbda7acc0ab20980172687090",
+  "translation_date": "2025-08-26T13:52:43+00:00",
+  "source_file": "attributions.md",
+  "language_code": "es"
+}
+-->
+# Atribuciones de imágenes
+
+* Bananas por abderraouf omara de [Noun Project](https://thenounproject.com)  
+* Cerebro por Icon Market de [Noun Project](https://thenounproject.com)  
+* Transmisión por RomStu de [Noun Project](https://thenounproject.com)  
+* Botón por Dan Hetteix de [Noun Project](https://thenounproject.com)  
+* Micrófono de condensador de diafragma pequeño C451B por AKG Acoustics. [Harumphy](https://en.wikipedia.org/wiki/User:Harumphy) en [en.wikipedia](https://en.wikipedia.org/) / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)  
+* Calendario por Alice-vector de [Noun Project](https://thenounproject.com)  
+* Certificado por alimasykurm de [Noun Project](https://thenounproject.com)  
+* Chip por Astatine Lab de [Noun Project](https://thenounproject.com)  
+* Nube por Debi Alpa Nugraha de [Noun Project](https://thenounproject.com)  
+* Contenedor por ProSymbols de [Noun Project](https://thenounproject.com)  
+* CPU por Icon Lauk de [Noun Project](https://thenounproject.com)  
+* Base de datos por Icons Bazaar de [Noun Project](https://thenounproject.com)  
+* Dial por Jamie Dickinson de [Noun Project](https://thenounproject.com)  
+* GPS por mim studio de [Noun Project](https://thenounproject.com)  
+* Calefactor por Pascal Heß de [Noun Project](https://thenounproject.com)  
+* Idea por Pause08 de [Noun Project](https://thenounproject.com)  
+* IoT por Adrien Coquet de [Noun Project](https://thenounproject.com)  
+* LED por abderraouf omara de [Noun Project](https://thenounproject.com)  
+* LDR por Eucalyp de [Noun Project](https://thenounproject.com)  
+* Bombilla por Maxim Kulikov de [Noun Project](https://thenounproject.com)  
+* Microcontrolador por Template de [Noun Project](https://thenounproject.com)  
+* Teléfono móvil por Alice-vector de [Noun Project](https://thenounproject.com)  
+* Motor por Bakunetsu Kaito de [Noun Project](https://thenounproject.com)  
+* Patti Smith cantando con un micrófono Shure SM58 (tipo cardioide dinámico). Beni Köhler / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)  
+* Planta por Alex Muravev de [Noun Project](https://thenounproject.com)  
+* Célula vegetal por Léa Lortal de [Noun Project](https://thenounproject.com)  
+* Sonda por Adnen Kadri de [Noun Project](https://thenounproject.com)  
+* RAM por Atif Arshad de [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/)  
+* Grabación por Aybige Speaker de [Noun Project](https://thenounproject.com)  
+* Satélite por Noura Mbarki de [Noun Project](https://thenounproject.com)  
+* Sensor inteligente por Andrei Yushchenko de [Noun Project](https://thenounproject.com)  
+* Altavoz por Gregor Cresnar de [Noun Project](https://thenounproject.com)  
+* Interruptor por Chattapat de [Noun Project](https://thenounproject.com)  
+* Temperatura por Vectors Market de [Noun Project](https://thenounproject.com)  
+* Tomate por parkjisun de [Noun Project](https://thenounproject.com)  
+* Regadera por Daria Moskvina de [Noun Project](https://thenounproject.com)  
+* Clima por Adrien Coquet de [Noun Project](https://thenounproject.com)  
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/clean-up.md b/translations/es/clean-up.md
new file mode 100644
index 00000000..0f28239d
--- /dev/null
+++ b/translations/es/clean-up.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a94fbab1ba737e9bd6cc6c64f114fa0",
+  "translation_date": "2025-08-26T13:57:07+00:00",
+  "source_file": "clean-up.md",
+  "language_code": "es"
+}
+-->
+# Limpia tu proyecto
+
+Después de completar cada proyecto, es una buena práctica eliminar tus recursos en la nube.
+
+En las lecciones de cada proyecto, es posible que hayas creado algunos de los siguientes:
+
+* Un Grupo de Recursos  
+* Un IoT Hub  
+* Registros de dispositivos IoT  
+* Una Cuenta de Almacenamiento  
+* Una Aplicación de Funciones  
+* Una cuenta de Azure Maps  
+* Un proyecto de visión personalizada  
+* Un Registro de Contenedores de Azure  
+* Un recurso de servicios cognitivos  
+
+La mayoría de estos recursos no tendrán costo: o son completamente gratuitos, o estás utilizando un nivel gratuito. Para los servicios que requieren un nivel de pago, los habrías estado utilizando en un nivel incluido en la asignación gratuita, o solo te costarán unos pocos centavos.
+
+Incluso con costos relativamente bajos, vale la pena eliminar estos recursos cuando termines. Por ejemplo, solo puedes tener un IoT Hub utilizando el nivel gratuito, por lo que si deseas crear otro, necesitarás usar un nivel de pago.
+
+Todos tus servicios se crearon dentro de Grupos de Recursos, lo que facilita su gestión. Puedes eliminar el Grupo de Recursos, y todos los servicios dentro de ese Grupo de Recursos se eliminarán junto con él.
+
+Para eliminar el Grupo de Recursos, ejecuta el siguiente comando en tu terminal o línea de comandos:
+
+```sh
+az group delete --name <resource-group-name>
+```
+
+Sustituye `<resource-group-name>` por el nombre del Grupo de Recursos que te interesa.
+
+Aparecerá una confirmación:
+
+```output
+Are you sure you want to perform this operation? (y/n): 
+```
+
+Introduce `y` para confirmar y eliminar el Grupo de Recursos.
+
+Eliminar todos los servicios tomará un tiempo.
+
+> 💁 Puedes leer más sobre cómo eliminar grupos de recursos en la [documentación sobre eliminación de grupos de recursos y recursos del Administrador de Recursos de Azure en Microsoft Docs](https://docs.microsoft.com/azure/azure-resource-manager/management/delete-resource-group?WT.mc_id=academic-17441-jabenn&tabs=azure-cli)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/docs/_sidebar.md b/translations/es/docs/_sidebar.md
new file mode 100644
index 00000000..c2e0883c
--- /dev/null
+++ b/translations/es/docs/_sidebar.md
@@ -0,0 +1,51 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "686f22febaa2b67aa03b738c0dc0bf9b",
+  "translation_date": "2025-08-26T14:55:58+00:00",
+  "source_file": "docs/_sidebar.md",
+  "language_code": "es"
+}
+-->
+- Introducción
+  - [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)
+  
+- Granja
+  - [5](../2-farm/lessons/1-predict-plant-growth/README.md)
+  - [6](../2-farm/lessons/2-detect-soil-moisture/README.md)
+  - [7](../2-farm/lessons/3-automated-plant-watering/README.md)
+  - [8](../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)
+  - [9](../2-farm/lessons/5-migrate-application-to-the-cloud/README.md)
+  - [10](../2-farm/lessons/6-keep-your-plant-secure/README.md)
+  
+
+- Transporte
+  - [11](../3-transport/lessons/1-location-tracking/README.md)
+  - [12](../3-transport/lessons/2-store-location-data/README.md)
+  - [13](../3-transport/lessons/3-visualize-location-data/README.md)
+  - [14](../3-transport/lessons/4-geofences/README.md)
+  
+- Manufactura
+  - [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)
+
+  
+- Venta al por menor
+  - [19](../5-retail/lessons/1-train-stock-detector/README.md)
+  - [20](../5-retail/lessons/2-check-stock-device/README.md)
+  
+- Consumidor
+  - [21](../6-consumer/lessons/1-speech-recognition/README.md)
+  - [22](../6-consumer/lessons/2-language-understanding/README.md)
+  - [23](../6-consumer/lessons/3-spoken-feedback/README.md)
+  - [24](../6-consumer/lessons/4-multiple-language-support/README.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/for-teachers.md b/translations/es/for-teachers.md
new file mode 100644
index 00000000..aeab5676
--- /dev/null
+++ b/translations/es/for-teachers.md
@@ -0,0 +1,41 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9fd36f5dc734203ee28b6cf2573e5eab",
+  "translation_date": "2025-08-26T13:56:45+00:00",
+  "source_file": "for-teachers.md",
+  "language_code": "es"
+}
+-->
+# Para Educadores
+
+¿Te gustaría usar este plan de estudios en tu aula? ¡Siéntete libre de hacerlo!
+
+De hecho, puedes usarlo directamente en GitHub utilizando GitHub Classroom.
+
+Para hacerlo, haz un fork de este repositorio. Vas a necesitar crear un repositorio para cada lección, así que tendrás que extraer cada carpeta en un repositorio separado. De esa manera, [GitHub Classroom](https://classroom.github.com/classrooms) podrá gestionar cada lección por separado.
+
+Estas [instrucciones completas](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/) te darán una idea de cómo configurar tu aula.
+
+## Modelo de aprendizaje recomendado
+
+Puedes leer más sobre un modelo de aprendizaje recomendado para enseñar este plan de estudios en nuestra [guía del modelo de aprendizaje recomendado](recommended-learning-model.md).
+
+## Usar el repositorio tal como está
+
+Si prefieres usar este repositorio tal como está, sin utilizar GitHub Classroom, también es posible. Necesitarías comunicarte con tus estudiantes para indicarles qué lección trabajar juntos.
+
+En un formato en línea (Zoom, Teams u otro), podrías formar salas de trabajo para los cuestionarios y guiar a los estudiantes para que estén listos para aprender. Luego, invítalos a realizar los cuestionarios y enviar sus respuestas como 'issues' en un momento determinado. Podrías hacer lo mismo con las tareas, si deseas que los estudiantes trabajen de manera colaborativa y abierta.
+
+Si prefieres un formato más privado, pide a tus estudiantes que hagan un fork del plan de estudios, lección por lección, en sus propios repositorios privados de GitHub y te den acceso. Así podrán completar los cuestionarios y tareas de forma privada y enviártelos a través de issues en tu repositorio del aula.
+
+Hay muchas maneras de hacer que esto funcione en un formato de aula en línea. ¡Por favor, cuéntanos qué funciona mejor para ti!
+
+## ¡Danos tu opinión!
+
+Queremos que este plan de estudios funcione para ti y tus estudiantes. Por favor, déjanos tus [comentarios](https://forms.microsoft.com/Pages/ResponsePage.aspx?id=v4j5cvGGr0GRqy180BHbR2humCsRZhxNuI79cm6n0hRUQzRVVU9VVlU5UlFLWTRLWlkyQUxORTg5WS4u).
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de ningún malentendido o interpretación errónea que surja del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/hardware.md b/translations/es/hardware.md
new file mode 100644
index 00000000..782d9f27
--- /dev/null
+++ b/translations/es/hardware.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3dce18fab38adf93ff30b8c221b1eec5",
+  "translation_date": "2025-08-26T13:58:03+00:00",
+  "source_file": "hardware.md",
+  "language_code": "es"
+}
+-->
+# Hardware
+
+La **T** en IoT significa **Things** (Cosas) y se refiere a los dispositivos que interactúan con el mundo que nos rodea. Cada proyecto se basa en hardware real disponible para estudiantes y aficionados. Tenemos dos opciones de hardware IoT para usar, dependiendo de las preferencias personales, el conocimiento o las preferencias del lenguaje de programación, los objetivos de aprendizaje y la disponibilidad. También hemos proporcionado una versión de 'hardware virtual' para aquellos que no tienen acceso a hardware o que desean aprender más antes de comprometerse con una compra.
+
+> 💁 No necesitas comprar ningún hardware IoT para completar las tareas. Puedes hacer todo utilizando hardware IoT virtual.
+
+Las opciones de hardware físico son Arduino o Raspberry Pi. Cada plataforma tiene sus propias ventajas y desventajas, y todas se explican en una de las lecciones iniciales. Si aún no has decidido qué plataforma de hardware usar, puedes revisar [la lección dos del primer proyecto](./1-getting-started/lessons/2-deeper-dive/README.md) para decidir cuál te interesa más aprender.
+
+El hardware específico fue elegido para reducir la complejidad de las lecciones y tareas. Aunque otros dispositivos pueden funcionar, no podemos garantizar que todas las tareas sean compatibles con tu dispositivo sin hardware adicional. Por ejemplo, muchos dispositivos Arduino no tienen WiFi, que es necesario para conectarse a la nube; el terminal Wio fue elegido porque tiene WiFi integrado.
+
+También necesitarás algunos elementos no técnicos, como tierra o una planta en maceta, y frutas o verduras.
+
+## Compra los kits
+
+![El logo de Seeed Studios](../../translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.es.png)
+
+Seeed Studios ha tenido la amabilidad de poner todo el hardware disponible en kits fáciles de comprar:
+
+### Arduino - Wio Terminal
+
+**[IoT para principiantes con Seeed y Microsoft - Kit de inicio Wio Terminal](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)**
+
+[![El kit de hardware Wio Terminal](../../translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.es.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)
+
+### Raspberry Pi
+
+**[IoT para principiantes con Seeed y Microsoft - Kit de inicio Raspberry Pi 4](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)**
+
+[![El kit de hardware Raspberry Pi Terminal](../../translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.es.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)
+
+## Arduino
+
+Todo el código para dispositivos Arduino está en C++. Para completar todas las tareas, necesitarás lo siguiente:
+
+### Hardware de Arduino
+
+* [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html)
+* *Opcional* - Cable USB-C o adaptador de USB-A a USB-C. El terminal Wio tiene un puerto USB-C y viene con un cable USB-C a USB-A. Si tu PC o Mac solo tiene puertos USB-C, necesitarás un cable USB-C o un adaptador de USB-A a USB-C.
+
+### Sensores y actuadores específicos de Arduino
+
+Estos son específicos para usar el dispositivo Arduino Wio Terminal y no son relevantes para usar el Raspberry Pi.
+
+* [ArduCam Mini 2MP Plus - OV2640](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/)
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
+* [Cables jumper para protoboard](https://www.seeedstudio.com/Breadboard-Jumper-Wire-Pack-241mm-200mm-160mm-117m-p-234.html)
+* Auriculares u otro altavoz con conector de 3.5mm, o un altavoz JST como:
+  * [Altavoz mono cerrado - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+* Tarjeta microSD de 16GB o menos, junto con un conector para usar la tarjeta SD con tu computadora si no tienes uno integrado. **NOTA** - El terminal Wio solo admite tarjetas SD de hasta 16GB, no admite capacidades mayores.
+
+## Raspberry Pi
+
+Todo el código para dispositivos Raspberry Pi está en Python. Para completar todas las tareas, necesitarás lo siguiente:
+
+### Hardware de Raspberry Pi
+
+* [Raspberry Pi](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)
+  > 💁 Las versiones desde la Pi 2B en adelante deberían funcionar con las tareas de estas lecciones. Si planeas ejecutar VS Code directamente en la Pi, entonces se necesita una Pi 4 con 2GB o más de RAM. Si vas a acceder a la Pi de forma remota, cualquier Pi 2B o superior funcionará.
+* Tarjeta microSD (puedes conseguir kits de Raspberry Pi que incluyen una tarjeta microSD), junto con un conector para usar la tarjeta SD con tu computadora si no tienes uno integrado.
+* Fuente de alimentación USB (puedes conseguir kits de Raspberry Pi 4 que incluyen una fuente de alimentación). Si estás usando una Raspberry Pi 4, necesitas una fuente de alimentación USB-C; los dispositivos anteriores necesitan una fuente de alimentación micro-USB.
+
+### Sensores y actuadores específicos de Raspberry Pi
+
+Estos son específicos para usar la Raspberry Pi y no son relevantes para usar el dispositivo Arduino.
+
+* [Grove Pi base hat](https://www.seeedstudio.com/Grove-Base-Hat-for-Raspberry-Pi.html)
+* [Módulo de cámara Raspberry Pi](https://www.raspberrypi.org/products/camera-module-v2/)
+* Micrófono y altavoz:
+
+  Usa uno de los siguientes (o equivalente):
+  * Cualquier micrófono USB con cualquier altavoz USB, o altavoz con cable de conector de 3.5mm, o salida de audio HDMI si tu Raspberry Pi está conectada a un monitor o TV con altavoces.
+  * Cualquier auricular USB con micrófono incorporado.
+  * [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) con:
+    * Auriculares u otro altavoz con conector de 3.5mm, o un altavoz JST como:
+    * [Altavoz mono cerrado - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+  * [Altavoz USB para conferencias](https://www.amazon.com/USB-Speakerphone-Conference-Business-Microphones/dp/B07Q3D7F8S/ref=sr_1_1?dchild=1&keywords=m0&qid=1614647389&sr=8-1)
+* [Sensor de luz Grove](https://www.seeedstudio.com/Grove-Light-Sensor-v1-2-LS06-S-phototransistor.html)
+* [Botón Grove](https://www.seeedstudio.com/Grove-Button.html)
+
+## Sensores y actuadores
+
+La mayoría de los sensores y actuadores necesarios se utilizan tanto en las rutas de aprendizaje de Arduino como de Raspberry Pi:
+
+* [LED Grove](https://www.seeedstudio.com/Grove-LED-Pack-p-4364.html) x 2
+* [Sensor de humedad y temperatura Grove](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)
+* [Sensor de humedad del suelo capacitivo Grove](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)
+* [Relé Grove](https://www.seeedstudio.com/Grove-Relay.html)
+* [GPS Grove (Air530)](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)
+* [Sensor de distancia Time of Flight Grove](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)
+
+## Hardware opcional
+
+Las lecciones sobre riego automatizado funcionan utilizando un relé. Como opción, puedes conectar este relé a una bomba de agua alimentada por USB utilizando el hardware que se detalla a continuación.
+
+* [Bomba de agua de 6V](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html)
+* [Terminal USB](https://www.adafruit.com/product/3628)
+* Tubos de silicona
+* Cables rojo y negro
+* Destornillador plano pequeño
+
+## Hardware virtual
+
+La ruta de hardware virtual proporcionará simuladores para los sensores y actuadores, implementados en Python. Dependiendo de la disponibilidad de tu hardware, puedes ejecutar esto en tu dispositivo de desarrollo normal, como una Mac, PC, o ejecutarlo en una Raspberry Pi y simular solo el hardware que no tengas. Por ejemplo, si tienes la cámara Raspberry Pi pero no los sensores Grove, podrás ejecutar el código del dispositivo virtual en tu Pi y simular los sensores Grove, pero usar una cámara física.
+
+El hardware virtual utilizará el [proyecto CounterFit](https://github.com/CounterFit-IoT/CounterFit).
+
+Para completar estas lecciones, necesitarás tener una cámara web, micrófono y salida de audio como altavoces o auriculares. Estos pueden ser integrados o externos, y deben estar configurados para funcionar con tu sistema operativo y disponibles para su uso en todas las aplicaciones.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/images/README.md b/translations/es/images/README.md
new file mode 100644
index 00000000..9f663b27
--- /dev/null
+++ b/translations/es/images/README.md
@@ -0,0 +1,21 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50abd54997afa7e7a3fc7019379e49e3",
+  "translation_date": "2025-08-26T13:59:22+00:00",
+  "source_file": "images/README.md",
+  "language_code": "es"
+}
+-->
+# Imágenes
+
+Las imágenes en la carpeta [icons](../../../images/icons) provienen de [Noun Project](https://thenounproject.com) y requieren atribución. Cada imagen indica la atribución necesaria. Estas imágenes deben usarse en cualquier diagrama que las necesite para mantener la coherencia visual.
+
+El archivo [Diagrams.sketch](../../../images/Diagrams.sketch) es un documento de [Sketch](https://www.sketch.com) que contiene todos los diagramas utilizados en las lecciones y proyectos. Si estás participando en una traducción, por favor traduce estos diagramas copiando y actualizando el documento, o proporcionando una lista de las palabras que necesitas traducir como un issue en GitHub.
+
+El resto de las imágenes se utilizan a lo largo de las lecciones y proyectos.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/lesson-template/README.md b/translations/es/lesson-template/README.md
new file mode 100644
index 00000000..d6d11e21
--- /dev/null
+++ b/translations/es/lesson-template/README.md
@@ -0,0 +1,65 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0494be70ad7fadd13a8c3d549c23e355",
+  "translation_date": "2025-08-26T15:56:44+00:00",
+  "source_file": "lesson-template/README.md",
+  "language_code": "es"
+}
+-->
+# [Tema de la lección]
+
+![Incrustar un video aquí](../../../lesson-template/video-url)
+
+## [Cuestionario previo a la clase](../../../lesson-template/quiz-url)
+
+[Describe lo que aprenderemos]
+
+### Introducción
+
+Describe lo que se cubrirá
+
+> Notas
+
+### Prerrequisitos
+
+¿Qué pasos deberían haberse completado antes de esta lección?
+
+### Preparación
+
+Pasos preparatorios para comenzar esta lección
+
+---
+
+[Avanza por el contenido en bloques]
+
+## [Tema 1]
+
+### Tarea:
+
+Trabajen juntos para mejorar progresivamente su base de código y construir el proyecto con código compartido:
+
+```html
+code blocks
+```
+
+✅ Verificación de conocimiento: aprovecha este momento para ampliar el conocimiento de los estudiantes con preguntas abiertas
+
+## [Tema 2]
+
+## [Tema 3]
+
+🚀 Desafío: Agrega un desafío para que los estudiantes trabajen colaborativamente en clase y mejoren el proyecto
+
+Opcional: agrega una captura de pantalla de la interfaz de usuario de la lección completada si es apropiado
+
+## [Cuestionario posterior a la clase](../../../lesson-template/quiz-url)
+
+## Revisión y estudio autónomo
+
+**Entrega de tarea [MM/YY]**: [Nombre de la tarea](assignment.md)
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/lesson-template/assignment.md b/translations/es/lesson-template/assignment.md
new file mode 100644
index 00000000..bf809c60
--- /dev/null
+++ b/translations/es/lesson-template/assignment.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b5f62ec256c7e43e771f0d3b4e1a9130",
+  "translation_date": "2025-08-26T15:56:55+00:00",
+  "source_file": "lesson-template/assignment.md",
+  "language_code": "es"
+}
+-->
+# [Nombre de la Tarea]
+
+## Instrucciones
+
+## Rúbrica
+
+| Criterios | Ejemplar | Adecuado | Necesita Mejora |
+| --------- | -------- | -------- | ---------------- |
+|           |          |          |                  |
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/quiz-app/README.md b/translations/es/quiz-app/README.md
new file mode 100644
index 00000000..d9199739
--- /dev/null
+++ b/translations/es/quiz-app/README.md
@@ -0,0 +1,127 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2a459ea9177fb0508ca96068ae1009d2",
+  "translation_date": "2025-08-26T15:57:16+00:00",
+  "source_file": "quiz-app/README.md",
+  "language_code": "es"
+}
+-->
+# Cuestionarios
+
+Estos cuestionarios son los cuestionarios previos y posteriores a las lecciones del plan de estudios de IoT para Principiantes en https://aka.ms/iot-beginners
+
+## Configuración del proyecto
+
+```
+npm install
+```
+
+### Compila y recarga automáticamente para desarrollo
+
+```
+npm run serve
+```
+
+### Compila y minimiza para producción
+
+```
+npm run build
+```
+
+### Analiza y corrige archivos
+
+```
+npm run lint
+```
+
+### Personalizar configuración
+
+Consulta [Referencia de Configuración](https://cli.vuejs.org/config/).
+
+Créditos: Gracias a la versión original de esta aplicación de cuestionarios: https://github.com/arpan45/simple-quiz-vue
+
+## Desplegando en Azure
+
+Aquí tienes una guía paso a paso para ayudarte a comenzar:
+
+1. Haz un fork del repositorio de GitHub  
+Asegúrate de que el código de tu aplicación web estática esté en tu repositorio de GitHub. Haz un fork de este repositorio.
+
+2. Crea una Aplicación Web Estática en Azure  
+- Crea una [cuenta de Azure](http://azure.microsoft.com)  
+- Ve al [portal de Azure](https://portal.azure.com)  
+- Haz clic en "Crear un recurso" y busca "Aplicación Web Estática".  
+- Haz clic en "Crear".  
+
+3. Configura la Aplicación Web Estática  
+- Básicos:  
+  - Suscripción: Selecciona tu suscripción de Azure.  
+  - Grupo de Recursos: Crea un nuevo grupo de recursos o usa uno existente.  
+  - Nombre: Proporciona un nombre para tu aplicación web estática.  
+  - Región: Elige la región más cercana a tus usuarios.  
+
+- #### Detalles de Despliegue:  
+  - Origen: Selecciona "GitHub".  
+  - Cuenta de GitHub: Autoriza a Azure para acceder a tu cuenta de GitHub.  
+  - Organización: Selecciona tu organización de GitHub.  
+  - Repositorio: Elige el repositorio que contiene tu aplicación web estática.  
+  - Rama: Selecciona la rama desde la que deseas desplegar.  
+
+- #### Detalles de Construcción:  
+  - Presets de Construcción: Elige el framework con el que está construida tu aplicación (por ejemplo, React, Angular, Vue, etc.).  
+  - Ubicación de la Aplicación: Especifica la carpeta que contiene el código de tu aplicación (por ejemplo, / si está en la raíz).  
+  - Ubicación de la API: Si tienes una API, especifica su ubicación (opcional).  
+  - Ubicación de Salida: Especifica la carpeta donde se genera la salida de la construcción (por ejemplo, build o dist).  
+
+4. Revisa y Crea  
+Revisa tu configuración y haz clic en "Crear". Azure configurará los recursos necesarios y creará un archivo de flujo de trabajo de GitHub Actions en tu repositorio.  
+
+5. Flujo de Trabajo de GitHub Actions  
+Azure creará automáticamente un archivo de flujo de trabajo de GitHub Actions en tu repositorio (.github/workflows/azure-static-web-apps-<nombre>.yml). Este flujo de trabajo manejará el proceso de construcción y despliegue.  
+
+6. Monitorea el Despliegue  
+Ve a la pestaña "Actions" en tu repositorio de GitHub.  
+Deberías ver un flujo de trabajo en ejecución. Este flujo de trabajo construirá y desplegará tu aplicación web estática en Azure.  
+Una vez que el flujo de trabajo se complete, tu aplicación estará en vivo en la URL proporcionada por Azure.  
+
+### Ejemplo de Archivo de Flujo de Trabajo  
+
+Aquí tienes un ejemplo de cómo podría verse el archivo de flujo de trabajo de GitHub Actions:  
+name: Azure Static Web Apps CI/CD  
+```
+on:
+  push:
+    branches:
+      - main
+  pull_request:
+    types: [opened, synchronize, reopened, closed]
+    branches:
+      - main
+
+jobs:
+  build_and_deploy_job:
+    runs-on: ubuntu-latest
+    name: Build and Deploy Job
+    steps:
+      - uses: actions/checkout@v2
+      - name: Build And Deploy
+        id: builddeploy
+        uses: Azure/static-web-apps-deploy@v1
+        with:
+          azure_static_web_apps_api_token: ${{ secrets.AZURE_STATIC_WEB_APPS_API_TOKEN }}
+          repo_token: ${{ secrets.GITHUB_TOKEN }}
+          action: "upload"
+          app_location: "quiz-app" #App source code path
+          api_location: ""API source code path optional
+          output_location: "dist" #Built app content directory - optional
+```  
+
+### Recursos Adicionales  
+- [Documentación de Aplicaciones Web Estáticas de Azure](https://learn.microsoft.com/azure/static-web-apps/getting-started)  
+- [Documentación de GitHub Actions](https://docs.github.com/actions/use-cases-and-examples/deploying/deploying-to-azure-static-web-app)  
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/es/recommended-learning-model.md b/translations/es/recommended-learning-model.md
new file mode 100644
index 00000000..2095af69
--- /dev/null
+++ b/translations/es/recommended-learning-model.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012bbd19f13171be32ac9ba21d4186c2",
+  "translation_date": "2025-08-26T13:53:18+00:00",
+  "source_file": "recommended-learning-model.md",
+  "language_code": "es"
+}
+-->
+# Modelo de aprendizaje recomendado
+
+Para obtener los resultados de aprendizaje más efectivos, **recomendamos un enfoque de “Modelo Invertido"** similar a los laboratorios de ciencias: los estudiantes trabajan en proyectos durante el tiempo de clase, con oportunidades para discusiones, preguntas y respuestas, y asistencia en los proyectos, mientras que los elementos de las lecciones se realizan como lecturas previas en su propio tiempo.
+
+## ¿Por qué aprendizaje invertido?
+
+1. Este método de enseñanza involucra una variedad de métodos de aprendizaje: visual, auditivo, práctico, resolución de problemas, etc.[[1]](../..)
+2. Las aulas invertidas han demostrado aumentar la concentración, el compromiso, la motivación, la autosuficiencia, la retención del conocimiento y la comunicación (tanto entre profesor y estudiante como entre estudiantes).[[2,3]](../..)
+3. Como instructores, pueden dedicar más tiempo a los estudiantes que tienen dificultades mientras permiten que los estudiantes más avanzados trabajen a su propio ritmo.[[4]](../..)
+
+También recomendamos que los instructores asuman el rol de **“Co-Facilitador"**, aprendiendo junto a los estudiantes y apoyándolos mientras exploran y resuelven preguntas impulsadas por sus propios intereses e ideas.
+
+No hay una “forma correcta" de hacer las cosas aquí. En ocasiones, no tendrán todas las respuestas. Algunos estudiantes pueden no completar todos los proyectos. Su objetivo es ayudar a los estudiantes a llegar de manera orgánica a formas de resolver problemas que pueden ser más lúdicas, colaborativas o autodirigidas de lo que originalmente esperaban.
+
+## Consejos útiles para la facilitación:
+
+* Reflexionen sobre lo que observan, hagan preguntas y comentarios.
+* Usen frases como “Me doy cuenta de…" y “Me pregunto…"
+* Conecten a los estudiantes que tienen dificultades con aquellos que ya han encontrado soluciones.
+* Señalen componentes y partes o hagan sugerencias sobre diferentes cosas para probar si un estudiante está atascado. Pidan al estudiante que cambie una cosa a la vez y observe qué sucede.
+* Reconozcan la frustración y valoren el esfuerzo.
+* Eviten construir o codificar por los estudiantes, excepto cuando necesiten asistencia física.
+
+## Ejemplos de lenguaje para la facilitación:
+
+* “Pregunta a dos personas antes de preguntarme a mí."
+* “Dedica dos minutos más intentando…"
+* “Intentemos tomar un descanso de esto. ¿Tal vez podrías ayudar a otros estudiantes con sus conexiones eléctricas ya que tú ya lo resolviste?"
+* “Me pregunto si otro estudiante ha tenido el mismo problema. ¡Vamos a comprobarlo!"
+* "¡Te comprometiste de verdad y lo resolviste! ¿Podría enviar a otros estudiantes contigo para que les ayudes con esto?"
+* “Eso es extraño, tampoco tiene sentido para mí. ¿Tal vez podríamos preguntar a otro estudiante, o si lo resuelves, podrías compartirlo con la clase?"
+
+## Referencias
+
+[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). Consultado el 21/04/21.
+
+[2] [Flipped Classroom adapted to the ARCS Model of Motivation and applied to a Physics Course (ejmste.com)](https://www.ejmste.com/article/flipped-classroom-adapted-to-the-arcs-model-of-motivation-and-applied-to-a-physics-course-4562). Consultado el 21/04/21.
+
+[3] [How Does Flipping Classroom Foster the STEM Education: A Case Study of the FPD Model | SpringerLink](https://link.springer.com/article/10.1007/s10758-020-09443-9). Consultado el 21/04/21.
+
+[4] [An Introduction to Flipped Learning | Lesley University](https://lesley.edu/article/an-introduction-to-flipped-learning#:~:text=An%20Introduction%20to%20Flipped%20Learning.%20Flipped%20learning%20is,advancements%20in%20the%20modern%20classroom%20is%20flipped%20learning.). Consultado el 21/04/21.
+
+---
+
+**Descargo de responsabilidad**:  
+Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.
\ No newline at end of file
diff --git a/translations/fa/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/fa/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
new file mode 100644
index 00000000..9e458ad7
--- /dev/null
+++ b/translations/fa/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# روزهای درجه رشد\n",
+    "\n",
+    "این دفترچه دمای ذخیره‌شده در یک فایل CSV را بارگذاری کرده و آن را تحلیل می‌کند. دماها را رسم می‌کند، بالاترین و پایین‌ترین مقدار هر روز را نشان می‌دهد و GDD را محاسبه می‌کند.\n",
+    "\n",
+    "برای استفاده از این دفترچه:\n",
+    "\n",
+    "* فایل `temperature.csv` را در همان پوشه‌ای که این دفترچه قرار دارد کپی کنید.\n",
+    "* تمام سلول‌ها را با استفاده از دکمه **▶︎ Run** در بالا اجرا کنید. این کار سلول انتخاب‌شده را اجرا کرده و سپس به سلول بعدی می‌رود.\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "در سلول زیر، `base_temperature` را به دمای پایه گیاه تنظیم کنید.\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "base_temperature = 10"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "فایل CSV اکنون باید با استفاده از pandas بارگذاری شود\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": [
+    "پس از خواندن داده‌ها، می‌توان آن‌ها را بر اساس ستون `date` گروه‌بندی کرد و حداقل و حداکثر دما را برای هر تاریخ استخراج کرد.\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": [
+    "معادله استاندارد GDD می‌تواند برای محاسبه GDD استفاده شود\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**سلب مسئولیت**:  \nاین سند با استفاده از سرویس ترجمه هوش مصنوعی [Co-op Translator](https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما تلاش می‌کنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌ها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، توصیه می‌شود از ترجمه حرفه‌ای انسانی استفاده کنید. ما مسئولیتی در قبال سوءتفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.\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": "2025-08-26T16:00:01+00:00",
+   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
+   "language_code": "fa"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
\ No newline at end of file
diff --git a/translations/fr/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/fr/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
new file mode 100644
index 00000000..9d758d48
--- /dev/null
+++ b/translations/fr/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Jours Degrés de Croissance\n",
+    "\n",
+    "Ce notebook charge des données de température enregistrées dans un fichier CSV et les analyse. Il trace les températures, affiche les valeurs les plus hautes et les plus basses pour chaque jour, et calcule les JDC.\n",
+    "\n",
+    "Pour utiliser ce notebook :\n",
+    "\n",
+    "* Copiez le fichier `temperature.csv` dans le même dossier que ce notebook\n",
+    "* Exécutez toutes les cellules en utilisant le bouton **▶︎ Exécuter** ci-dessus. Cela exécutera la cellule sélectionnée, puis passera à la suivante.\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Dans la cellule ci-dessous, définissez `base_temperature` à la température de base de la plante.\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "base_temperature = 10"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Le fichier CSV doit maintenant être chargé, en utilisant pandas\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd\n",
+    "import matplotlib.pyplot as plt\n",
+    "\n",
+    "# Read the temperature CSV file\n",
+    "df = pd.read_csv('temperature.csv')"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": []
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "plt.figure(figsize=(20, 10))\n",
+    "plt.plot(df['date'], df['temperature'])\n",
+    "plt.xticks(rotation='vertical');"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Une fois les données lues, elles peuvent être regroupées par la colonne `date`, et les températures minimales et maximales extraites pour chaque date.\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": [
+    "Le GDD peut être calculé en utilisant l'équation standard de GDD\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "def calculate_gdd(row):\n",
+    "    return ((row['temperature_max'] + row['temperature_min']) / 2) - base_temperature\n",
+    "\n",
+    "# Calculate the GDD for each row\n",
+    "min_max_by_date['gdd'] = min_max_by_date.apply (lambda row: calculate_gdd(row), axis=1)\n",
+    "\n",
+    "# Print the results\n",
+    "print(min_max_by_date[['date', 'gdd']].to_string(index=False))"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "\n---\n\n**Avertissement** :  \nCe document a été traduit à l'aide du service de traduction automatique [Co-op Translator](https://github.com/Azure/co-op-translator). Bien que nous nous efforcions d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d'origine doit être considéré comme la source faisant autorité. Pour des informations critiques, il est recommandé de recourir à une traduction professionnelle réalisée par un humain. Nous déclinons toute responsabilité en cas de malentendus ou d'interprétations erronées résultant de l'utilisation de cette traduction.\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": "2025-08-26T15:58:27+00:00",
+   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
+   "language_code": "fr"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
\ No newline at end of file
diff --git a/translations/hk/1-getting-started/README.md b/translations/hk/1-getting-started/README.md
new file mode 100644
index 00000000..9c8999f8
--- /dev/null
+++ b/translations/hk/1-getting-started/README.md
@@ -0,0 +1,30 @@
+<!--
+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
new file mode 100644
index 00000000..cc8f08cb
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/1-introduction-to-iot/README.md
@@ -0,0 +1,242 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9bae08314d8487cb76ddf3d8797e1544",
+  "translation_date": "2025-08-26T15:08:51+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/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.hk.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/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.hk.png)
+
+> 💁 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/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.hk.jpg)
+
+Raspberry Pi 是最受歡迎的單板電腦之一。
+
+與微控制器類似，單板電腦具有 CPU、記憶體和輸入/輸出引腳，但它們還具有額外的功能，例如圖形芯片，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
new file mode 100644
index 00000000..09ec4eb5
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/1-introduction-to-iot/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7ef1cec2d27b086032d46ab1958f3e99",
+  "translation_date": "2025-08-26T15:11:11+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
new file mode 100644
index 00000000..7b59c8a2
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/1-introduction-to-iot/pi.md
@@ -0,0 +1,286 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8ff0d0a1d29832bb896b9c103b69a452",
+  "translation_date": "2025-08-26T15:12:30+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/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.hk.jpg)
+
+## 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/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.hk.png)
+
+    > 💁 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/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.hk.png)
+
+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
new file mode 100644
index 00000000..f5738ac4
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52b4de6144b2efdced7797a5339d6035",
+  "translation_date": "2025-08-26T15:11:24+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/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.hk.png)
+
+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/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.hk.png)
+
+    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/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.hk.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/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.hk.png)
+
+1. 在這個新終端中，像之前一樣運行 `app.py` 文件。CounterFit 的狀態將變為 **Connected**，LED 會亮起。
+
+    ![Counter Fit 顯示為已連接](../../../../../translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.hk.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
new file mode 100644
index 00000000..fe76728e
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
@@ -0,0 +1,222 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a4f0c166010e31fd7b6ca20bc88dec6d",
+  "translation_date": "2025-08-26T15:14:25+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/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.hk.png)
+
+## 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/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.hk.png)
+
+    選擇此菜單項，然後選擇 *PIO Home -> Open*
+
+    ![Platform IO 打開選項](../../../../../translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.hk.png)
+
+1. 在歡迎屏幕中，選擇 **+ New Project** 按鈕
+
+    ![新項目按鈕](../../../../../translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.hk.png)
+
+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/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.hk.png)
+
+    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/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.hk.png)
+
+        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/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.hk.png)
+
+    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
new file mode 100644
index 00000000..6fc4a325
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/2-deeper-dive/README.md
@@ -0,0 +1,277 @@
+<!--
+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/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.hk.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/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.hk.jpg)
+
+物聯網中的 **物件** 指的是能與物理世界互動的設備。這些設備通常是小型、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/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.hk.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/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.hk.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/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.hk.png)
+
+✅ 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/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.hk.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/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.hk.png)
+
+程式存儲空間也比 PC 小。一台典型的 PC 可能有 500GB 的硬碟用於程式存儲，而微控制器可能只有幾千字節或幾百萬字節（MB）的存儲空間（1MB 等於 1,000KB 或 1,000,000 字節）。Wio Terminal 擁有 4MB 的程式存儲空間。
+
+✅ 做一些研究：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/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.hk.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/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.hk.png)
+
+[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/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.hk.jpg)
+
+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/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.hk.jpg)
+
+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
new file mode 100644
index 00000000..5c999e36
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/2-deeper-dive/assignment.md
@@ -0,0 +1,26 @@
+<!--
+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
new file mode 100644
index 00000000..1b1a1f74
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/README.md
@@ -0,0 +1,230 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e9ee00eb5fc55922a73762acc542166b",
+  "translation_date": "2025-08-26T15:02:55+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/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.hk.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/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.hk.png)
+
+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/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.hk.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/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.hk.png)
+
+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/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.hk.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/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.hk.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/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.hk.png)
+
+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/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.hk.png)
+
+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/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.hk.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
new file mode 100644
index 00000000..55f9a68a
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c5a568320b1159394108544807895337",
+  "translation_date": "2025-08-26T15:05:14+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
new file mode 100644
index 00000000..c63bb6e9
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
@@ -0,0 +1,130 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4db8a3879a53490513571df2f6cf7641",
+  "translation_date": "2025-08-26T15:05:29+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/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.hk.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/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.hk.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
new file mode 100644
index 00000000..cbd6d73f
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
@@ -0,0 +1,110 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ea733bd0cdf2479e082373f765a08678",
+  "translation_date": "2025-08-26T15:02:30+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/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.hk.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/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.hk.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
new file mode 100644
index 00000000..188ac019
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9c640f93263fd9adbfda920739e09feb",
+  "translation_date": "2025-08-26T15:07:03+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/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.hk.png)
+
+    LED 將被創建並顯示在執行器列表中。
+
+    ![已創建的 LED](../../../../../translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.hk.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
new file mode 100644
index 00000000..e64a79bd
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "11f10c6760fb8202cf368422702fdf70",
+  "translation_date": "2025-08-26T15:07:36+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/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.hk.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/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.hk.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
new file mode 100644
index 00000000..8fcd5d50
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "db44083b4dc6fb06eac83c4f16448940",
+  "translation_date": "2025-08-26T15:06:12+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/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.hk.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/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.hk.png)
+
+## 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
new file mode 100644
index 00000000..591b75c7
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
@@ -0,0 +1,87 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7f4ad0ef54f248b85b92187c94cf9dcb",
+  "translation_date": "2025-08-26T15:08:11+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/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.hk.png)
+
+## 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
new file mode 100644
index 00000000..92418311
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/4-connect-internet/README.md
@@ -0,0 +1,466 @@
+<!--
+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/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.hk.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/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.hk.png)
+
+MQTT 是 IoT 設備最流行的通信協議，本課程將介紹它。其他協議包括 AMQP 和 HTTP/HTTPS。
+
+## 消息隊列遙測傳輸（MQTT）
+
+[MQTT](http://mqtt.org) 是一種輕量級的開放標準消息傳遞協議，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/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.hk.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/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.hk.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/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.hk.png)
+
+溫控器具有溫度傳感器以收集遙測數據。它很可能內置一個溫度傳感器，並可能通過無線協議（例如 [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/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.hk.png)
+
+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/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.hk.png)
+
+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/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.hk.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/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.hk.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
new file mode 100644
index 00000000..7c931b22
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/4-connect-internet/assignment.md
@@ -0,0 +1,28 @@
+<!--
+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
new file mode 100644
index 00000000..13a0e16f
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
@@ -0,0 +1,67 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c527ce85d69b1a3875366ec61cbed8aa",
+  "translation_date": "2025-08-26T14:56:25+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
new file mode 100644
index 00000000..6e5d4e1c
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "90fb93446e03c38f3c0e4009c2471906",
+  "translation_date": "2025-08-26T15:00:39+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
new file mode 100644
index 00000000..6838febd
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
@@ -0,0 +1,74 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1226517aae5f5b6f904434670394c688",
+  "translation_date": "2025-08-26T14:56:45+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
new file mode 100644
index 00000000..07e6bd59
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6754c915dae64ba70fcd5e52c37f3adf",
+  "translation_date": "2025-08-26T15:02:09+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
new file mode 100644
index 00000000..c5198ef6
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
@@ -0,0 +1,251 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6faf0e8d3c2d6d20c0aef2a305dab18",
+  "translation_date": "2025-08-26T15:01:17+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/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.hk.png)
+
+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
new file mode 100644
index 00000000..dcaf8a9e
--- /dev/null
+++ b/translations/hk/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4bcc29fe2b65e56eada83d2476279227",
+  "translation_date": "2025-08-26T15:00:03+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
new file mode 100644
index 00000000..da15a293
--- /dev/null
+++ b/translations/hk/2-farm/README.md
@@ -0,0 +1,34 @@
+<!--
+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
new file mode 100644
index 00000000..52d64996
--- /dev/null
+++ b/translations/hk/2-farm/lessons/1-predict-plant-growth/README.md
@@ -0,0 +1,284 @@
+<!--
+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/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.hk.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/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.hk.png)
+
+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/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.hk.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/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.hk.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/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.hk.png)
+
+服務器代碼還可以增強數據，添加額外的信息。例如，物聯網設備可以發布一個標識符來指示是哪個設備，服務器代碼可以使用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/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.hk.png) 
+
+    > 💁 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/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.hk.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
new file mode 100644
index 00000000..7fdfb210
--- /dev/null
+++ b/translations/hk/2-farm/lessons/1-predict-plant-growth/assignment.md
@@ -0,0 +1,57 @@
+<!--
+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/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.hk.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
new file mode 100644
index 00000000..dec031da
--- /dev/null
+++ b/translations/hk/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# 生長度日\n",
+    "\n",
+    "此筆記本載入保存在 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
new file mode 100644
index 00000000..fe46cb44
--- /dev/null
+++ b/translations/hk/2-farm/lessons/1-predict-plant-growth/pi-temp.md
@@ -0,0 +1,125 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7678f7c67b97ee52d5727496dcd7d346",
+  "translation_date": "2025-08-26T14:31:35+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/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.hk.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/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.hk.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
new file mode 100644
index 00000000..ad616dba
--- /dev/null
+++ b/translations/hk/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
@@ -0,0 +1,71 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4efc74299e19f5d08f2f3f34451a11ba",
+  "translation_date": "2025-08-26T14:28:51+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
new file mode 100644
index 00000000..645a4323
--- /dev/null
+++ b/translations/hk/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "70e5a428b607cd5a9a4f422c2a4df03d",
+  "translation_date": "2025-08-26T14:30:39+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/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.hk.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/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.hk.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/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.hk.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/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.hk.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
new file mode 100644
index 00000000..02dd6e91
--- /dev/null
+++ b/translations/hk/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
@@ -0,0 +1,82 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "df28cd649cd892bcce034e064913b2f3",
+  "translation_date": "2025-08-26T14:30:14+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
new file mode 100644
index 00000000..27e922b1
--- /dev/null
+++ b/translations/hk/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
@@ -0,0 +1,143 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "59263d094f20b302053888cd236880c3",
+  "translation_date": "2025-08-26T14:29:35+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/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.hk.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/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.hk.png)
+
+## 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
new file mode 100644
index 00000000..a5d763d7
--- /dev/null
+++ b/translations/hk/2-farm/lessons/2-detect-soil-moisture/README.md
@@ -0,0 +1,152 @@
+<!--
+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/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.hk.png)
+
+🎓 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/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.hk.png)
+
+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/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.hk.png)
+
+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/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.hk.png)
+
+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
new file mode 100644
index 00000000..085833e9
--- /dev/null
+++ b/translations/hk/2-farm/lessons/2-detect-soil-moisture/assignment.md
@@ -0,0 +1,61 @@
+<!--
+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/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.hk.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/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.hk.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
new file mode 100644
index 00000000..07843d1e
--- /dev/null
+++ b/translations/hk/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
@@ -0,0 +1,108 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9d4d00a47d5d0f3e6ce42c0d1020064a",
+  "translation_date": "2025-08-26T14:46:23+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/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.hk.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/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.hk.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/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.hk.png)
+
+## 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
new file mode 100644
index 00000000..78d8fcd2
--- /dev/null
+++ b/translations/hk/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2bf65f162bcebd35fbcba5fd245afac4",
+  "translation_date": "2025-08-26T14:45:44+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/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.hk.png)
+
+    土壤濕度傳感器將被創建並顯示在傳感器列表中。
+
+    ![已創建的土壤濕度傳感器](../../../../../translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.hk.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
new file mode 100644
index 00000000..ef363d2d
--- /dev/null
+++ b/translations/hk/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
@@ -0,0 +1,117 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d55caa8c23d73635b7559102cd17b8a",
+  "translation_date": "2025-08-26T14:44:38+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/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.hk.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/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.hk.png)
+
+1. 將土壤濕度傳感器插入土壤中。傳感器上有一條“最高位置線”——一條白線。將傳感器插入到該線以下，但不要超過該線。
+
+![Grove 土壤濕度傳感器插入土壤中](../../../../../translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.hk.png)
+
+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
new file mode 100644
index 00000000..e757d07b
--- /dev/null
+++ b/translations/hk/2-farm/lessons/3-automated-plant-watering/README.md
@@ -0,0 +1,314 @@
+<!--
+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/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.hk.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/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.hk.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/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.hk.png)
+
+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/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.hk.png)
+
+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/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.hk.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/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.hk.png)
+
+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/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.hk.png)
+
+在上圖中，土壤濕度讀數顯示為 658。植物被澆水，但這個讀數並未立即改變，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/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.hk.png)
+
+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/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.hk.png)
+
+這意味著最佳的澆水流程可能如下：
+
+* 啟動水泵 5 秒
+* 等待 20 秒
+* 檢查土壤濕度
+* 如果濕度水平仍然高於需求，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
new file mode 100644
index 00000000..e97be8e8
--- /dev/null
+++ b/translations/hk/2-farm/lessons/3-automated-plant-watering/assignment.md
@@ -0,0 +1,54 @@
+<!--
+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
new file mode 100644
index 00000000..7de69352
--- /dev/null
+++ b/translations/hk/2-farm/lessons/3-automated-plant-watering/pi-relay.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "66b81165e60f8f169bd52a401b6a0f8b",
+  "translation_date": "2025-08-26T14:36:00+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/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.hk.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/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.hk.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
new file mode 100644
index 00000000..6c3f54c7
--- /dev/null
+++ b/translations/hk/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
@@ -0,0 +1,127 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f8f541ee945545017a51aaf309aa37c3",
+  "translation_date": "2025-08-26T14:36:32+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/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.hk.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/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.hk.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
new file mode 100644
index 00000000..db227556
--- /dev/null
+++ b/translations/hk/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f3c5d8afa2ef6a0b425ef8ff20615cb4",
+  "translation_date": "2025-08-26T14:35:20+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/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.hk.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/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.hk.png)
+
+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
new file mode 100644
index 00000000..35caca94
--- /dev/null
+++ b/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
@@ -0,0 +1,451 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4d8e7a066d75b625e7a979c14157041d",
+  "translation_date": "2025-08-26T14:46:55+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/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.hk.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/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.hk.png)
+![一個 Microsoft 雲端數據中心的擴建計劃](../../../../../translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.hk.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/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.hk.png)](https://www.microsoft.com/videoplayer/embed/RE4Ibng?WT.mc_id=academic-17441-jabenn)
+
+## 創建雲端訂閱
+
+要使用雲端服務，你需要向雲提供商註冊一個訂閱。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/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.hk.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/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.hk.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/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.hk.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
new file mode 100644
index 00000000..6370c961
--- /dev/null
+++ b/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
@@ -0,0 +1,33 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bfd35499bd68d7d740242bfea784bbeb",
+  "translation_date": "2025-08-26T14:50:16+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
new file mode 100644
index 00000000..feb76399
--- /dev/null
+++ b/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
@@ -0,0 +1,130 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3ac42e284a7222c0e83d2d43231a364f",
+  "translation_date": "2025-08-26T14:50:32+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
new file mode 100644
index 00000000..2b2a5b99
--- /dev/null
+++ b/translations/hk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
@@ -0,0 +1,306 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "28320305a35ea3bc59c41fe146a2e6ed",
+  "translation_date": "2025-08-26T14:51:15+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
new file mode 100644
index 00000000..6456fc68
--- /dev/null
+++ b/translations/hk/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
@@ -0,0 +1,656 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f2d2f4a5a023c93ab34a0cc5b47c0c4",
+  "translation_date": "2025-08-26T14:37:08+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/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.hk.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/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.hk.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/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.hk.png)
+
+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/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.hk.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/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.hk.png)
+
+    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
new file mode 100644
index 00000000..03d9f2a1
--- /dev/null
+++ b/translations/hk/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
@@ -0,0 +1,70 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c24b6e4d90501c9199f2ceb6a648a337",
+  "translation_date": "2025-08-26T14:40:36+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
new file mode 100644
index 00000000..fd4edf93
--- /dev/null
+++ b/translations/hk/2-farm/lessons/6-keep-your-plant-secure/README.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "81c437c568eee1b0dda1f04e88150d37",
+  "translation_date": "2025-08-26T14:52:25+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/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.hk.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/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.hk.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/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.hk.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/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.hk.png)
+
+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/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.hk.png)
+
+**非對稱**加密使用兩個密鑰——加密密鑰和解密密鑰，稱為公鑰/私鑰對。公鑰用於加密消息，但不能用於解密；私鑰用於解密消息，但不能用於加密。
+
+![非對稱加密使用不同的密鑰加密和解密。加密密鑰會發送給任何消息發送者，以便他們在向擁有密鑰的接收者發送消息之前加密消息](../../../../../translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.hk.png)
+
+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/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.hk.png)
+
+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
new file mode 100644
index 00000000..13fca96a
--- /dev/null
+++ b/translations/hk/2-farm/lessons/6-keep-your-plant-secure/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "34010c663d96d5f419eda6ac2366a78d",
+  "translation_date": "2025-08-26T14:54:44+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
new file mode 100644
index 00000000..972d664e
--- /dev/null
+++ b/translations/hk/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
@@ -0,0 +1,71 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9aea84bcc7520222b0e1c50469d62d6a",
+  "translation_date": "2025-08-26T14:55:02+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
new file mode 100644
index 00000000..04ee079f
--- /dev/null
+++ b/translations/hk/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
@@ -0,0 +1,17 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8a74f789f3c1bf41a13c007190360c19",
+  "translation_date": "2025-08-26T14:55:30+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
new file mode 100644
index 00000000..8f26a45c
--- /dev/null
+++ b/translations/hk/3-transport/README.md
@@ -0,0 +1,38 @@
+<!--
+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
new file mode 100644
index 00000000..481b7ac0
--- /dev/null
+++ b/translations/hk/3-transport/lessons/1-location-tracking/README.md
@@ -0,0 +1,216 @@
+<!--
+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/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.hk.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/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.hk.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/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.hk.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/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.hk.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/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.hk.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
new file mode 100644
index 00000000..0bb15a6d
--- /dev/null
+++ b/translations/hk/3-transport/lessons/1-location-tracking/assignment.md
@@ -0,0 +1,29 @@
+<!--
+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
new file mode 100644
index 00000000..d738c404
--- /dev/null
+++ b/translations/hk/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
@@ -0,0 +1,193 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3b2448c7ab4e9673e77e35a50c5e350d",
+  "translation_date": "2025-08-26T15:49:42+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/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.hk.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/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.hk.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
new file mode 100644
index 00000000..0a5ba14e
--- /dev/null
+++ b/translations/hk/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
@@ -0,0 +1,75 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cbb8c285bc64c5192fae3368fb5077d2",
+  "translation_date": "2025-08-26T15:49:24+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
new file mode 100644
index 00000000..f647e916
--- /dev/null
+++ b/translations/hk/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
@@ -0,0 +1,144 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64f18a8f8aaa1fef5e7320e0992d8b3a",
+  "translation_date": "2025-08-26T15:46:18+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/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.hk.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/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.hk.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/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.hk.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/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.hk.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/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.hk.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
new file mode 100644
index 00000000..cae8825c
--- /dev/null
+++ b/translations/hk/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
@@ -0,0 +1,83 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "fbbcf96a9b63ccd661db98bbf854bb06",
+  "translation_date": "2025-08-26T15:50:21+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
new file mode 100644
index 00000000..c633ce96
--- /dev/null
+++ b/translations/hk/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da6ae0a795cf06be33d23ca5b8493fc8",
+  "translation_date": "2025-08-26T15:45:45+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/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.hk.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/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.hk.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。
+
+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
new file mode 100644
index 00000000..bf373967
--- /dev/null
+++ b/translations/hk/3-transport/lessons/2-store-location-data/README.md
@@ -0,0 +1,477 @@
+<!--
+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/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.hk.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/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.hk.png)
+
+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/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.hk.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/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.hk.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/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.hk.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/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.hk.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/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.hk.png)
+
+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
new file mode 100644
index 00000000..9882488b
--- /dev/null
+++ b/translations/hk/3-transport/lessons/2-store-location-data/assignment.md
@@ -0,0 +1,33 @@
+<!--
+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
new file mode 100644
index 00000000..cbee26c5
--- /dev/null
+++ b/translations/hk/3-transport/lessons/3-visualize-location-data/README.md
@@ -0,0 +1,359 @@
+<!--
+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/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.hk.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/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.hk.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/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.hk.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/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.hk.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/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.hk.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/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.hk.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
new file mode 100644
index 00000000..349f13a7
--- /dev/null
+++ b/translations/hk/3-transport/lessons/3-visualize-location-data/assignment.md
@@ -0,0 +1,26 @@
+<!--
+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
new file mode 100644
index 00000000..37f20aa4
--- /dev/null
+++ b/translations/hk/3-transport/lessons/4-geofences/README.md
@@ -0,0 +1,488 @@
+<!--
+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/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.hk.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/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.hk.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/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.hk.png)
+
+在上圖中，有一個矩形。多邊形坐標從左上角的 47,-122 開始，然後向右移動到 47,-121，再向下移動到 46,-121，然後向左移動到 46,-122，最後回到起始點 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/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.hk.png)
+
+在上圖中，地理圍欄有一個 50 米的搜索緩衝區。
+
+* 地理圍欄中心的點，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/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.hk.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/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.hk.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
new file mode 100644
index 00000000..ef5dd646
--- /dev/null
+++ b/translations/hk/3-transport/lessons/4-geofences/assignment.md
@@ -0,0 +1,32 @@
+<!--
+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
new file mode 100644
index 00000000..dafd66f2
--- /dev/null
+++ b/translations/hk/4-manufacturing/README.md
@@ -0,0 +1,38 @@
+<!--
+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
new file mode 100644
index 00000000..6f938383
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/1-train-fruit-detector/README.md
@@ -0,0 +1,244 @@
+<!--
+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/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.hk.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/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.hk.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/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.hk.png)
+
+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/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.hk.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/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.hk.png)
+
+您可以將其想像成兒童的形狀書籍，一旦您能識別半圓形、矩形和三角形，您就能根據這些形狀的配置識別出帆船或貓——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/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.hk.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/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.hk.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/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.hk.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/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.hk.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/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.hk.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
new file mode 100644
index 00000000..135cee74
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
@@ -0,0 +1,30 @@
+<!--
+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
new file mode 100644
index 00000000..6e6d128e
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/README.md
@@ -0,0 +1,172 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "557f4ee96b752e0651d2e6e74aa6bd14",
+  "translation_date": "2025-08-26T14:09:15+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/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.hk.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/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.hk.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/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.hk.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/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.hk.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/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.hk.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
new file mode 100644
index 00000000..b3e9311d
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "022e21f8629b721424c1de25195fff67",
+  "translation_date": "2025-08-26T14:10:37+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
new file mode 100644
index 00000000..ac3d003b
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
@@ -0,0 +1,155 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c677667095f6133eee418c7e53615d05",
+  "translation_date": "2025-08-26T14:10:53+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/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.hk.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/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.hk.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/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.hk.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/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.hk.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/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.hk.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
new file mode 100644
index 00000000..45be2f24
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
@@ -0,0 +1,105 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e5896207b304ce1abaf065b8acc0cc79",
+  "translation_date": "2025-08-26T14:11:42+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/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.hk.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
new file mode 100644
index 00000000..a56ae3fa
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3ba7150ffc4a6999f6c3cfb4906ec7df",
+  "translation_date": "2025-08-26T14:12:58+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/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.hk.png)
+
+    相機將被創建並顯示在感應器列表中。
+
+    ![創建的相機](../../../../../translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.hk.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/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.hk.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
new file mode 100644
index 00000000..f84d4f44
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
@@ -0,0 +1,475 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "160be8c0f558687f6686dca64f10f739",
+  "translation_date": "2025-08-26T14:13:47+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/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.hk.png)
+
+1. ArduCam 底部的引腳需要連接到 Wio Terminal 的 GPIO 引腳。為了更容易找到正確的引腳，將隨 Wio Terminal 附帶的 GPIO 引腳貼紙貼在引腳周圍：
+
+    ![帶有 GPIO 引腳貼紙的 Wio Terminal](../../../../../translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.hk.png)
+
+1. 使用跳線進行以下連接：
+
+    | ArduCAM 引腳 | Wio Terminal 引腳 | 描述                                     |
+    | ------------ | ----------------- | ---------------------------------------- |
+    | CS           | 24 (SPI_CS)       | SPI 芯片選擇                             |
+    | MOSI         | 19 (SPI_MOSI)     | SPI 控制器輸出，外設輸入                 |
+    | MISO         | 21 (SPI_MISO)     | SPI 控制器輸入，外設輸出                 |
+    | SCK          | 23 (SPI_SCLK)     | SPI 串行時鐘                             |
+    | GND          | 6 (GND)           | 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/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.hk.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/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.hk.png)
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+    `INPUT_PULLUP` 模式本質上反轉了一個輸入。例如，通常按鈕在未按下時會發送低信號，按下時發送高信號。設置為 `INPUT_PULLUP` 時，未按下時發送高信號，按下時發送低信號。
+
+1. 在 `loop` 函數之前添加一個空函數以響應按鈕按下：
+
+    ```cpp
+    void buttonPressed()
+    {
+        
+    }
+    ```
+
+1. 在按鈕被按下時，在 `loop` 方法中調用此函數：
+
+    ```cpp
+    void loop()
+    {
+        if (digitalRead(WIO_KEY_C) == LOW)
+        {
+            buttonPressed();
+            delay(2000);
+        }
+    
+        delay(200);
+    }
+    ```
+
+    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/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.hk.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
new file mode 100644
index 00000000..2e7536fc
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
@@ -0,0 +1,229 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "32a1f23e7834fbe7715da8c4ebb450b9",
+  "translation_date": "2025-08-26T14:12:09+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/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.hk.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
new file mode 100644
index 00000000..85df4b60
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
@@ -0,0 +1,626 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2625af24587465c5547ae33d6cc000a5",
+  "translation_date": "2025-08-26T14:15:32+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/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.hk.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/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.hk.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/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.hk.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/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.hk.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/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.hk.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/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.hk.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/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.hk.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
new file mode 100644
index 00000000..d8ef3967
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cc7ad255517f5f618f9c8899e6ff6783",
+  "translation_date": "2025-08-26T14:18:48+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
new file mode 100644
index 00000000..7c8ed6f9
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
@@ -0,0 +1,68 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50151d9f9dce2801348a93880ef16d86",
+  "translation_date": "2025-08-26T14:20:36+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
new file mode 100644
index 00000000..53b23676
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
@@ -0,0 +1,115 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "24dc783a600e20251211987b36370e93",
+  "translation_date": "2025-08-26T14:19:04+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
new file mode 100644
index 00000000..0a4a4988
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
@@ -0,0 +1,66 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "48ac21ec80329c930db7b84bd6b592ec",
+  "translation_date": "2025-08-26T14:20:08+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
new file mode 100644
index 00000000..665135e6
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
@@ -0,0 +1,233 @@
+<!--
+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/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.hk.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/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.hk.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/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.hk.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/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.hk.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/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.hk.png)
+
+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/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.hk.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
new file mode 100644
index 00000000..2e1da41d
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
@@ -0,0 +1,32 @@
+<!--
+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
new file mode 100644
index 00000000..27fc809e
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
@@ -0,0 +1,118 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6145a1d791731c8a9d0afd0a1bae5108",
+  "translation_date": "2025-08-26T14:23:32+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/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.hk.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/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.hk.png)
+
+## 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/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.hk.png)
+
+> 💁 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
new file mode 100644
index 00000000..6c78776d
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e9f05bdc50a40fd924b1d66934471bf",
+  "translation_date": "2025-08-26T14:24:32+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/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.hk.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/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.hk.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
new file mode 100644
index 00000000..350a6de3
--- /dev/null
+++ b/translations/hk/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
@@ -0,0 +1,113 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "288aebb0c59f7be1d2719b8f9660a313",
+  "translation_date": "2025-08-26T14:24:04+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/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.hk.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/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.hk.png)
+
+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/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.hk.png)
+
+> 💁 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
new file mode 100644
index 00000000..091b7b25
--- /dev/null
+++ b/translations/hk/5-retail/README.md
@@ -0,0 +1,34 @@
+<!--
+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
new file mode 100644
index 00000000..1c68f0cc
--- /dev/null
+++ b/translations/hk/5-retail/lessons/1-train-stock-detector/README.md
@@ -0,0 +1,206 @@
+<!--
+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/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.hk.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/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.hk.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/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.hk.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/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.hk.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/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.hk.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/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.hk.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/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.hk.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
new file mode 100644
index 00000000..ade382e4
--- /dev/null
+++ b/translations/hk/5-retail/lessons/1-train-stock-detector/assignment.md
@@ -0,0 +1,28 @@
+<!--
+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
new file mode 100644
index 00000000..4495d2a0
--- /dev/null
+++ b/translations/hk/5-retail/lessons/2-check-stock-device/README.md
@@ -0,0 +1,191 @@
+<!--
+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/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.hk.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/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.hk.png)
+
+在上圖中，物件偵測器偵測到貨架上有7罐番茄醬，而該貨架可以容納8罐。不僅物聯網設備可以發送補貨通知，它甚至可以提供缺失物品的位置資訊，這對於使用機器人補貨的情況尤為重要。
+
+> 💁 根據商店和商品的受歡迎程度，如果只缺少一罐，可能不會立即補貨。你需要根據產品、顧客和其他標準建立一個補貨算法。
+
+✅ 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/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.hk.png)
+
+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/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.hk.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/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.hk.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/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.hk.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/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.hk.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/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.hk.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
new file mode 100644
index 00000000..036fc0ce
--- /dev/null
+++ b/translations/hk/5-retail/lessons/2-check-stock-device/assignment.md
@@ -0,0 +1,25 @@
+<!--
+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
new file mode 100644
index 00000000..934f3b9b
--- /dev/null
+++ b/translations/hk/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
@@ -0,0 +1,177 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9c4320311c0f2c1884a6a21265d98a51",
+  "translation_date": "2025-08-26T14:03:02+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/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.hk.jpg)
+
+## 計算庫存
+
+在上圖中，邊界框有些許重疊。如果這種重疊更大，則邊界框可能表示同一個物件。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
new file mode 100644
index 00000000..3c2916a1
--- /dev/null
+++ b/translations/hk/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
@@ -0,0 +1,88 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a3fdfec1d1e2cb645ea11c2930b51299",
+  "translation_date": "2025-08-26T13:59:43+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/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.hk.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
new file mode 100644
index 00000000..485b323c
--- /dev/null
+++ b/translations/hk/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
@@ -0,0 +1,181 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0b2ae20b0fc8e73c9598dea937cac038",
+  "translation_date": "2025-08-26T14:02:21+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/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.hk.jpg)
+
+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
new file mode 100644
index 00000000..ca5b4f41
--- /dev/null
+++ b/translations/hk/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
@@ -0,0 +1,116 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4cf1421420a6fab9ab4f2c391bd523b7",
+  "translation_date": "2025-08-26T14:03:53+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/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.hk.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
new file mode 100644
index 00000000..4ddc70c3
--- /dev/null
+++ b/translations/hk/6-consumer/README.md
@@ -0,0 +1,36 @@
+<!--
+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
new file mode 100644
index 00000000..745cb6a2
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/1-speech-recognition/README.md
@@ -0,0 +1,235 @@
+<!--
+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/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.hk.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/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.hk.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/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.hk.jpg)
+
+* 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/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.hk.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/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.hk.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/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.hk.png)
+
+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/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.hk.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
new file mode 100644
index 00000000..308ce52d
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/1-speech-recognition/assignment.md
@@ -0,0 +1,21 @@
+<!--
+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
new file mode 100644
index 00000000..22cdfbd1
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/1-speech-recognition/pi-audio.md
@@ -0,0 +1,227 @@
+<!--
+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/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.hk.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/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.hk.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
new file mode 100644
index 00000000..97512fc4
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/1-speech-recognition/pi-microphone.md
@@ -0,0 +1,157 @@
+<!--
+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/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.hk.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
new file mode 100644
index 00000000..9c3676e7
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "af249a24d4fe4f4de4806adbc3bc9d86",
+  "translation_date": "2025-08-26T15:41:35+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
new file mode 100644
index 00000000..c536dd08
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
@@ -0,0 +1,17 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e4f2925acb211765889c3b51b9116ceb",
+  "translation_date": "2025-08-26T15:42:09+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
new file mode 100644
index 00000000..f7f57fd9
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7a65ee743f916276a2848b8a9491feb7",
+  "translation_date": "2025-08-26T15:42:19+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
new file mode 100644
index 00000000..e6bedc76
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
@@ -0,0 +1,113 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c0550b254b9ba2539baf1e6bb5fc05f8",
+  "translation_date": "2025-08-26T15:36:36+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
new file mode 100644
index 00000000..ae88751b
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
@@ -0,0 +1,548 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2f336726b9410e97c3aaed76cc89b0d8",
+  "translation_date": "2025-08-26T15:37:07+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/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.hk.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
new file mode 100644
index 00000000..63c0a633
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
@@ -0,0 +1,89 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "93d352de36526b8990e41dd538100324",
+  "translation_date": "2025-08-26T15:40:58+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/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.hk.png)
+
+若要添加揚聲器，你可以使用 [ReSpeaker 2-Mics Pi Hat](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)。這是一塊外部擴展板，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/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.hk.png)
+
+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/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.hk.png)
+
+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/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.hk.png)
+
+    ![ReSpeaker 左側引腳連接到 Wio Terminal 左側引腳](../../../../../translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.hk.png)
+
+    > 💁 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/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.hk.png)
+
+    ![ReSpeaker 右側引腳連接到 Wio Terminal 右側引腳](../../../../../translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.hk.png)
+
+    > 💁 如果你的跳線是連成一條排線，將它們分成兩條排線。分別從已連接的線的兩側穿過。
+
+    > 💁 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/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.hk.png)
+
+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/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.hk.png)
+
+    * 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/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.hk.png)
+
+### 任務 - 設置 SD 卡
+
+1. 將 SD 卡連接到你的電腦，如果電腦沒有 SD 卡插槽，請使用外部讀卡器。
+
+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/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.hk.png)
+
+    > 💁 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
new file mode 100644
index 00000000..85259233
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
@@ -0,0 +1,544 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3f92edf2975175577174910caca4a389",
+  "translation_date": "2025-08-26T15:38:39+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
new file mode 100644
index 00000000..07d3f373
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/2-language-understanding/README.md
@@ -0,0 +1,574 @@
+<!--
+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/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.hk.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/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.hk.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/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.hk.png)
+
+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/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.hk.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
new file mode 100644
index 00000000..4afc9990
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/2-language-understanding/assignment.md
@@ -0,0 +1,28 @@
+<!--
+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
new file mode 100644
index 00000000..833e67c8
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/3-spoken-feedback/README.md
@@ -0,0 +1,142 @@
+<!--
+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/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.hk.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/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.hk.png)
+
+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
new file mode 100644
index 00000000..a2522688
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/3-spoken-feedback/assignment.md
@@ -0,0 +1,26 @@
+<!--
+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
new file mode 100644
index 00000000..3b16bb9e
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
@@ -0,0 +1,156 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "606f3af1c78e3741e48ce77c31cea626",
+  "translation_date": "2025-08-26T15:30:35+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
new file mode 100644
index 00000000..dc6042f5
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
@@ -0,0 +1,140 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64ad4ddb4de81a18b7252e968f10b404",
+  "translation_date": "2025-08-26T15:27:47+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
new file mode 100644
index 00000000..9c4fd1e6
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
@@ -0,0 +1,88 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7966848a1f870e4c42edb4db67b13c57",
+  "translation_date": "2025-08-26T15:32:49+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
new file mode 100644
index 00000000..57e866df
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
@@ -0,0 +1,301 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012b69d57d898d670adf61304f42a137",
+  "translation_date": "2025-08-26T15:29:48+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
new file mode 100644
index 00000000..efbf47f8
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
@@ -0,0 +1,535 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a202fa5889790a3777bfc33dd9f4b459",
+  "translation_date": "2025-08-26T15:31:08+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
new file mode 100644
index 00000000..e7354991
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/4-multiple-language-support/README.md
@@ -0,0 +1,188 @@
+<!--
+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/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.hk.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/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.hk.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/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.hk.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/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.hk.png)
+
+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
new file mode 100644
index 00000000..00763b06
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/4-multiple-language-support/assignment.md
@@ -0,0 +1,31 @@
+<!--
+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
new file mode 100644
index 00000000..41ac4f98
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
@@ -0,0 +1,164 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bbb5aa34221fe129dd3ce4d9ec33831a",
+  "translation_date": "2025-08-26T15:22:48+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/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.hk.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
new file mode 100644
index 00000000..ed11797f
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
@@ -0,0 +1,204 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d620a470d9dd8614d99824832978360a",
+  "translation_date": "2025-08-26T15:23:25+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/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.hk.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
new file mode 100644
index 00000000..6cf03e82
--- /dev/null
+++ b/translations/hk/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
@@ -0,0 +1,284 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f6c164e349f8989959e02a90f37908d",
+  "translation_date": "2025-08-26T15:20:08+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/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.hk.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
new file mode 100644
index 00000000..5fa3e1db
--- /dev/null
+++ b/translations/hk/CODE_OF_CONDUCT.md
@@ -0,0 +1,23 @@
+<!--
+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
new file mode 100644
index 00000000..eacffdd0
--- /dev/null
+++ b/translations/hk/CONTRIBUTING.md
@@ -0,0 +1,24 @@
+<!--
+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
new file mode 100644
index 00000000..148b2681
--- /dev/null
+++ b/translations/hk/README.md
@@ -0,0 +1,168 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "840d60a05e58cf590dedefe42e9f2a29",
+  "translation_date": "2025-08-26T13:53:32+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/)  
+
+[![Bengali](https://img.shields.io/badge/-Bengali-blue)](translations/README.bn.md)  
+[![Chinese](https://img.shields.io/badge/-Chinese-yellow)](translations/README.zh-cn.md)  
+[![Turkish](https://img.shields.io/badge/-Turkish-darkgreen)](translations/README.tr.md)  
+[![French](https://img.shields.io/badge/-French-purple)](translations/README.fr.md)  
+[![Korean](https://img.shields.io/badge/-Korean-white)](translations/README.ko.md)  
+[![Japanese](https://img.shields.io/badge/-Japanese-red)](translations/README.ja.md)  
+
+[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott)  
+
+# IoT 初學者課程 - 一個完整的教學計劃  
+
+Microsoft 的 Azure Cloud Advocates 團隊很高興為大家提供一個為期 12 週、共 24 節課的 IoT 基礎課程。每節課都包含課前和課後測驗、完成課程的詳細指引、解決方案、作業等內容。我們採用基於項目的教學法，讓你在實際動手操作中學習，這是一種被證明能讓新技能更牢固掌握的方法。  
+
+這些項目涵蓋了從農場到餐桌的食物旅程，包括農業、物流、製造、零售和消費者——這些都是 IoT 設備的熱門應用領域。  
+
+![課程路線圖，展示了 24 節課程，涵蓋介紹、農業、運輸、加工、零售和烹飪](../../translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.hk.jpg)  
+
+> 由 [Nitya Narasimhan](https://github.com/nitya) 繪製的手繪筆記。點擊圖片查看更大版本。  
+
+**特別感謝我們的作者 [Jen Fox](https://github.com/jenfoxbot)、[Jen Looper](https://github.com/jlooper)、[Jim Bennett](https://github.com/jimbobbennett)，以及我們的手繪筆記藝術家 [Nitya Narasimhan](https://github.com/nitya)。**  
+
+**同時感謝 [Microsoft Learn 學生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) 團隊，他們審核並翻譯了這份課程——[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)、以及 [Zina Kamel](https://www.linkedin.com/in/zina-kamel/)。**  
+
+來認識一下我們的團隊吧！  
+
+[![宣傳影片](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k)  
+
+**Gif 作者** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)  
+
+> 🎥 點擊上方圖片觀看關於該項目的影片！  
+
+> **教師們**，我們提供了一些[建議](for-teachers.md)來幫助您使用這份課程。如果您想創建自己的課程，我們還提供了一個[課程模板](lesson-template/README.md)。  
+
+> **[學生們](https://aka.ms/student-page)**，如果您想自行使用這份課程，可以 fork 整個倉庫並自行完成練習，從課前測驗開始，然後閱讀課程內容並完成其他活動。嘗試通過理解課程內容來創建項目，而不是直接複製解決方案代碼；不過，解決方案代碼可以在每個基於項目的課程的 /solutions 文件夾中找到。另一個建議是與朋友組成學習小組，一起學習這些內容。若想進一步學習，我們推薦 [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn)。  
+
+觀看這門課程的影片概述，請查看以下影片：  
+
+[![宣傳影片](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "宣傳影片")  
+
+> 🎥 點擊上方圖片觀看關於該項目的影片！  
+
+## 教學法  
+
+在設計這份課程時，我們選擇了兩個教學原則：確保課程是基於項目的，並且包含頻繁的測驗。在這個系列結束時，學生將完成一個植物監測和灌溉系統、一個車輛追蹤器、一個智能工廠系統來追蹤和檢查食品，以及一個語音控制的烹飪計時器，並學習 IoT 的基礎知識，包括如何編寫設備代碼、連接到雲端、分析遙測數據以及在邊緣運行 AI。  
+
+通過將內容與項目結合，學習過程對學生來說更具吸引力，並且能增強概念的記憶效果。  
+
+此外，課前的低壓力測驗能幫助學生專注於學習主題，而課後測驗則能進一步鞏固記憶。這份課程設計靈活有趣，可以整體學習，也可以部分學習。項目從簡單開始，隨著 12 週的進展逐漸變得複雜。  
+
+每個項目都基於學生和愛好者可獲得的真實硬件。每個項目都深入探討特定的項目領域，提供相關的背景知識。成為一名成功的開發者需要了解您正在解決問題的領域，提供這些背景知識能幫助學生在解決 IoT 問題時，將學到的知識應用到真實世界的情境中。學生不僅學到了解決方案的「如何」，還能理解其「為什麼」，並對最終用戶有更深的認識。  
+
+## 硬件  
+
+我們為項目提供了兩種 IoT 硬件選擇，具體取決於個人偏好、編程語言知識或偏好、學習目標以及硬件的可用性。我們還提供了一個「虛擬硬件」版本，適合那些無法獲得硬件或想在購買前進一步學習的人。您可以在[硬件頁面](./hardware.md)上閱讀更多內容，並找到購物清單，包括我們合作夥伴 Seeed Studio 提供的完整套件購買鏈接。  
+
+> 💁 查看我們的[行為準則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)和[翻譯指南](TRANSLATIONS.md)。我們歡迎您的建設性反饋！  
+
+## 每節課程包括：  
+
+- 手繪筆記  
+- 可選的補充影片  
+- 課前熱身測驗  
+- 書面課程內容  
+- 對於基於項目的課程，提供逐步指導如何完成項目  
+- 知識檢查  
+- 挑戰  
+- 補充閱讀材料  
+- 作業  
+- 課後測驗  
+
+> **關於測驗的說明**：所有測驗都包含在 quiz-app 文件夾中，共有 48 個測驗，每個測驗包含三個問題。測驗在課程中有鏈接，但 quiz-app 可以在本地運行或部署到 Azure；請按照 `quiz-app` 文件夾中的指導操作。我們正在逐步進行本地化。  
+
+## 課程  
+
+|       |              項目名稱              |                       教學概念                       | 學習目標                                                                                                                                                 |                                                        課程鏈接                                                         |  
+| :---: | :--------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------: |  
+|  01   | [入門](./1-getting-started/README.md) |                     IoT 簡介                     | 學習 IoT 的基本原理以及 IoT 解決方案的基本構建模塊，例如傳感器和雲服務，同時設置您的第一個 IoT 設備 |                      [IoT 簡介](./1-getting-started/lessons/1-introduction-to-iot/README.md)                      |  
+|  02   | [入門](./1-getting-started/README.md) |                   深入了解 IoT                    | 進一步了解 IoT 系統的組成部分，以及微控制器和單板計算機                                                            |                        [深入了解 IoT](./1-getting-started/lessons/2-deeper-dive/README.md)                         |  
+|  03   | [入門](./1-getting-started/README.md) | 使用傳感器和執行器與物理世界互動 | 學習如何使用傳感器收集物理世界的數據，以及使用執行器發送反饋，同時製作一個夜燈                                           | [使用傳感器和執行器與物理世界互動](./1-getting-started/lessons/3-sensors-and-actuators/README.md) |  
+|  04   | [入門](./1-getting-started/README.md) |             將設備連接到互聯網             | 學習如何將 IoT 設備連接到互聯網以發送和接收消息，通過將夜燈連接到 MQTT broker                               |               [將設備連接到互聯網](./1-getting-started/lessons/4-connect-internet/README.md)                |  
+|  05   |            [農場](./2-farm/README.md)            |                    預測植物生長                     | 學習如何使用 IoT 設備捕獲的溫度數據來預測植物生長                                                                                  |                          [預測植物生長](./2-farm/lessons/1-predict-plant-growth/README.md)                           |  
+|  06   |            [農場](./2-farm/README.md)            |                    檢測土壤濕度                     | 學習如何檢測土壤濕度並校準土壤濕度傳感器                                                                                              |                          [檢測土壤濕度](./2-farm/lessons/2-detect-soil-moisture/README.md)                           |  
+|  07   |            [農場](./2-farm/README.md)            |                  自動植物灌溉                   | 學習如何使用繼電器和 MQTT 自動化和定時灌溉                                                                                                      |                      [自動植物灌溉](./2-farm/lessons/3-automated-plant-watering/README.md)                       |  
+|  08   |            [農場](./2-farm/README.md)            |               將植物遷移到雲端               | 學習雲端和雲託管 IoT 服務，以及如何將植物連接到這些服務，而不是公共 MQTT broker                                   |               [將植物遷移到雲端](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)                |  
+|  09   |            [農場](./2-farm/README.md)            |         將應用邏輯遷移到雲端         | 學習如何在雲端編寫應用邏輯來響應 IoT 消息                                                                          |         [將應用邏輯遷移到雲端](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md)         |  
+|  10   |            [Farm](./2-farm/README.md)            |                   保護你的植物安全                    | 學習如何使用物聯網的安全性，並通過密鑰和證書保護你的植物安全                                                                          |                        [保護你的植物安全](./2-farm/lessons/6-keep-your-plant-secure/README.md)                         |
+|  11   |       [Transport](./3-transport/README.md)       |                      位置追蹤                      | 學習如何為物聯網設備進行 GPS 位置追蹤                                                                                                                   |                           [位置追蹤](./3-transport/lessons/1-location-tracking/README.md)                           |
+|  12   |       [Transport](./3-transport/README.md)       |                     儲存位置數據                     | 學習如何儲存物聯網數據，以便日後進行可視化或分析                                                                                                      |                         [儲存位置數據](./3-transport/lessons/2-store-location-data/README.md)                         |
+|  13   |       [Transport](./3-transport/README.md)       |                   可視化位置數據                   | 學習如何在地圖上可視化位置數據，以及地圖如何將真實的三維世界以二維形式呈現                                                            |                     [可視化位置數據](./3-transport/lessons/3-visualize-location-data/README.md)                     |
+|  14   |       [Transport](./3-transport/README.md)       |                          地理圍欄                          | 學習地理圍欄及其如何用於在供應鏈中的車輛接近目的地時發出警報                                           |                                   [地理圍欄](./3-transport/lessons/4-geofences/README.md)                                   |
+|  15   |   [Manufacturing](./4-manufacturing/README.md)   |               訓練水果質量檢測器                | 學習如何在雲端訓練圖像分類器來檢測水果質量                                                                                       |                 [訓練水果質量檢測器](./4-manufacturing/lessons/1-train-fruit-detector/README.md)                 |
+|  16   |   [Manufacturing](./4-manufacturing/README.md)   |           從物聯網設備檢查水果質量            | 學習如何從物聯網設備使用你的水果質量檢測器                                                                                                    |           [從物聯網設備檢查水果質量](./4-manufacturing/lessons/2-check-fruit-from-device/README.md)            |
+|  17   |   [Manufacturing](./4-manufacturing/README.md)   |             在邊緣設備上運行水果檢測器             | 學習如何在邊緣物聯網設備上運行你的水果檢測器                                                                                                |             [在邊緣設備上運行水果檢測器](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)             |
+|  18   |   [Manufacturing](./4-manufacturing/README.md)   |        從傳感器觸發水果質量檢測        | 學習如何從傳感器觸發水果質量檢測                                                                                                        |        [從傳感器觸發水果質量檢測](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md)         |
+|  19   |          [Retail](./5-retail/README.md)          |                   訓練庫存檢測器                    | 學習如何使用物體檢測來訓練庫存檢測器以計算商店中的庫存                                                                                |                        [訓練庫存檢測器](./5-retail/lessons/1-train-stock-detector/README.md)                         |
+|  20   |          [Retail](./5-retail/README.md)          |               從物聯網設備檢查庫存                | 學習如何使用物體檢測模型從物聯網設備檢查庫存                                                                                         |                     [從物聯網設備檢查庫存](./5-retail/lessons/2-check-stock-device/README.md)                      |
+|  21   |        [Consumer](./6-consumer/README.md)        |             使用物聯網設備進行語音識別             | 學習如何從物聯網設備進行語音識別以構建智能計時器                                                                                             |                  [使用物聯網設備進行語音識別](./6-consumer/lessons/1-speech-recognition/README.md)                  |
+|  22   |        [Consumer](./6-consumer/README.md)        |                     理解語言                     | 學習如何理解對物聯網設備說出的句子                                                                                                           |                        [理解語言](./6-consumer/lessons/2-language-understanding/README.md)                        |
+|  23   |        [Consumer](./6-consumer/README.md)        |           設置計時器並提供語音反饋           | 學習如何在物聯網設備上設置計時器，並在計時器設置完成和結束時提供語音反饋                                                    |                 [設置計時器並提供語音反饋](./6-consumer/lessons/3-spoken-feedback/README.md)                  |
+|  24   |        [Consumer](./6-consumer/README.md)        |                 支援多種語言                  | 學習如何支援多種語言，包括用戶的語音輸入和智能計時器的回應                                                               |                   [支援多種語言](./6-consumer/lessons/4-multiple-language-support/README.md)                   |
+
+## 離線訪問
+
+你可以使用 [Docsify](https://docsify.js.org/#/) 離線運行此文檔。Fork 此倉庫，在本地機器上[安裝 Docsify](https://docsify.js.org/#/quickstart)，然後在此倉庫的根目錄中輸入 `docsify serve`。網站將在本地端口 3000 上運行：`localhost:3000`。
+
+### PDF
+
+如果需要，你可以生成此內容的 PDF 以供離線訪問。為此，請確保你已[安裝 npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm)，然後在此倉庫的根目錄中運行以下命令：
+
+```sh
+npm i
+npm run convert
+```
+
+### 幻燈片
+
+部分課程的幻燈片位於 [slides](../../slides) 文件夾中。
+
+## 尋求幫助！
+
+你想貢獻翻譯嗎？請閱讀我們的[翻譯指南](TRANSLATIONS.md)，並在[翻譯問題](https://github.com/microsoft/IoT-For-Beginners/issues?q=is%3Aissue+is%3Aopen+label%3Atranslation)中提供意見。如果你想翻譯成一種新的語言，請提出一個新的問題以進行跟蹤。
+
+## 其他課程
+
+我們的團隊還製作了其他課程！查看以下內容：
+
+- [Generative AI for Beginners](https://aka.ms/genai-beginners)
+- [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
+- [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
+- [Generative AI with Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
+- [AI for Beginners](https://aka.ms/ai-beginners)
+- [Data Science for Beginners](https://aka.ms/datascience-beginners)
+- [ML for Beginners](https://aka.ms/ml-beginners)
+- [Cybersecurity for Beginners](https://github.com/microsoft/Security-101) 
+- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
+- [IoT for Beginners](https://aka.ms/iot-beginners)
+- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners)
+- [Mastering GitHub Copilot for Agentic use](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
+- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
+- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures)
+
+## 圖片來源
+
+你可以在 [Attributions](./attributions.md) 中找到此課程中使用的圖片的所有來源。
+
+---
+
+**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/SECURITY.md b/translations/hk/SECURITY.md
new file mode 100644
index 00000000..aef4bf14
--- /dev/null
+++ b/translations/hk/SECURITY.md
@@ -0,0 +1,51 @@
+<!--
+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
new file mode 100644
index 00000000..c459cadd
--- /dev/null
+++ b/translations/hk/SUPPORT.md
@@ -0,0 +1,25 @@
+<!--
+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/attributions.md b/translations/hk/attributions.md
new file mode 100644
index 00000000..b3a24431
--- /dev/null
+++ b/translations/hk/attributions.md
@@ -0,0 +1,54 @@
+<!--
+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
new file mode 100644
index 00000000..72193089
--- /dev/null
+++ b/translations/hk/clean-up.md
@@ -0,0 +1,55 @@
+<!--
+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
new file mode 100644
index 00000000..f349a48e
--- /dev/null
+++ b/translations/hk/docs/_sidebar.md
@@ -0,0 +1,49 @@
+<!--
+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/for-teachers.md b/translations/hk/for-teachers.md
new file mode 100644
index 00000000..d2931a97
--- /dev/null
+++ b/translations/hk/for-teachers.md
@@ -0,0 +1,41 @@
+<!--
+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
new file mode 100644
index 00000000..cbec4560
--- /dev/null
+++ b/translations/hk/hardware.md
@@ -0,0 +1,121 @@
+<!--
+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/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.hk.png)
+
+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/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.hk.png)](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/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.hk.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
new file mode 100644
index 00000000..1ac7c8fd
--- /dev/null
+++ b/translations/hk/images/README.md
@@ -0,0 +1,21 @@
+<!--
+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
new file mode 100644
index 00000000..34a0eeb0
--- /dev/null
+++ b/translations/hk/lesson-template/README.md
@@ -0,0 +1,65 @@
+<!--
+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
new file mode 100644
index 00000000..3194a497
--- /dev/null
+++ b/translations/hk/lesson-template/assignment.md
@@ -0,0 +1,23 @@
+<!--
+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
new file mode 100644
index 00000000..ef0f4694
--- /dev/null
+++ b/translations/hk/quiz-app/README.md
@@ -0,0 +1,127 @@
+<!--
+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
new file mode 100644
index 00000000..e1ab7967
--- /dev/null
+++ b/translations/hk/recommended-learning-model.md
@@ -0,0 +1,55 @@
+<!--
+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/ja/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/ja/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
new file mode 100644
index 00000000..7eb28d79
--- /dev/null
+++ b/translations/ja/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# 積算温度日数\n",
+    "\n",
+    "このノートブックは、CSVファイルに保存された温度データを読み込み、分析します。温度をプロットし、各日の最高値と最低値を表示し、積算温度日数（GDD）を計算します。\n",
+    "\n",
+    "このノートブックを使用するには:\n",
+    "\n",
+    "* `temperature.csv` ファイルをこのノートブックと同じフォルダーにコピーしてください\n",
+    "* 上部の **▶︎ 実行** ボタンを使用してすべてのセルを実行してください。これにより、選択されたセルが実行され、次のセルに進みます。\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "以下のセルで、`base_temperature` を植物の基準温度に設定します。\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "base_temperature = 10"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "CSVファイルは現在、pandasを使用して読み込む必要があります\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": [
+    "データが読み取られると、`date`列でグループ化され、各日付の最低気温と最高気温が抽出されます。\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": [
+    "標準的なGDD方程式を使用してGDDを計算できます\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**免責事項**:  \nこの文書は、AI翻訳サービス [Co-op Translator](https://github.com/Azure/co-op-translator) を使用して翻訳されています。正確性を追求しておりますが、自動翻訳には誤りや不正確な部分が含まれる可能性があることをご承知ください。元の言語で記載された文書が正式な情報源とみなされるべきです。重要な情報については、専門の人間による翻訳を推奨します。この翻訳の使用に起因する誤解や誤解釈について、当方は一切の責任を負いません。\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": "2025-08-26T15:58:42+00:00",
+   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
+   "language_code": "ja"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
\ No newline at end of file
diff --git a/translations/ko/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/ko/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
new file mode 100644
index 00000000..89ec535c
--- /dev/null
+++ b/translations/ko/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# 생육일수(Growing Degree Days)\n",
+    "\n",
+    "이 노트북은 CSV 파일에 저장된 온도 데이터를 불러와 분석합니다. 온도를 그래프로 표시하고, 각 날짜의 최고 및 최저 값을 보여주며, 생육일수(GDD)를 계산합니다.\n",
+    "\n",
+    "이 노트북을 사용하려면:\n",
+    "\n",
+    "* `temperature.csv` 파일을 이 노트북과 동일한 폴더에 복사하세요.\n",
+    "* 위의 **▶︎ 실행** 버튼을 사용하여 모든 셀을 실행하세요. 선택한 셀이 실행된 후 다음 셀로 이동합니다.\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "셀 아래에서 `base_temperature`를 식물의 기준 온도로 설정하세요.\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "base_temperature = 10"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "CSV 파일은 이제 pandas를 사용하여 로드해야 합니다\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": [
+    "데이터를 읽은 후 `date` 열로 그룹화할 수 있으며, 각 날짜에 대한 최저 및 최고 기온을 추출할 수 있습니다.\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": [
+    "GDD는 표준 GDD 방정식을 사용하여 계산할 수 있습니다\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**면책 조항**:  \n이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서의 원어 버전을 신뢰할 수 있는 권위 있는 자료로 간주해야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 책임을 지지 않습니다.\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": "2025-08-26T15:58:55+00:00",
+   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
+   "language_code": "ko"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
\ No newline at end of file
diff --git a/translations/pt/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/pt/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
new file mode 100644
index 00000000..885a60ca
--- /dev/null
+++ b/translations/pt/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Dias de Grau de Crescimento\n",
+    "\n",
+    "Este notebook carrega dados de temperatura guardados num ficheiro CSV e analisa-os. Ele apresenta os gráficos das temperaturas, mostra os valores mais altos e mais baixos de cada dia, e calcula o GDD.\n",
+    "\n",
+    "Para utilizar este notebook:\n",
+    "\n",
+    "* Copie o ficheiro `temperature.csv` para a mesma pasta deste notebook\n",
+    "* Execute todas as células utilizando o botão **▶︎ Run** acima. Isto irá executar a célula selecionada e, em seguida, passar para a próxima.\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Na célula abaixo, defina `base_temperature` para a temperatura base da planta.\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "base_temperature = 10"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "O ficheiro CSV agora precisa de ser carregado, utilizando pandas\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd\n",
+    "import matplotlib.pyplot as plt\n",
+    "\n",
+    "# Read the temperature CSV file\n",
+    "df = pd.read_csv('temperature.csv')"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": []
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "plt.figure(figsize=(20, 10))\n",
+    "plt.plot(df['date'], df['temperature'])\n",
+    "plt.xticks(rotation='vertical');"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Depois de os dados serem lidos, podem ser agrupados pela coluna `date`, e as temperaturas mínima e máxima extraídas para cada data.\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Convert datetimes to pure dates so we can group by the date\n",
+    "df['date'] = pd.to_datetime(df['date']).dt.date\n",
+    "\n",
+    "# Group the data by date so it can be analyzed by date\n",
+    "data_by_date = df.groupby('date')\n",
+    "\n",
+    "# Get the minimum and maximum temperatures for each date\n",
+    "min_by_date = data_by_date.min()\n",
+    "max_by_date = data_by_date.max()\n",
+    "\n",
+    "# Join the min and max temperatures into one dataframe and flatten it\n",
+    "min_max_by_date = min_by_date.join(max_by_date, on='date', lsuffix='_min', rsuffix='_max')\n",
+    "min_max_by_date = min_max_by_date.reset_index()"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "O GDD pode ser calculado usando a equação padrão de GDD\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "def calculate_gdd(row):\n",
+    "    return ((row['temperature_max'] + row['temperature_min']) / 2) - base_temperature\n",
+    "\n",
+    "# Calculate the GDD for each row\n",
+    "min_max_by_date['gdd'] = min_max_by_date.apply (lambda row: calculate_gdd(row), axis=1)\n",
+    "\n",
+    "# Print the results\n",
+    "print(min_max_by_date[['date', 'gdd']].to_string(index=False))"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "\n---\n\n**Aviso**:  \nEste documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos pela precisão, é importante notar que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autoritária. Para informações críticas, recomenda-se uma tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes da utilização desta tradução.\n"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.9.1"
+  },
+  "metadata": {
+   "interpreter": {
+    "hash": "aee8b7b246df8f9039afb4144a1f6fd8d2ca17a180786b69acc140d282b71a49"
+   }
+  },
+  "coopTranslator": {
+   "original_hash": "8fcf954f6042f0bf3601a2c836a09574",
+   "translation_date": "2025-08-26T15:59:17+00:00",
+   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
+   "language_code": "pt"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
\ 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
new file mode 100644
index 00000000..408f599a
--- /dev/null
+++ b/translations/tw/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# 生長度日\n",
+    "\n",
+    "此筆記本載入儲存在 CSV 檔案中的溫度數據並進行分析。它繪製溫度圖表，顯示每天的最高和最低值，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/zh/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/zh/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
new file mode 100644
index 00000000..b51a35bb
--- /dev/null
+++ b/translations/zh/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# 生长积温天数\n",
+    "\n",
+    "此笔记本加载保存在 CSV 文件中的温度数据，并进行分析。它绘制温度图，显示每天的最高和最低值，并计算 GDD。\n",
+    "\n",
+    "使用此笔记本的方法：\n",
+    "\n",
+    "* 将 `temperature.csv` 文件复制到与此笔记本相同的文件夹中\n",
+    "* 使用上方的 **▶︎ 运行** 按钮运行所有单元格。这将运行选定的单元格，然后移动到下一个单元格。\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "在下面的单元格中，将 `base_temperature` 设置为植物的基准温度。\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "base_temperature = 10"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "现在需要使用pandas加载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": [
+    "一旦数据被读取，可以按`date`列进行分组，并提取每个日期的最低和最高温度。\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可以使用标准GDD公式计算\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**免责声明**：  \n本文档使用AI翻译服务[Co-op Translator](https://github.com/Azure/co-op-translator)进行翻译。尽管我们努力确保准确性，但请注意，自动翻译可能包含错误或不准确之处。应以原始语言的文档作为权威来源。对于关键信息，建议使用专业人工翻译。我们对因使用此翻译而引起的任何误解或误读不承担责任。\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": "2025-08-26T15:57:50+00:00",
+   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
+   "language_code": "zh"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
\ No newline at end of file