diff --git a/labs04/task02.py b/labs04/task02.py
new file mode 100644
index 0000000..d70da1b
--- /dev/null
+++ b/labs04/task02.py
@@ -0,0 +1,20 @@
+"""
+**ćwiczenie 2**
+Napisz generator, który będzie zwracać ``n`` kolejnych liczb ciągu Fibonacciego (``F(0)=1, F(1)=1, FN=F(N-1) + F(N-2)``).
+"""
+
+import itertools as it
+
+n = int(input('Number of occursion: '))
+
+def fibo():
+    a, b = 0, 1
+    while 1:
+        yield a
+        b = a + b
+        yield b
+        a = a+b
+gen = fibo()
+
+for i in it.islice(fibo(), n):
+    print(i)
\ No newline at end of file
diff --git a/labs04/task05.py b/labs04/task05.py
new file mode 100644
index 0000000..9b46df9
--- /dev/null
+++ b/labs04/task05.py
@@ -0,0 +1,20 @@
+"""
+**ćwiczenie 5**
+Katalog scores zawiera 64 pliki tekstowe, które posiadają informacje o wysokości miary ``BLEU`` na różnych etapach trenowania modelu. Nazwa każdego pliku na postać  ``model.iterXXXXXXX.npz.bleu``, gdzie ``XXXXXXX``, to liczba iteracji.Zawartość każdego pliku jest podobna i ma następującą formę: *BLEU = YY.YY, 44.4/18.5/9.3/5.0 (BP=1.000, ratio=1.072, hyp_len=45976, ref_len=42903)*, gdzie ``YY.YY`` to wartość miary ``BLEU``. Znajdź plik, który zawiera najwyższą wartość miary ``BLEU``.
+ * Wykorzystaj bibliotekę ``glob`` (https://docs.python.org/2/library/glob.html)
+ * Wyświetl tylko pełną nazwe pliku (wraz z ścieżką).
+"""
+
+import pandas as pd
+import glob
+
+path = r'/home/ghermann/code/python_td/labs04/scores' #change for your system
+files = glob.glob(path + '/*.npz.bleu')
+
+dfs = [pd.read_csv(fp, sep = " ", header = None).assign(filepath = fp) for fp in files]
+df = pd.concat(dfs, ignore_index = True)
+
+df[2] = df[2].map(lambda c: c.rstrip(','))
+df[2] = pd.to_numeric(df[2], errors = 'coerce')
+
+print(df.at[df[2].idxmax(), 'filepath'])