diff --git a/translations/bg/.co-op-translator.json b/translations/bg/.co-op-translator.json
index c6194bd1..9e34708f 100644
--- a/translations/bg/.co-op-translator.json
+++ b/translations/bg/.co-op-translator.json
@@ -12,8 +12,8 @@
"language_code": "bg"
},
"1-Introduction/01-defining-data-science/notebook.ipynb": {
- "original_hash": "8f5eb7b3f7cc89e6d98fb32e1de65dec",
- "translation_date": "2026-02-27T11:39:44+00:00",
+ "original_hash": "8eb07e3d899aaba7ea9c9ec9b5aa2850",
+ "translation_date": "2026-07-17T22:43:23+00:00",
"source_file": "1-Introduction/01-defining-data-science/notebook.ipynb",
"language_code": "bg"
},
@@ -42,8 +42,8 @@
"language_code": "bg"
},
"1-Introduction/03-defining-data/README.md": {
- "original_hash": "12339119c0165da569a93ddba05f9339",
- "translation_date": "2025-09-05T18:51:20+00:00",
+ "original_hash": "7217c6f9eb464d4ff4bae6c036ab53cb",
+ "translation_date": "2026-07-17T22:45:49+00:00",
"source_file": "1-Introduction/03-defining-data/README.md",
"language_code": "bg"
},
@@ -65,6 +65,12 @@
"source_file": "1-Introduction/04-stats-and-probability/assignment.md",
"language_code": "bg"
},
+ "1-Introduction/04-stats-and-probability/notebook.ipynb": {
+ "original_hash": "0c77e104b29c723287bf11b773fcc5d5",
+ "translation_date": "2026-07-17T22:44:24+00:00",
+ "source_file": "1-Introduction/04-stats-and-probability/notebook.ipynb",
+ "language_code": "bg"
+ },
"1-Introduction/README.md": {
"original_hash": "696a8474a01054281704cbfb09148949",
"translation_date": "2025-08-26T15:00:13+00:00",
@@ -108,8 +114,8 @@
"language_code": "bg"
},
"2-Working-With-Data/07-python/notebook-covidspread.ipynb": {
- "original_hash": "6335cccba01dc6ad7b15aba7a8c73f38",
- "translation_date": "2026-02-27T11:41:30+00:00",
+ "original_hash": "da97f98781c7cd271063f605fe8d71d0",
+ "translation_date": "2026-07-17T22:42:55+00:00",
"source_file": "2-Working-With-Data/07-python/notebook-covidspread.ipynb",
"language_code": "bg"
},
@@ -192,14 +198,14 @@
"language_code": "bg"
},
"3-Data-Visualization/13-meaningful-visualizations/solution/README.md": {
- "original_hash": "5c51a54dd89075a7a362890117b7ed9e",
- "translation_date": "2025-08-26T16:48:52+00:00",
+ "original_hash": "2b3b2632bb02af608ca60be828e8097d",
+ "translation_date": "2026-07-17T22:45:56+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/solution/README.md",
"language_code": "bg"
},
"3-Data-Visualization/13-meaningful-visualizations/starter/README.md": {
- "original_hash": "5c51a54dd89075a7a362890117b7ed9e",
- "translation_date": "2025-08-26T16:48:13+00:00",
+ "original_hash": "2b3b2632bb02af608ca60be828e8097d",
+ "translation_date": "2026-07-17T22:45:53+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/starter/README.md",
"language_code": "bg"
},
diff --git a/translations/bg/1-Introduction/01-defining-data-science/notebook.ipynb b/translations/bg/1-Introduction/01-defining-data-science/notebook.ipynb
index 2528c842..950c30c9 100644
--- a/translations/bg/1-Introduction/01-defining-data-science/notebook.ipynb
+++ b/translations/bg/1-Introduction/01-defining-data-science/notebook.ipynb
@@ -2,420 +2,319 @@
"cells": [
{
"cell_type": "markdown",
+ "metadata": {},
"source": [
- "# Предизвикателство: Анализ на текст за дата сайънс\r\n",
- "\r\n",
- "В този пример, нека направим просто упражнение, покриващо всички стъпки на традиционния процес на дата сайънс. Не е необходимо да пишете код, просто можете да кликнете върху клетките по-долу, за да ги изпълните и да наблюдавате резултата. Като предизвикателство, се насърчавате да опитате този код с различни данни.\r\n",
- "\r\n",
- "## Цел\r\n",
- "\r\n",
- "В този урок обсъждахме различни концепции, свързани с дата сайънс. Нека опитаме да открием още свързани концепции чрез **текстов минен анализ**. Ще започнем с текст за дата сайънс, ще извлечем ключови думи от него и после ще опитаме да визуализираме резултата.\r\n",
- "\r\n",
- "Като текст ще използвам страницата за Data Science от Уикипедия:\n"
- ],
- "metadata": {}
+ "# Предизвикателство: Анализ на текст за науката за данни\n",
+ "\n",
+ "В този пример нека направим просто упражнение, което обхваща всички стъпки на традиционния процес в науката за данни. Не е необходимо да пишете код, можете просто да кликнете върху клетките по-долу, за да ги изпълните и да наблюдавате резултата. Като предизвикателство, ви се препоръчва да изпробвате този код с различни данни.\n",
+ "\n",
+ "## Цел\n",
+ "\n",
+ "В този урок обсъждахме различни концепции, свързани с науката за данни. Нека опитаме да открием още свързани концепции, като направим **извличане на информация от текст**. Ще започнем с текст за науката за данни, ще извлечем ключови думи от него и след това ще се опитаме да визуализираме резултата.\n",
+ "\n",
+ "Като текст ще използвам страницата за Наука за данни от Wikipedia:\n"
+ ]
},
{
"cell_type": "markdown",
- "source": [],
- "metadata": {}
+ "metadata": {},
+ "source": []
},
{
"cell_type": "code",
- "execution_count": 62,
+ "execution_count": null,
+ "metadata": {},
+ "outputs": [],
"source": [
"url = 'https://en.wikipedia.org/wiki/Data_science'"
- ],
- "outputs": [],
- "metadata": {}
+ ]
},
{
"cell_type": "markdown",
+ "metadata": {},
"source": [
"## Стъпка 1: Получаване на данните\n",
"\n",
- "Първата стъпка във всеки процес на наука за данните е получаването на данните. Ще използваме библиотеката `requests` за тази цел:\n"
- ],
- "metadata": {}
+ "Първата стъпка във всеки процес на обработка на данни е получаването на данните. Ще използваме библиотеката `requests` за тази цел:\n"
+ ]
},
{
"cell_type": "code",
- "execution_count": 63,
+ "execution_count": null,
+ "metadata": {},
+ "outputs": [],
"source": [
- "import requests\r\n",
- "\r\n",
- "text = requests.get(url).content.decode('utf-8')\r\n",
- "print(text[:1000])"
- ],
- "outputs": [
- {
- "output_type": "stream",
- "name": "stdout",
- "text": [
- "\n",
- "\n",
- "\n",
- "\n",
- "Data science - Wikipedia\n",
- "