fix(docs): not working notebook links

1-Introduction/01-defining-data-science/translations/README.es.md

@@ -153,7 +153,7 @@ En este reto, trataremos de encontrar conceptos relevantes para el campo de la C
 
 ![Word Cloud para ciencia de datos](images/ds_wordcloud.png)
 
-Visite [`notebook.ipynb`](notebook.ipynb) para leer el código.  También puedes ejecutar el código y ver cómo realiza todas las transformaciones de datos en tiempo real. 
+Visite [`notebook.ipynb`](/1-Introduction/01-defining-data-science/notebook.ipynb ':ignore') para leer el código.  También puedes ejecutar el código y ver cómo realiza todas las transformaciones de datos en tiempo real. 
 
 > Si no sabe cómo ejecutar código en un "jupyter notebook", eche un vistazo a [este artículo](https://soshnikov.com/education/how-to-execute-notebooks-from-github/).
 

1-Introduction/01-defining-data-science/translations/README.ko.md

@@ -147,7 +147,7 @@
 
 ![데이터 과학에 대한 워드 클라우드](../images/ds_wordcloud.png)
 
-[`notebook.ipynb`](../notebook.ipynb)에서 코드를 읽어보세요. 코드를 실행할 수 있고, 실시간으로 모든 데이터 변환을 어떻게 수행하는 지 확인할 수 있습니다.
+[`notebook.ipynb`](/1-Introduction/01-defining-data-science/notebook.ipynb ':ignore')에서 코드를 읽어보세요. 코드를 실행할 수 있고, 실시간으로 모든 데이터 변환을 어떻게 수행하는 지 확인할 수 있습니다.
 
 > 주피터 노트북(Jupyter Notebook)에서 코드를 어떻게 실행하는 지 잘 모른다면, [이 기사](https://soshnikov.com/education/how-to-execute-notebooks-from-github/)를 읽어보세요.
 

1-Introduction/01-defining-data-science/translations/README.pt-br.md

@@ -147,7 +147,7 @@ Nesse desafio, nós vamos tentar encontrar conceitos relevantes para a área de
 
 ![Nuvem de Palavras para Ciência de Dados](../images/ds_wordcloud.png)
 
-Visite [`notebook.ipynb`](../notebook.ipynb) para ler o código. Você também pode rodar esse código, e ver como ele performa toda a transformação de dados em tempo real.
+Visite [`notebook.ipynb`](/1-Introduction/01-defining-data-science/notebook.ipynb ':ignore') para ler o código. Você também pode rodar esse código, e ver como ele performa toda a transformação de dados em tempo real.
 
 > Se você não sabe como rodar códigos no Jupyter Notebook, dê uma olhada [nesse artigo](https://soshnikov.com/education/how-to-execute-notebooks-from-github/).
 

1-Introduction/01-defining-data-science/translations/README.ru.md

@@ -160,7 +160,7 @@
 
 ![Word Cloud for Data Science](../images/ds_wordcloud.png)
 
-Откройте [`notebook.ipynb`](../notebook.ipynb), чтобы ознакомиться с исходным кодом. Вы также можете запустить выполнение кода и понаблюдать, как происходит трансформация данных в реальном времени. 
+Откройте [`notebook.ipynb`](/1-Introduction/01-defining-data-science/notebook.ipynb ':ignore'), чтобы ознакомиться с исходным кодом. Вы также можете запустить выполнение кода и понаблюдать, как происходит трансформация данных в реальном времени. 
 
 > Если Вы не знаете, как запустить код в Jupyter Notebook, прочтите [данную статью](https://soshnikov.com/education/how-to-execute-notebooks-from-github/).
 

2-Working-With-Data/07-python/README.md

@@ -54,7 +54,7 @@ Pandas is centered around a few basic concepts.
 
 **Series** is a sequence of values, similar to a list or numpy array. The main difference is that series also has an **index**, and when we operate on series (eg., add them), the index is taken into account. Index can be as simple as integer row number (it is the index used by default when creating a series from list or array), or it can have a complex structure, such as date interval.
 
-> **Note**: There is some introductory Pandas code in the accompanying notebook [`notebook.ipynb`](notebook.ipynb). We only outline some the examples here, and you are definitely welcome to check out the full notebook.
+> **Note**: There is some introductory Pandas code in the accompanying notebook [`notebook.ipynb`](/2-Working-With-Data/07-python/notebook.ipynb ':ignore'). We only outline some the examples here, and you are definitely welcome to check out the full notebook.
 
 Consider an example: we want to analyze sales of our ice-cream spot. Let's generate a series of sales numbers (number of items sold each day) for some time period:
 
@@ -212,7 +212,7 @@ This overview covers most important concepts of Pandas, however, the library is
 
 First problem we will focus on is modelling of epidemic spread of COVID-19. In order to do that, we will use the data on the number of infected individuals in different countries, provided by the [Center for Systems Science and Engineering](https://systems.jhu.edu/) (CSSE) at [Johns Hopkins University](https://jhu.edu/). Dataset is available in [this GitHub Repository](https://github.com/CSSEGISandData/COVID-19).
 
-Since we want to demonstrate how to deal with data, we invite you to open [`notebook-covidspread.ipynb`](notebook-covidspread.ipynb) and read it from top to bottom. You can also execute cells, and do some challenges that we have left for you at the end.
+Since we want to demonstrate how to deal with data, we invite you to open [`notebook-covidspread.ipynb`](/2-Working-With-Data/07-python/notebook-covidspread.ipynb ':ignore') and read it from top to bottom. You can also execute cells, and do some challenges that we have left for you at the end.
 
 ![COVID Spread](images/covidspread.png)
 
@@ -234,7 +234,7 @@ A full example of analyzing this dataset using [Text Analytics for Health](https
 
 > **NOTE**: We do not provide a copy of the dataset as part of this repository. You may first need to download the [`metadata.csv`](https://www.kaggle.com/allen-institute-for-ai/CORD-19-research-challenge?select=metadata.csv) file from [this dataset on Kaggle](https://www.kaggle.com/allen-institute-for-ai/CORD-19-research-challenge). Registration with Kaggle may be required. You may also download the dataset without registration [from here](https://ai2-semanticscholar-cord-19.s3-us-west-2.amazonaws.com/historical_releases.html), but it will include all full texts in addition to metadata file.
 
-Open [`notebook-papers.ipynb`](notebook-papers.ipynb) and read it from top to bottom. You can also execute cells, and do some challenges that we have left for you at the end.
+Open [`notebook-papers.ipynb`](/2-Working-With-Data/07-python/notebook-papers.ipynb ':ignore') and read it from top to bottom. You can also execute cells, and do some challenges that we have left for you at the end.
 
 ![Covid Medical Treatment](images/covidtreat.png)
 

2-Working-With-Data/07-python/translations/README.ko.md

@@ -54,7 +54,7 @@ Pandas는 몇 가지 기본적인 개념을 중심으로 합니다.
 
 **시리즈(Series)** 은 리스트 또는 numpy 배열과 유사한 일련의 값들입니다. 주요 차이점은 시리즈에도 **색인**이 있고 시리즈에 대해 작업할 때(예: 추가) 인덱스가 고려된다는 것입니다. 인덱스는 정수 행 번호만큼 단순할 수도 있고(목록 또는 배열에서 시리즈를 생성할 때 기본적으로 사용되는 인덱스) 날짜 간격과 같은 복잡한 구조를 가질 수도 있습니다.
 
-> **주의**: 동봉된 [`notebook.ipynb`](notebook.ipynb) 파일에는 몇 가지 Pandas 소개 코드가 있습니다. 여기서는 몇 가지 예시만 간략히 설명하며, 전체 notebook 코드를 확인해 보시기 바랍니다.
+> **주의**: 동봉된 [`notebook.ipynb`](/2-Working-With-Data/07-python/notebook.ipynb ':ignore') 파일에는 몇 가지 Pandas 소개 코드가 있습니다. 여기서는 몇 가지 예시만 간략히 설명하며, 전체 notebook 코드를 확인해 보시기 바랍니다.
 
 예시: 우리는 아이스크림 가게의 매출을 분석하려고 합니다. 일정 기간 동안 일련의 판매 번호(매일 판매되는 품목 수)를 생성해 봅시다.
 
@@ -234,7 +234,7 @@ df = pd.read_csv('file.csv')
 
 > **주의**: 우리는 더이상 데이터 세트의 복사본을 이 리포지토리의 일부로 제공하지 않습니다. 먼저 [Kaggle의 데이터세트](https://www.kaggle.com/allen-institute-for-ai/CORD-19-research-challenge)에서 [`metadata.csv`](https://www.kaggle.com/allen-institute-for-ai/CORD-19-research-challenge?select=metadata.csv) 파일을 다운로드해야 할 수도 있습니다. Kaggle에 가입해야 할 수 있습니다. [여기](https://ai2-semanticscholar-cord-19.s3-us-west-2.amazonaws.com/historical_releases.html)에서 등록 없이 데이터 세트를 다운로드할 수도 있지만 여기에는 메타데이터 파일 외에 모든 전체 텍스트가 포함됩니다.
 
-[`notebook-papers.ipynb`](notebook-papers.ipynb)를 열고 위에서 아래로 읽으십시오. 셀을 실행할 수도 있고 마지막에 남겨둔 몇 가지 과제를 수행할 수도 있습니다.
+[`notebook-papers.ipynb`](/2-Working-With-Data/07-python/notebook-papers.ipynb ':ignore')를 열고 위에서 아래로 읽으십시오. 셀을 실행할 수도 있고 마지막에 남겨둔 몇 가지 과제를 수행할 수도 있습니다.
 
 ![Covid Medical Treatment](../images/covidtreat.png)