Merge branch 'main' into fix-classification-format

1-Introduction/1-intro-to-ML/translations/README.fr.md

@@ -4,7 +4,7 @@
 
 > 🎥 Cliquer sur l'image ci-dessus afin de regarder une vidéo expliquant la différence entre machine learning, AI et deep learning.
 
-## [Quiz préalable](https://jolly-sea-0a877260f.azurestaticapps.net/quiz/1/)
+## [Quiz préalable](https://jolly-sea-0a877260f.azurestaticapps.net/quiz/1?loc=fr)
 
 ### Introduction
 
@@ -98,7 +98,7 @@ Dans un avenir proche, comprendre les bases du machine learning sera indispensab
 
 Esquisser, sur papier ou à l'aide d'une application en ligne comme [Excalidraw](https://excalidraw.com/), votre compréhension des différences entre l'IA, le ML, le deep learning et la data science. Ajouter quelques idées de problèmes que chacune de ces techniques est bonne à résoudre.
 
-## [Quiz de validation des connaissances](https://jolly-sea-0a877260f.azurestaticapps.net/quiz/2/)
+## [Quiz de validation des connaissances](https://jolly-sea-0a877260f.azurestaticapps.net/quiz/2?loc=fr)
 
 ## Révision et auto-apprentissage
 

1-Introduction/2-history-of-ML/translations/README.fr.md

@@ -3,7 +3,7 @@
 ![Résumé de l'histoire du machine learning dans un sketchnote](../../../sketchnotes/ml-history.png)
 > Sketchnote de [Tomomi Imura](https://www.twitter.com/girlie_mac)
 
-## [Quizz préalable](https://jolly-sea-0a877260f.azurestaticapps.net/quiz/3/)
+## [Quizz préalable](https://jolly-sea-0a877260f.azurestaticapps.net/quiz/3?loc=fr)
 
 Dans cette leçon, nous allons parcourir les principales étapes de l'histoire du machine learning et de l'intelligence artificielle.
 
@@ -102,7 +102,7 @@ Reste à savoir ce que l'avenir nous réserve, mais il est important de comprend
 
 Plongez dans l'un de ces moments historiques et apprenez-en plus sur les personnes derrière ceux-ci. Il y a des personnalités fascinantes, et aucune découverte scientifique n'a jamais été créée avec un vide culturel. Que découvrez-vous ?
 
-## [Quiz de validation des connaissances](https://jolly-sea-0a877260f.azurestaticapps.net/quiz/4/)
+## [Quiz de validation des connaissances](https://jolly-sea-0a877260f.azurestaticapps.net/quiz/4?loc=fr)
 
 ## Révision et auto-apprentissage
 

1-Introduction/translations/README.fr.md

@@ -7,10 +7,10 @@ Dans cette section du programme, vous découvrirez les concepts de base sous-jac
   
 ### Leçons
 
-1. [Introduction au machine learning](1-intro-to-ML/README.md)
-1. [L’histoire du machine learning et de l’IA](2-history-of-ML/README.md)
-1. [Équité et machine learning](3-équité/README.md)
-1. [Techniques de machine learning](4-techniques-of-ML/README.md)
+1. [Introduction au machine learning](../1-intro-to-ML/translations/README.fr.md)
+1. [L’histoire du machine learning et de l’IA](../2-history-of-ML/translations/README.fr.md)
+1. [Équité et machine learning](../3-fairness/translations/README.fr.md)
+1. [Techniques de machine learning](../4-techniques-of-ML/translations/README.fr.md)
 ### Crédits
 
 "Introduction au machine learning" a été écrit avec ♥️ par une équipe de personnes comprenant [Muhammad Sakib Khan Inan](https://twitter.com/Sakibinan), [Ornella Altunyan](https://twitter.com/ornelladotcom) et [Jen Looper](https://twitter.com/jenlooper)

4-Classification/1-Introduction/README.md

@@ -275,7 +275,7 @@ Now that you have cleaned the data, use [SMOTE](https://imbalanced-learn.org/dev
     ```python
     transformed_df.head()
     transformed_df.info()
-    transformed_df.to_csv("../data/cleaned_cuisine.csv")
+    transformed_df.to_csv("../data/cleaned_cuisines.csv")
     ```
 
     This fresh CSV can now be found in the root data folder.

4-Classification/1-Introduction/solution/notebook.ipynb

@@ -622,7 +622,7 @@
    "metadata": {},
    "outputs": [],
    "source": [
-    "transformed_df.to_csv(\"../../data/cleaned_cuisine.csv\")"
+    "transformed_df.to_csv(\"../../data/cleaned_cuisines.csv\")"
    ]
   },
   {

4-Classification/1-Introduction/translations/README.tr.md

@@ -275,7 +275,7 @@ Veriyi temizlediniz, şimdi [SMOTE](https://imbalanced-learn.org/dev/references/
     ```python
     transformed_df.head()
     transformed_df.info()
-    transformed_df.to_csv("../../data/cleaned_cuisine.csv")
+    transformed_df.to_csv("../../data/cleaned_cuisines.csv")
     ```
 
     Bu yeni CSV şimdi kök data (veri) klasöründe görülebilir.

4-Classification/1-Introduction/translations/README.zh-cn.md

@@ -269,7 +269,7 @@ Scikit-learn项目提供多种对数据进行分类的算法，你需要根据
     ```python
     transformed_df.head()
     transformed_df.info()
-    transformed_df.to_csv("../data/cleaned_cuisine.csv")
+    transformed_df.to_csv("../data/cleaned_cuisines.csv")
     ```
 
     这个全新的CSV文件可以在数据根目录中被找到。

4-Classification/2-Classifiers-1/README.md

@@ -15,7 +15,7 @@ Assuming you completed [Lesson 1](../1-Introduction/README.md), make sure that a
 
     ```python
     import pandas as pd
-    cuisines_df = pd.read_csv("../data/cleaned_cuisine.csv")
+    cuisines_df = pd.read_csv("../../data/cleaned_cuisines.csv")
     cuisines_df.head()
     ```
 

4-Classification/2-Classifiers-1/solution/notebook.ipynb

@@ -47,7 +47,7 @@
    ],
    "source": [
     "import pandas as pd\n",
-    "cuisines_df = pd.read_csv(\"../../data/cleaned_cuisine.csv\")\n",
+    "cuisines_df = pd.read_csv(\"../../data/cleaned_cuisines.csv\")\n",
     "cuisines_df.head()"
    ]
   },

4-Classification/3-Classifiers-2/README.md

@@ -6,7 +6,7 @@ In this second classification lesson, you will explore more ways to classify num
 
 ### Prerequisite
 
-We assume that you have completed the previous lessons and have a cleaned dataset in your `data` folder called _cleaned_cuisine.csv_ in the root of this 4-lesson folder.
+We assume that you have completed the previous lessons and have a cleaned dataset in your `data` folder called _cleaned_cuisines.csv_ in the root of this 4-lesson folder.
 
 ### Preparation
 

4-Classification/3-Classifiers-2/notebook.ipynb

@@ -47,7 +47,7 @@
    ],
    "source": [
     "import pandas as pd\n",
-    "cuisines_df = pd.read_csv(\"../data/cleaned_cuisine.csv\")\n",
+    "cuisines_df = pd.read_csv(\"../data/cleaned_cuisines.csv\")\n",
     "cuisines_df.head()"
    ]
   },

4-Classification/3-Classifiers-2/solution/notebook.ipynb

@@ -47,7 +47,7 @@
    ],
    "source": [
     "import pandas as pd\n",
-    "cuisines_df = pd.read_csv(\"../../data/cleaned_cuisine.csv\")\n",
+    "cuisines_df = pd.read_csv(\"../../data/cleaned_cuisines.csv\")\n",
     "cuisines_df.head()"
    ]
   },

4-Classification/4-Applied/README.md

@@ -40,7 +40,7 @@ First, train a classification model using the cleaned cuisines dataset we used.
 1. Then, work with your data in the same way you did in previous lessons, by reading a CSV file using `read_csv()`:
 
     ```python
-    data = pd.read_csv('../data/cleaned_cuisine.csv')
+    data = pd.read_csv('../data/cleaned_cuisines.csv')
     data.head()
     ```
 

4-Classification/4-Applied/solution/notebook.ipynb

@@ -115,7 +115,7 @@
     }
    ],
    "source": [
-    "data = pd.read_csv('../../data/cleaned_cuisine.csv')\n",
+    "data = pd.read_csv('../../data/cleaned_cuisines.csv')\n",
     "data.head()"
    ]
   },