diff --git a/quiz-app/src/assets/translations/fr.json b/quiz-app/src/assets/translations/fr.json index 3ec4ec9e..80b55749 100644 --- a/quiz-app/src/assets/translations/fr.json +++ b/quiz-app/src/assets/translations/fr.json @@ -415,7 +415,7 @@ "isCorrect": "true" }, { - "answerText": "tous les deux", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -1033,7 +1033,7 @@ "questionText": "La classification est une forme d'apprentissage supervisé qui a beaucoup en commun avec", "answerOptions": [ { - "answerText": "Série temporelle", + "answerText": "Série chronologique", "isCorrect": "false" }, { @@ -1164,7 +1164,7 @@ "isCorrect": "false" }, { - "answerText": "Les deux ci-dessus", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -1213,7 +1213,7 @@ "questionText": "Quel classificateur avons-nous utilisé dans cette leçon?", "answerOptions": [ { - "answerText": "régression logistique", + "answerText": "Régression logistique", "isCorrect": "true" }, { @@ -1221,7 +1221,7 @@ "isCorrect": "false" }, { - "answerText": "MultiClass one-vs-tout", + "answerText": "Multiclasse un-contre-tous", "isCorrect": "false" } ] @@ -1257,7 +1257,7 @@ "isCorrect": "true" }, { - "answerText": "k-signifie", + "answerText": "K-Means", "isCorrect": "false" }, { @@ -1295,7 +1295,7 @@ "isCorrect": "false" }, { - "answerText": "tous les deux", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -1310,15 +1310,15 @@ "questionText": "Les classificateurs de support-vectoriel peuvent être utilisés pour", "answerOptions": [ { - "answerText": "Classification", + "answerText": "La classification", "isCorrect": "false" }, { - "answerText": "régression", + "answerText": "La régression", "isCorrect": "false" }, { - "answerText": "tous les deux", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -1327,15 +1327,15 @@ "questionText": "Forêt aléatoire est un type de classificateur ___", "answerOptions": [ { - "answerText": "Ensemble", + "answerText": "Ensembliste", "isCorrect": "true" }, { - "answerText": "Dissembliste", + "answerText": "Disensembliste", "isCorrect": "false" }, { - "answerText": "Assemblez", + "answerText": "Assembliste", "isCorrect": "false" } ] @@ -1371,17 +1371,17 @@ "isCorrect": "false" }, { - "answerText": "recommander des modes à essayer", + "answerText": "Recommander des modes à essayer", "isCorrect": "false" }, { - "answerText": "tous les deux", + "answerText": "Les deux", "isCorrect": "true" } ] }, { - "questionText": "L'intégration d'un modèle dans une application Web l'aide à être hors ligne", + "questionText": "L'intégration d'un modèle dans une application Web l'aide à être compatible hors ligne", "answerOptions": [ { "answerText": "Vrai", @@ -1394,7 +1394,7 @@ ] }, { - "questionText": "OnNX Runtime peut être utilisé pour", + "questionText": "Onnx Runtime peut être utilisé pour", "answerOptions": [ { "answerText": "Exécution de modèles dans une application Web", @@ -1405,7 +1405,7 @@ "isCorrect": "false" }, { - "answerText": "Hyperparameter Tuning", + "answerText": "Réglage des hyperparamètres", "isCorrect": "false" } ] @@ -1417,7 +1417,7 @@ "title": "Classification 4: Quiz de validation des connaissances", "quiz": [ { - "questionText": "L'application Nettron vous aide:", + "questionText": "L'application Netron vous aide:", "answerOptions": [ { "answerText": "Visualiser les données", @@ -1434,10 +1434,10 @@ ] }, { - "questionText": "Convertissez votre modèle SCIKIT-HALL pour une utilisation avec OnNX en utilisant:", + "questionText": "Convertissez votre modèle Scikit-learnL pour une utilisation avec Onnx en utilisant:", "answerOptions": [ { - "answerText": "Sklearn-App", + "answerText": "Sklearn-app", "isCorrect": "false" }, { @@ -1445,7 +1445,7 @@ "isCorrect": "false" }, { - "answerText": "Sklearn-ONNX", + "answerText": "Sklearn-onnX", "isCorrect": "true" } ] @@ -1471,7 +1471,7 @@ }, { "id": 27, - "title": "Introduction au Clustering: Quiz préalable", + "title": "Introduction au Clustering (regroupement): Quiz préalable", "quiz": [ { "questionText": "Un exemple de vie réel de regroupement serait", @@ -1502,7 +1502,7 @@ "isCorrect": "false" }, { - "answerText": "tous les deux", + "answerText": "Les deux", "isCorrect": "false" } ] @@ -1528,10 +1528,10 @@ }, { "id": 28, - "title": "Introduction au Clustering: Quiz de validation des connaissances", + "title": "Introduction au Clustering (regroupement): Quiz de validation des connaissances", "quiz": [ { - "questionText": "La géométrie euclidienne est disposée le long", + "questionText": "La géométrie Euclidienne est disposée le long", "answerOptions": [ { "answerText": "De plans", @@ -1633,7 +1633,7 @@ "isCorrect": "false" }, { - "answerText": "tous les deux", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -1701,15 +1701,15 @@ "questionText": "Que signifie NLP pour ces leçons?", "answerOptions": [ { - "answerText": "Traitement des langues neurales", + "answerText": "Neural Language Processing (Traitement des langues neurales)", "isCorrect": "false" }, { - "answerText": "Traitement des langues naturelles", + "answerText": "Natural Language Processing (Traitement des langues naturelles)", "isCorrect": "true" }, { - "answerText": "Traitement linguistique naturel", + "answerText": "Natural Linguistic Processing (Traitement linguistique naturel)", "isCorrect": "false" } ] @@ -1783,7 +1783,7 @@ "isCorrect": "false" }, { - "answerText": "tous les deux", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -1812,7 +1812,7 @@ "title": "Tâches NLP: Quiz préalable", "quiz": [ { - "questionText": "Tokenization", + "questionText": "La tokenization", "answerOptions": [ { "answerText": "Divise le texte au moyen de la ponctuation", @@ -1829,7 +1829,7 @@ ] }, { - "questionText": "Embeddings", + "questionText": "L'Embeddings", "answerOptions": [ { "answerText": "Convertit numériquement les données de texte afin que les mots puissent se classer", @@ -1846,18 +1846,18 @@ ] }, { - "questionText": "Marquage des parties de la parole", + "questionText": "Le balisage des parties du discours (Parts-of-Speech Tagging)", "answerOptions": [ { - "answerText": "Divise des phrases par leurs parties de la parole", + "answerText": "Divise les phrases en fonction de leurs parties du discours", "isCorrect": "false" }, { - "answerText": "prend des mots togmentés et les étiquettes de leur part de la parole", + "answerText": "prend les mots tokenisés et les marque selon leur partie du discours", "isCorrect": "true" }, { - "answerText": "Phrases de diagrammes", + "answerText": "schématise des phrases", "isCorrect": "false" } ] @@ -1886,18 +1886,18 @@ ] }, { - "questionText": "N-grammes se réfèrent à", + "questionText": "N-grams fait référence à", "answerOptions": [ { - "answerText": "Un texte peut être divisé en séquences de mots d'une longueur définie", + "answerText": "Un texte pouvant être divisé en séquences de mots d'une longueur définie", "isCorrect": "true" }, { - "answerText": "Un mot peut être divisé en séquences de caractères d'une longueur de jeu", + "answerText": "Un mot pouvant être divisé en séquences de caractères d'une longueur de jeu", "isCorrect": "false" }, { - "answerText": "Un texte peut être divisé en paragraphes d'une longueur définie", + "answerText": "Un texte pouvant être divisé en paragraphes d'une longueur définie", "isCorrect": "false" } ] @@ -2000,7 +2000,7 @@ ] }, { - "questionText": "Pour utiliser `blob.translate` vous avez besoin:", + "questionText": "Pour utiliser `blob.translate` vous avez besoin de:", "answerOptions": [ { "answerText": "Une connexion Internet", @@ -2017,18 +2017,18 @@ ] }, { - "questionText": "Pour déterminer un sentiment, une approche ML serait de:", + "questionText": "Pour déterminer un sentiment, une approche ML serait d':", "answerOptions": [ { - "answerText": "Appliquez des techniques de régression pour générer manuellement des opinions et des scores et rechercher des modèles", + "answerText": "Appliquer des techniques de régression pour générer manuellement des opinions et des scores et rechercher des modèles", "isCorrect": "false" }, { - "answerText": "Appliquez des techniques de PNL pour générer manuellement des opinions et des scores et rechercher des modèles", + "answerText": "Appliquer des techniques de PNL pour générer manuellement des opinions et des scores et rechercher des modèles", "isCorrect": "true" }, { - "answerText": "Appliquez des techniques de regroupement pour des opinions et des scores générés manuellement et rechercher des modèles", + "answerText": "Appliquer des techniques de regroupement pour des opinions et des scores générés manuellement et rechercher des modèles", "isCorrect": "false" } ] @@ -2253,10 +2253,10 @@ }, { "id": 41, - "title": "Introduction aux Time Series (séries temporelles): Quiz préalable", + "title": "Introduction aux Séries chronologiques (Time Series) : Quiz préalable", "quiz": [ { - "questionText": "La prévision de Time Series est utile pour", + "questionText": "La prévision de série chronologique est utile pour", "answerOptions": [ { "answerText": "Déterminer les coûts futurs", @@ -2273,7 +2273,7 @@ ] }, { - "questionText": "Une série temporelles est une séquence prise à:", + "questionText": "Une série chronologique est une séquence prise à:", "answerOptions": [ { "answerText": "points successifs également espacés dans l'espace", @@ -2290,7 +2290,7 @@ ] }, { - "questionText": "La série temporelles peut être utilisée dans les cas de:", + "questionText": "La série chronologique peut être utilisée dans les cas de:", "answerOptions": [ { "answerText": "Prévision de tremblement de terre", @@ -2310,10 +2310,10 @@ }, { "id": 42, - "title": "Introduction aux Time Series (séries temporelles): Quiz de validation des connaissances", + "title": "Introduction aux séries chronologiques : Quiz de validation des connaissances", "quiz": [ { - "questionText": "Les tendances de série temporelles sont", + "questionText": "Les tendances de série chronologique sont", "answerOptions": [ { "answerText": "des augmentations et des diminutions mesurables au fil du temps", @@ -2347,10 +2347,10 @@ ] }, { - "questionText": "La prévision de la série temporelle est la plus utile pour", + "questionText": "La prévision de séries chronologiques est utile pour", "answerOptions": [ { - "answerText": "L'conométrics", + "answerText": "L'économétrie", "isCorrect": "true" }, { @@ -2367,27 +2367,27 @@ }, { "id": 43, - "title": "Série TIME ARIMA: Quiz préalable", + "title": "Les séries chronologiques ARIMA: Quiz préalable", "quiz": [ { - "questionText": "Arima signifie", + "questionText": "ARIMA signifie", "answerOptions": [ { - "answerText": "Moyenne mobile intégrale autonome", + "answerText": "AutoRegressive Integral Moving Average", "isCorrect": "false" }, { - "answerText": "Action mobile intégrée autorégressive", + "answerText": "AutoRegressive Integrated Moving Action", "isCorrect": "false" }, { - "answerText": "Moyenne mobile intégrée autorégresive", + "answerText": "AutoRegressive Integrated Moving Average", "isCorrect": "true" } ] }, { - "questionText": "Stationarité fait référence à", + "questionText": "La stationnarité fait référence à", "answerOptions": [ { "answerText": "Les données dont les attributs ne changent pas lors de la décalage", @@ -2404,7 +2404,7 @@ ] }, { - "questionText": "différenciation", + "questionText": "La différenciation", "answerOptions": [ { "answerText": "Stabilise la tendance et la saisonnalité", @@ -2424,7 +2424,7 @@ }, { "id": 44, - "title": "Série TIME ARIMA: Quiz de validation des connaissances", + "title": "Les séries chronologiques ARIMA: Quiz de validation des connaissances", "quiz": [ { "questionText": "Arima est utilisé pour créer un modèle adapté à la forme spéciale des données de la série chronologique", @@ -2444,7 +2444,7 @@ ] }, { - "questionText": "Utilisez Sarimax à", + "questionText": "Utilisez Sarimax pour", "answerOptions": [ { "answerText": "Gérer les modèles d'ARIMA saisonniers", @@ -2461,18 +2461,18 @@ ] }, { - "questionText": " `La validation` de la promenade implique ", + "questionText": " La validation « Walk-Forward » implique de", "answerOptions": [ { "answerText": "Réévaluer un modèle progressivement tel qu'il est validé", "isCorrect": "false" }, { - "answerText": "Ré-entraînant un modèle progressivement tel qu'il est validé", + "answerText": "Re-entraîner un modèle progressivement tel qu'il est validé", "isCorrect": "true" }, { - "answerText": "Ré-configurez un modèle progressivement tel qu'il est validé", + "answerText": "Re-configurer un modèle progressivement tel qu'il est validé", "isCorrect": "false" } ] @@ -2535,7 +2535,7 @@ "title": "Renforcement 1: Quiz de validation des connaissances", "quiz": [ { - "questionText": "Qu'est-ce que q-apprentissage?", + "questionText": "Qu'est-ce que le Q-Learning?", "answerOptions": [ { "answerText": "Un mécanisme d'enregistrement de la \"bonté\" de chaque État", @@ -2552,7 +2552,7 @@ ] }, { - "questionText": "Pour quelles valeurs une table Q correspond à la stratégie de marche aléatoire?", + "questionText": "Pour quelles valeurs une Q-Table correspond à la stratégie de marche aléatoire?", "answerOptions": [ { "answerText": "toutes les valeurs égales", @@ -2588,7 +2588,7 @@ "title": "Renforcement 2: Quiz préalable", "quiz": [ { - "questionText": "Les échecs et les jeux sont des jeux avec des états continus.", + "questionText": "Les échecs et le go sont des jeux avec des états continus", "answerOptions": [ { "answerText": "Vrai", @@ -2601,7 +2601,7 @@ ] }, { - "questionText": "Quel est le problème de la cartpole?", + "questionText": "Quel est le problème CartPole ?", "answerOptions": [ { "answerText": "Un processus d'élimination des valeurs aberrantes", @@ -2658,14 +2658,14 @@ ] }, { - "questionText": "Quelle paire avez-nous utilisée comme valeur de la clé de dictionnaire?", + "questionText": "Quelle paire avons-nous utilisée comme valeur de la clé de dictionnaire?", "answerOptions": [ { - "answerText": "(état, action) comme clé de la table Q-Table comme valeur", + "answerText": "(état, action) comme clé, l'entrée Q-Table comme valeur", "isCorrect": "true" }, { - "answerText": "State comme clé, action en tant que valeur", + "answerText": "L'état comme clé, action en tant que valeur", "isCorrect": "false" }, { @@ -2675,7 +2675,7 @@ ] }, { - "questionText": "Quels sont les hyperparamètres que nous avons utilisés pendant q-apprentissage?", + "questionText": "Quels sont les hyperparamètres que nous avons utilisés pendant le Q-Learning?", "answerOptions": [ { "answerText": "Valeur de la table Q, récompense actuelle, action aléatoire", @@ -2718,15 +2718,15 @@ "questionText": "Quelle technique ML peut utiliser les hôpitaux pour gérer la réadmission?", "answerOptions": [ { - "answerText": "Clustering", + "answerText": "Le Clustering (Regroupement)", "isCorrect": "true" }, { - "answerText": "Série temporelle", + "answerText": "Les séries chronologiques", "isCorrect": "false" }, { - "answerText": "NLP", + "answerText": "Le NLP", "isCorrect": "false" } ] @@ -2779,7 +2779,7 @@ "isCorrect": "true" }, { - "answerText": "Série temporelle", + "answerText": "Série chronologique", "isCorrect": "false" }, {