diff --git a/quiz-app/src/assets/translations/fr.json b/quiz-app/src/assets/translations/fr.json index 9908c3eae..da0ee317e 100644 --- a/quiz-app/src/assets/translations/fr.json +++ b/quiz-app/src/assets/translations/fr.json @@ -50,7 +50,7 @@ "isCorrect": "false" }, { - "answerText": "Les deux ci-dessus", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -107,7 +107,7 @@ "isCorrect": "false" }, { - "answerText": "Les deux ci-dessus", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -236,15 +236,15 @@ "questionText": "L'injustice dans le machine learning peut arriver", "answerOptions": [ { - "answerText": "intentionnellement", + "answerText": "Intentionnellement", "isCorrect": "false" }, { - "answerText": "Indormalement", + "answerText": "Involontairement", "isCorrect": "false" }, { - "answerText": "Les deux ci-dessus", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -253,15 +253,15 @@ "questionText": "Le terme \" injustice \" en ml connotes:", "answerOptions": [ { - "answerText": "nuit à un groupe de personnes", + "answerText": "Préjudices pour un groupe de personnees", "isCorrect": "true" }, { - "answerText": "Dommage à une personne", + "answerText": "préjudice à une personne", "isCorrect": "false" }, { - "answerText": "nuit à la majorité des gens", + "answerText": "Préjudices pour la majorité des gens", "isCorrect": "false" } ] @@ -293,21 +293,21 @@ "questionText": "L'injustice dans un modèle peut être causée par", "answerOptions": [ { - "answerText": "dépassement de données historiques", + "answerText": "Dépendance excessive de données historiques", "isCorrect": "true" }, { - "answerText": "Sous-solliance sur les données historiques", + "answerText": "sous-dépendance sur les données historiques", "isCorrect": "false" }, { - "answerText": "Trop d'alignement sur les données historiques", + "answerText": "Alignement trop étroit sur les données historiques", "isCorrect": "false" } ] }, { - "questionText": "Pour atténuer l'injustice, tu peux", + "questionText": "Pour atténuer l'injustice, vous pouvez", "answerOptions": [ { "answerText": "Identifier les préjudices et les groupes affectés", @@ -318,7 +318,7 @@ "isCorrect": "false" }, { - "answerText": "à la fois ce qui précède", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -375,7 +375,7 @@ "isCorrect": "false" }, { - "answerText": "Les deux ci-dessus", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -521,11 +521,11 @@ "questionText": "Si la précision de la formation du modèle d'apprentissage de votre machine est de 95% et que la précision des tests est de 30%, quel type de condition est appelé?", "answerOptions": [ { - "answerText": "Surface", + "answerText": "Surapprentissage", "isCorrect": "true" }, { - "answerText": "sous-facture", + "answerText": "Insuffisance", "isCorrect": "false" }, { @@ -552,18 +552,18 @@ ] }, { - "questionText": "Le processus de division d'un jeu de données dans un certain rapport d'entraînement et de test de jeu de données à l'aide de la méthode / la fonction Train_Test_split () '' Train_Test_Split () 'est appelée:", + "questionText": "Le processus de division d'un ensemble de données en un certain rapport d'ensemble de données d'entraînement et de test à l'aide de la méthode/fonction 'train_test_split ()' de Scikit Learn est appelé une:", "answerOptions": [ { "answerText": "Validation croisée", "isCorrect": "false" }, { - "answerText": "validation de maintien", + "answerText": "Validation d'attentn", "isCorrect": "true" }, { - "answerText": "laissez une validation d'une sortie", + "answerText": "Validation \"Oubliez-en un\" ", "isCorrect": "false" } ] @@ -582,7 +582,7 @@ "isCorrect": "false" }, { - "answerText": "Scikit-apprendre", + "answerText": "Scikit-learn", "isCorrect": "false" }, { @@ -592,18 +592,18 @@ ] }, { - "questionText": "Si vous souhaitez comprendre la propagation ou les autres caractéristiques des points de données de votre ensemble de données, puis effectuez:", + "questionText": "Si vous souhaitez comprendre la propagation ou les autres caractéristiques des points de données de votre ensemble de données, alors effectuez:", "answerOptions": [ { - "answerText": "Visualisation des données", + "answerText": "Une visualisation des données", "isCorrect": "true" }, { - "answerText": "Pré-traitement des données", + "answerText": "Un pré-traitement des données", "isCorrect": "false" }, { - "answerText": "Split test de train", + "answerText": "Un Train Test Splitn", "isCorrect": "false" } ] @@ -612,7 +612,7 @@ "questionText": "Lequel d'entre eux fait partie de l'étape de visualisation des données dans un projet de machine learning?", "answerOptions": [ { - "answerText": "Intégrant un algorithme d'apprentissage de certains machines", + "answerText": "Intégrer un algorithme d'apprentissage de certains machines", "isCorrect": "false" }, { @@ -634,16 +634,16 @@ { "questionText": "Lequel de ces extraits de code est correct d'après cette leçon, si vous souhaitez vérifier la présence de valeurs manquantes dans votre ensemble de données ? Supposons que l'ensemble de données soit stocké dans une variable nommée \"ensemble de données\", qui est un objet Pandas DataFrame.", "answerOptions": [ - { - "answerText": "DataSet.isnull (). Somme ()", + { + "answerText": "dataset.isnull().sum()", "isCorrect": "true" }, { - "answerText": "FindMissing (DataSet)", + "answerText": "findMissing(dataset)", "isCorrect": "false" }, { - "answerText": "Somme (NULL (DataSet))", + "answerText": "sum(null(dataset))", "isCorrect": "false" } ] @@ -652,15 +652,15 @@ "questionText": "Laquelle de ces méthodes de traçage est utile lorsque vous souhaitez comprendre la propagation de différents groupes de fichiers de données de votre jeu de données?", "answerOptions": [ { - "answerText": "Terrain de dispersion", + "answerText": "Nuage de pointsn", "isCorrect": "false" }, { - "answerText": "Terrain de ligne", + "answerText": "Graphique linéaire", "isCorrect": "false" }, { - "answerText": "barre de bar", + "answerText": "Graphique à barres", "isCorrect": "true" } ] @@ -689,7 +689,7 @@ "title": "Régression linéaire et polynomiale: Quiz préalable", "quiz": [ { - "questionText": "Matplotlib est un", + "questionText": "Matplotlib est une", "answerOptions": [ { "answerText": "Bibliothèque de dessin", @@ -700,7 +700,7 @@ "isCorrect": "true" }, { - "answerText": "Library Lanchage", + "answerText": "Bibliothèque de prêt", "isCorrect": "false" } ] @@ -717,7 +717,7 @@ "isCorrect": "false" }, { - "answerText": "une courbe", + "answerText": "Une courbe", "isCorrect": "false" } ] @@ -726,15 +726,15 @@ "questionText": "Un bon modèle de régression linéaire a un coefficient de corrélation ___", "answerOptions": [ { - "answerText": "Low", + "answerText": "Bas", "isCorrect": "false" }, { - "answerText": "High", + "answerText": "Elevé", "isCorrect": "true" }, { - "answerText": "flat", + "answerText": "Plat", "isCorrect": "false" } ] @@ -757,7 +757,7 @@ "isCorrect": "false" }, { - "answerText": "polynôme", + "answerText": "polynômial", "isCorrect": "true" } ] @@ -766,15 +766,15 @@ "questionText": "Ce sont tous types de méthodes de régression", "answerOptions": [ { - "answerText": "Falsestetep, crête, lasso et élastique", + "answerText": "Falsestep, Ridge, Lasso et Elasticnet", "isCorrect": "false" }, { - "answerText": "Stealwise, Ridge, Lasso et Elasticnet", + "answerText": "Stepwise, Ridge, Lasso et Elasticnet", "isCorrect": "true" }, { - "answerText": "Stealwise, Ridge, Lariat et Elasticnet", + "answerText": "Stepwise, Ridge, Lariat et Elasticnet", "isCorrect": "false" } ] @@ -1735,7 +1735,7 @@ "questionText": "Le test Turing d'Alan Turing a essayé de déterminer si un ordinateur était", "answerOptions": [ { - "answerText": "indiscernable d'un humain", + "answerText": "Indiscernable d'un humain", "isCorrect": "false" }, { @@ -1743,7 +1743,7 @@ "isCorrect": "false" }, { - "answerText": "Les deux ci-dessus", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -2047,11 +2047,11 @@ "isCorrect": "false" }, { - "answerText": "sentiment et signification", + "answerText": "Sentiment et signification", "isCorrect": "false" }, { - "answerText": "Les deux ci-dessus", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -2121,11 +2121,11 @@ "isCorrect": "false" }, { - "answerText": "lignes vierges ou colonnes", + "answerText": "Lignes vierges ou colonnes", "isCorrect": "false" }, { - "answerText": "Les deux ci-dessus", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -2161,7 +2161,7 @@ "isCorrect": "false" }, { - "answerText": "Les deux ci-dessus", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -2227,11 +2227,11 @@ "isCorrect": "false" }, { - "answerText": "mots que vous pouvez supprimer pour accélérer l'analyse du sentiment", + "answerText": "Mots que vous pouvez supprimer pour accélérer l'analyse du sentiment", "isCorrect": "false" }, { - "answerText": "Les deux ci-dessus", + "answerText": "Les deux", "isCorrect": "true" } ] @@ -2546,7 +2546,7 @@ "isCorrect": "false" }, { - "answerText": "Les deux ci-dessus", + "answerText": "Les deux", "isCorrect": "true" } ]