From a4ad17c9c5d3e392df16c66c63433d2ece2441da Mon Sep 17 00:00:00 2001 From: Sebastian Pardo Date: Sun, 8 May 2022 17:13:20 -0400 Subject: [PATCH] fix: modify quiz link for spanish version --- 1-Introduction/1-intro-to-ML/translations/README.es.md | 4 ++-- 1-Introduction/2-history-of-ML/translations/README.es.md | 4 ++-- 1-Introduction/3-fairness/translations/README.es.md | 4 ++-- 1-Introduction/4-techniques-of-ML/translations/README.es.md | 4 ++-- 2-Regression/2-Data/translations/README.es.md | 4 ++-- 2-Regression/3-Linear/translations/README.es.md | 4 ++-- 2-Regression/4-Logistic/translations/README.es.md | 4 ++-- 3-Web-App/1-Web-App/translations/README.es.md | 4 ++-- 4-Classification/1-Introduction/translations/README.es.md | 4 ++-- 4-Classification/2-Classifiers-1/translations/README.es.md | 4 ++-- 4-Classification/3-Classifiers-2/translations/README.es.md | 4 ++-- 4-Classification/4-Applied/translations/README.es.md | 4 ++-- 5-Clustering/1-Visualize/translations/README.es.md | 4 ++-- 5-Clustering/2-K-Means/translations/README.es.md | 4 ++-- 6-NLP/1-Introduction-to-NLP/translations/README.es.md | 4 ++-- 6-NLP/2-Tasks/translations/README.es.md | 4 ++-- 6-NLP/3-Translation-Sentiment/translations/README.es.md | 4 ++-- 6-NLP/4-Hotel-Reviews-1/translations/README.es.md | 4 ++-- 6-NLP/5-Hotel-Reviews-2/translations/README.es.md | 4 ++-- 7-TimeSeries/1-Introduction/translations/README.es.md | 4 ++-- 20 files changed, 40 insertions(+), 40 deletions(-) diff --git a/1-Introduction/1-intro-to-ML/translations/README.es.md b/1-Introduction/1-intro-to-ML/translations/README.es.md index 80cad78d..28cfa2e9 100644 --- a/1-Introduction/1-intro-to-ML/translations/README.es.md +++ b/1-Introduction/1-intro-to-ML/translations/README.es.md @@ -4,7 +4,7 @@ > 馃帴 Haz clic en la imagen de arriba para ver un video donde se discuten las diferencias entre el machine learning, la inteligencia artificial, y el deep learning. -## [Cuestionario previo a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/1/) +## [Cuestionario previo a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/1?loc=es) ### Introducci贸n @@ -100,7 +100,7 @@ En el futuro pr贸ximo, entender las bases de machine learning va a ser una neces Dibuja, en papel o usando una aplicaci贸n como [Excalidraw](https://excalidraw.com/), c贸mo entiendes las diferencias entre inteligencia artificial, ML, deep learning, y la ciencia de datos. Agrega algunas ideas de problemas que cada una de estas t茅cnicas son buenas en resolver. -## [Cuestionario despu茅s de la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/2/) +## [Cuestionario despu茅s de la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/2?loc=es) ## Revisi贸n y autoestudio diff --git a/1-Introduction/2-history-of-ML/translations/README.es.md b/1-Introduction/2-history-of-ML/translations/README.es.md index 39b2a0c8..7ef7d80a 100755 --- a/1-Introduction/2-history-of-ML/translations/README.es.md +++ b/1-Introduction/2-history-of-ML/translations/README.es.md @@ -3,7 +3,7 @@ ![Resumen de la historia del machine learning en un boceto](../../sketchnotes/ml-history.png) > Boceto por [Tomomi Imura](https://www.twitter.com/girlie_mac) -## [Cuestionario previo a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/3/) +## [Cuestionario previo a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/3?loc=es) En esta lecci贸n, analizaremos los principales hitos en la historia del machine learning y la inteligencia artificial. @@ -102,7 +102,7 @@ Queda por ver qu茅 depara el futuro, pero es importante entender estos sistemas Sum茅rjase dentro de unos de estos momentos hist贸ricos y aprenda m谩s sobre las personas detr谩s de ellos. Hay personajes fascinantes y nunca ocurri贸 ning煤n descubrimiento cient铆fico en un vac铆o cultural. 驴Qu茅 descubres? -## [Cuestionario posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/4/) +## [Cuestionario posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/4?loc=es) ## Revisi贸n y autoestudio diff --git a/1-Introduction/3-fairness/translations/README.es.md b/1-Introduction/3-fairness/translations/README.es.md index 61f5c014..be09df6b 100644 --- a/1-Introduction/3-fairness/translations/README.es.md +++ b/1-Introduction/3-fairness/translations/README.es.md @@ -3,7 +3,7 @@ ![Resumen de justicia en el aprendizaje autom谩tico en un sketchnote](../../../sketchnotes/ml-fairness.png) > Sketchnote por [Tomomi Imura](https://www.twitter.com/girlie_mac) -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/5/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/5?loc=es) ## Introducci贸n @@ -183,7 +183,7 @@ Para prevenir que los sesgos sean introducidos en primer lugar, debemos: Piensa en escenarios de la vida real donde la injusticia es evidente en la construcci贸n y uso de modelos. 驴Qu茅 m谩s debemos considerar? -## [Cuestionario posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/6/) +## [Cuestionario posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/6?loc=es) ## Revisi贸n y autoestudio En esta lecci贸n has aprendido algunos de los conceptos b谩sicos de justicia e injusticia en el aprendizaje autom谩tico. diff --git a/1-Introduction/4-techniques-of-ML/translations/README.es.md b/1-Introduction/4-techniques-of-ML/translations/README.es.md index 3e8249ff..eb7de48e 100755 --- a/1-Introduction/4-techniques-of-ML/translations/README.es.md +++ b/1-Introduction/4-techniques-of-ML/translations/README.es.md @@ -6,7 +6,7 @@ El proceso de creaci贸n, uso y mantenimiento de modelos de machine learning, y l - Explorar conceptos b谩sicos como 'modelos', 'predicciones', y 'datos de entrenamiento' -## [Cuestionario previo a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/7/) +## [Cuestionario previo a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/7?loc=es) ## Introducci贸n A un alto nivel, el arte de crear procesos de machine learning (ML) se compone de una serie de pasos: @@ -101,7 +101,7 @@ En estas lecciones, descubrir谩 c贸mo utilizar estos pasos para preparar, constr Dibuje un diagrama de flujos que refleje los pasos de practicante de ML. 驴D贸nde te ves ahora mismo en el proceso? 驴D贸nde predice que encontrar谩 dificultades? 驴Qu茅 te parece f谩cil? -## [Cuestionario posterior a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/8/) +## [Cuestionario posterior a la conferencia](https://white-water-09ec41f0f.azurestaticapps.net/quiz/8?loc=es) ## Revisi贸n & Autoestudio diff --git a/2-Regression/2-Data/translations/README.es.md b/2-Regression/2-Data/translations/README.es.md index 2e7e6e3e..9ce762e8 100644 --- a/2-Regression/2-Data/translations/README.es.md +++ b/2-Regression/2-Data/translations/README.es.md @@ -4,7 +4,7 @@ Infograf铆a por [Dasani Madipalli](https://twitter.com/dasani_decoded) -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/11/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/11?loc=es) > ### [Esta lecci贸n se encuentra disponible en R!](../solution/R/lesson_2-R.ipynb) @@ -196,7 +196,7 @@ Para obtener gr谩ficas para mostrar datos 煤tiles, necesitas agrupar los datos d Explora los distintos tipos de visualizaci贸n que ofrece Matplotlib. 驴Qu茅 tipos son los m谩s apropiados para problemas de regresi贸n? -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/12/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/12?loc=es) ## Revisi贸n y autoestudio diff --git a/2-Regression/3-Linear/translations/README.es.md b/2-Regression/3-Linear/translations/README.es.md index 77ef2696..c76aec95 100644 --- a/2-Regression/3-Linear/translations/README.es.md +++ b/2-Regression/3-Linear/translations/README.es.md @@ -3,7 +3,7 @@ ![Infograf铆a de regresi贸n lineal vs polinomial](./images/linear-polynomial.png) > Infograf铆a de [Dasani Madipalli](https://twitter.com/dasani_decoded) -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/13/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/13?loc=es) > ### [隆Esta lecci贸n est谩 disponible en R!](../solution/R/lesson_3-R.ipynb) @@ -331,7 +331,7 @@ Llama a `predict()` para hacer una predicci贸n: Prueba variables diferentes en este notebook para ver c贸mo la correlaci贸n corresponde a la precisi贸n del modelo. -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/14/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/14?loc=es) ## Revisi贸n y auto-estudio diff --git a/2-Regression/4-Logistic/translations/README.es.md b/2-Regression/4-Logistic/translations/README.es.md index 22db534b..e66ef072 100644 --- a/2-Regression/4-Logistic/translations/README.es.md +++ b/2-Regression/4-Logistic/translations/README.es.md @@ -3,7 +3,7 @@ ![Infograf铆a de regresiones lineal vs log铆stica](../images/logistic-linear.png) > Infograf铆a de [Dasani Madipalli](https://twitter.com/dasani_decoded) -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/15/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/15?loc=es) > ### [Esta lecci贸n se encuentra disponible en R!](../solution/R/lesson_4-R.ipynb) @@ -302,7 +302,7 @@ En futuras lecciones de clasificaci贸n, aprender谩s c贸mo iterar para mejorar lo 隆Hay mucho m谩s para desempacar respecto a la regresi贸n log铆stica! Pero la mejor forma de aprender es experimentar. Encuentra un conjunto de datos que se preste para este tipo de an谩lisis y construye un modelo con 茅l. 驴Qu茅 aprendes? tipo: prueba [Kaggle](https://www.kaggle.com/search?q=logistic+regression+datasets) por conjuntos de datos interesantes. -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/16/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/16?loc=es) ## Revisi贸n & autoestudio diff --git a/3-Web-App/1-Web-App/translations/README.es.md b/3-Web-App/1-Web-App/translations/README.es.md index 3623fb71..5a825b70 100644 --- a/3-Web-App/1-Web-App/translations/README.es.md +++ b/3-Web-App/1-Web-App/translations/README.es.md @@ -11,7 +11,7 @@ Continuaremos nuestro uso de notebooks para limpiar los datos y entrenar nuestro Para hacer esto, necesitas construir una aplicaci贸n web usando Flask. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/17/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/17?loc=es) ## Construyendo una aplicaci贸n @@ -335,7 +335,7 @@ En un entorno profesional, puedes ver c贸mo la buena comunicaci贸n es necesaria En lugar de trabajar en un notebook e importar el modelo a una aplicaci贸n Flask, 隆podr铆as entrenar el modelo directo en la aplicaci贸n Flask! Intenta convertir tu c贸digo Python en el notebook, quiz谩 despu茅s que tus datos sean limpiados, para entrenar el modelo desde la aplicaci贸n en una ruta llamada `train`. 驴Cu谩les son los pros y contras de seguir este m茅todo? -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/18/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/18?loc=es) ## Revisi贸n y autoestudio diff --git a/4-Classification/1-Introduction/translations/README.es.md b/4-Classification/1-Introduction/translations/README.es.md index ea05762b..60aa54bc 100644 --- a/4-Classification/1-Introduction/translations/README.es.md +++ b/4-Classification/1-Introduction/translations/README.es.md @@ -19,7 +19,7 @@ Recuerda: La clasificaci贸n utiliza varios algor铆tmos para determinar otras formas de determinar la clase o etiqueta de un punto de datos. Trabajemos con estos datos de cocina para ver si, al observar un grupo de ingredientes, podemos determinar su cocina u origen. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/19/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/19?loc=es) > ### [隆Esta lecci贸n est谩 disponible en R!](./solution/R/lesson_10-R.ipynb) @@ -288,7 +288,7 @@ Ahora que has limpiado los datos, usa [SMOTE](https://imbalanced-learn.org/dev/r Este plan de estudios contiene varios conjuntos de datos interesantes. Profundiza en los directorios `data` y ve si alguno contiene conjuntos de datos que ser铆an apropiados para clasificaci贸n binaria o multiclase. 驴Qu茅 preguntas har铆as a este conunto de datos? -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/20/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/20?loc=es) ## Revisi贸n y autoestudio diff --git a/4-Classification/2-Classifiers-1/translations/README.es.md b/4-Classification/2-Classifiers-1/translations/README.es.md index 01d91dda..64792f79 100644 --- a/4-Classification/2-Classifiers-1/translations/README.es.md +++ b/4-Classification/2-Classifiers-1/translations/README.es.md @@ -4,7 +4,7 @@ En esta lecci贸n, usar谩s el conjunto de datos que guardaste en la 煤ltima lecci Usar谩s este conjunto de datos con una variedad de clasificadores para _predecir una cocina nacional dada basado en un grupo de ingredientes_. Mientras lo haces, aprender谩s m谩s acerca de algunas formas en que los algoritmos pueden ser aprovechados para las tareas de clasificaci贸n. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/21/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/21?loc=es) # Preparaci贸n @@ -234,7 +234,7 @@ Ya que est谩s usando un caso multiclase, necesitas elegir qu茅 _esquema_ usar y En esta lecci贸n, usaste tus datos limpios para construir un modelo de aprendizaje autom谩tico que puede predecir una cocina nacional basado en una serie de ingredientes. Toma un tiempo para leer las diversas opciones que provee Scikit-learn para clasificar los datos. Profundiza en el concepto de 'solucionador' para comprender que sucede detr谩s de escena. -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/22/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/22?loc=es) ## Revisi贸n y autoestudio diff --git a/4-Classification/3-Classifiers-2/translations/README.es.md b/4-Classification/3-Classifiers-2/translations/README.es.md index 3dc16d82..1e81e46c 100644 --- a/4-Classification/3-Classifiers-2/translations/README.es.md +++ b/4-Classification/3-Classifiers-2/translations/README.es.md @@ -2,7 +2,7 @@ En esta segunda lecci贸n de clasificaci贸n, explorar谩s m谩s formas de clasificar datos num茅ricos. Tambi茅n aprender谩s acerca de las ramificaciones para elegir un clasificador en lugar de otro. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/23/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/23?loc=es) ### Prerrequisito @@ -223,7 +223,7 @@ Este m茅todo de aprendizaje autom谩tico "combina las predicciones de varios esti Cada una de estas t茅cnicas tiene un gran n煤mero de par谩metros que puedes modificar. Investiga los par谩metros predeterminados de cada uno y piensa en lo que significar铆a el ajuste de estos par谩metros para la calidad del modelo. -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/24/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/24?loc=es) ## Revisi贸n y autoestudio diff --git a/4-Classification/4-Applied/translations/README.es.md b/4-Classification/4-Applied/translations/README.es.md index 5d2d3a76..60962210 100644 --- a/4-Classification/4-Applied/translations/README.es.md +++ b/4-Classification/4-Applied/translations/README.es.md @@ -8,7 +8,7 @@ Uno de los usos pr谩cticos m谩s 煤tiles del aprendizaje autom谩tico es construir > 馃帴 Haz clic en la imagen de arriba para ver el video: Jen Looper construye una aplicaci贸n web usando los datos clasificados de cocina. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/25/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/25?loc=es) En esta lecci贸n aprender谩s: @@ -301,7 +301,7 @@ Felicidades, has creado una aplicaci贸n de 'recomendaci贸n' con pocos campos. 隆 Tu aplicaci贸n web es m铆nima, as铆 que continua construy茅ndola usando los ingredientes y sus 铆ndices de los datos [ingredient_indexes](../../data/ingredient_indexes.csv). 驴Qu茅 combinaciones de sabor funcionan para crear un determinado platillo nacional? -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/26/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/26?loc=es) ## Revisi贸n y autoestudio diff --git a/5-Clustering/1-Visualize/translations/README.es.md b/5-Clustering/1-Visualize/translations/README.es.md index 317e964a..6a47ea30 100644 --- a/5-Clustering/1-Visualize/translations/README.es.md +++ b/5-Clustering/1-Visualize/translations/README.es.md @@ -6,7 +6,7 @@ El agrupamiento (clustering) es un tipo de [aprendizaje no supervisado](https:// > 馃帴 Haz clic en la imagen de arriba para ver el video. Mientras estudias aprendizaje autom谩tico con agrupamiento, disfruta de algunas canciones Dance Hall Nigerianas - esta es una canci贸n muy popular del 2014 de PSquare. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/27/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/27?loc=es) ### Introducci贸n @@ -320,7 +320,7 @@ En general, para el agrupamiento, puedes usar gr谩ficos de dispersi贸n para most En preparaci贸n para la siguiente lecci贸n, realiza una gr谩fica acerca de los diverso algoritmos de agrupamiento que puedes descubrir y usar en un ambiente de producci贸n. 驴Qu茅 tipo de problemas trata de abordar el agrupamiento? -## [Examen porterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/28/) +## [Examen porterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/28?loc=es) ## Revisi贸n y auto-estudio diff --git a/5-Clustering/2-K-Means/translations/README.es.md b/5-Clustering/2-K-Means/translations/README.es.md index 191491ca..b9c696e8 100644 --- a/5-Clustering/2-K-Means/translations/README.es.md +++ b/5-Clustering/2-K-Means/translations/README.es.md @@ -4,7 +4,7 @@ > 馃帴 Haz clic en la imagen de arriba para ver el video: Andrew Ng explica el agrupamiento" -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/29/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/29?loc=es) En esta lecci贸n, aprender谩s c贸mo crear grupos usando Scikit-learn y el conjunto de datos de m煤sica Nigeriana que importaste anteriormente. Cubriremos los conceptos b谩sicos de K-Medias para agrupamiento. Ten en mente que, como aprendiste en lecciones anteriores, hay muchas formas de de trabajar con grupos y el m茅todo que uses depende de tus datos. Probaremos K-medias ya que es la t茅cnica de agrupamiento m谩s com煤n. 隆Comencemos! @@ -238,7 +238,7 @@ Dedica algo de tiempo a este notebook, ajustando los par谩metros. 驴Puedes mejor Pista: Prueba escalar tus datos. Hay c贸digo comentado en el notebook que agrega escalado est谩ndar para hacer que las columnas de datos se parezcan m谩s entre s铆 en t茅rminos de rango. Encontrar谩s que mientras el puntaje de silueta disminuye el 'pliegue' en la gr谩fica de codo se suaviza. Esto es por qu茅 al dejar los datos sin escalar le permite a los datos con menos variaci贸n tengan m谩s peso. Lee un poco m谩s de este problema [aqu铆](https://stats.stackexchange.com/questions/21222/are-mean-normalization-and-feature-scaling-needed-for-k-means-clustering/21226#21226). -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/30/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/30?loc=es) ## Revisi贸n y auto-estudio diff --git a/6-NLP/1-Introduction-to-NLP/translations/README.es.md b/6-NLP/1-Introduction-to-NLP/translations/README.es.md index 09f317fb..620aef11 100644 --- a/6-NLP/1-Introduction-to-NLP/translations/README.es.md +++ b/6-NLP/1-Introduction-to-NLP/translations/README.es.md @@ -2,7 +2,7 @@ Esta lecci贸n cubre una breve historia y conceptos importante del *procesamiento del lenguaje natural*, un subcampo de la *lig眉铆stica computacional*. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/31/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/31?loc=es) ## Introducci贸n @@ -150,7 +150,7 @@ Elige uno de los elementos "Detente y considera" de arriba y trata de implementa En la siguiente lecci贸n, aprender谩s acerca de otros enfoques de c贸mo analizar el lenguaje natural y aprendizaje autom谩tico. -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/32/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/32?loc=es) ## Revisi贸n y autoestudio diff --git a/6-NLP/2-Tasks/translations/README.es.md b/6-NLP/2-Tasks/translations/README.es.md index ae5cd0f4..dba482eb 100644 --- a/6-NLP/2-Tasks/translations/README.es.md +++ b/6-NLP/2-Tasks/translations/README.es.md @@ -2,7 +2,7 @@ Para la mayor铆a de tareas de *procesamiento del lenguaje natural*, el texto a ser procesado debe ser partido en bloques, examinado y los resultados almacenados y tener referencias cruzadas con reglas y conjuntos de datos. Esta tareas, le permiten al programador obtener el _significado_, _intenci贸n_ o s贸lo la _frecuencia_ de los t茅rminos y palabras en un texto. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/33/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/33?loc=es) Descubramos t茅cnicas comunes usadas en el procesamiento de texto. Combinadas con el aprendizaje autom谩tico, estas t茅cnicas te ayudan a analizar grandes cantidades de texto de forma eficiente, Antes de aplicar aprendizaje autom谩tico a estas tareas, primero entendamos los problemas encontrados por un especialista del procesamiento del lenguaje natural. @@ -203,7 +203,7 @@ Implementa el bot con la revisi贸n de conocimiento anterior y pru茅balo con un a Toma una tarea de la revisi贸n de conocimiento previo y trata de implementarla. Prueba el bot con un amigo. 驴Pudo enga帽arlo? 驴Puedes hacer a tu bot m谩s 'cre铆ble'? -## [Examen posterior a la lectura](https://white-water-09ec41f0f.azurestaticapps.net/quiz/34/) +## [Examen posterior a la lectura](https://white-water-09ec41f0f.azurestaticapps.net/quiz/34?loc=es) ## Revisi贸n y autoestudio diff --git a/6-NLP/3-Translation-Sentiment/translations/README.es.md b/6-NLP/3-Translation-Sentiment/translations/README.es.md index 06073b03..501f4e58 100644 --- a/6-NLP/3-Translation-Sentiment/translations/README.es.md +++ b/6-NLP/3-Translation-Sentiment/translations/README.es.md @@ -2,7 +2,7 @@ En las lecciones anteriores aprendiste c贸mo construir un bot b谩sico usando `TextBlob`, una biblioteca que embebe aprendizaje autom谩tico tras bambalinas para realizar tareas b谩sicas de procesamiento del lenguaje natural (NLP) tales como extracci贸n de frases nominales. Otro desaf铆o importante en la ling眉铆stica computacional es la _traducci贸n_ precisa de una oraci贸n de un idioma hablado o escrito a otro. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/35/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/35?loc=es) La traducci贸n es siempre un problema dif铆cil compuesto por el hecho que existen miles de idiomas y cada uno puede tener distintas reglas gramaticales. Un enfoque es convertir las reglas gramaticales formales para un idioma, como el Ingl茅s, a una estructura no dependiente del idioma, y luego traducirlo al convertirlo de nuevo a otro idioma. Este enfoque significa que deber铆as realizar los siguientes pasos: @@ -176,7 +176,7 @@ Aqu铆 tienes una [soluci贸n de muestra](../solution/notebook.ipynb). 驴Puedes hacer a Marvin a煤n mejor al extraer otras caracter铆sticas de la entrada del usuario? -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/36/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/36?loc=es) ## Revisi贸n y autoestudio diff --git a/6-NLP/4-Hotel-Reviews-1/translations/README.es.md b/6-NLP/4-Hotel-Reviews-1/translations/README.es.md index 24930acf..39c6ed52 100644 --- a/6-NLP/4-Hotel-Reviews-1/translations/README.es.md +++ b/6-NLP/4-Hotel-Reviews-1/translations/README.es.md @@ -6,7 +6,7 @@ En esta secci贸n usar谩s las t茅cnicas de las lecciones anteriores para hacer un - c贸mo calcular algunos datos nuevos bas谩ndote en las columnas existentes - c贸mo guardar el conjunto de datos resultante para usarlo en el desaf铆o final -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/37/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/37?loc=es) ### Introducci贸n @@ -404,7 +404,7 @@ Ahora que has explorado el conjunto de datos, en la pr贸xima lecci贸n filtrar谩s Esta lecci贸n demuestra, como vimos en lecciones anteriores, qu茅 tan cr铆ticamente importante es entender tus datos y sus imperfecciones antes de realizar operaciones sobre ellos. Los datos basados en texto, requieren particularmente un minucioso escrutinio. Profundiza en grandes conjuntos de datos basados en texto y ve si puedes descubrir 谩reas que podr铆an presentar sesgos o sentimientos sesgados en un modelo. -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/38/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/38?loc=es) ## Revisi贸n y autoestudio diff --git a/6-NLP/5-Hotel-Reviews-2/translations/README.es.md b/6-NLP/5-Hotel-Reviews-2/translations/README.es.md index 9312168c..bbd3296c 100644 --- a/6-NLP/5-Hotel-Reviews-2/translations/README.es.md +++ b/6-NLP/5-Hotel-Reviews-2/translations/README.es.md @@ -2,7 +2,7 @@ Ahora que has explorado a detalle el conjunto de datos, es momento de filtrar las columnas y luego usar t茅cnicas de procesamiento del lenguaje natural sobre el conjunto de datos para obtener nuevos conocimientos acerca de los hoteles. -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/39/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/39?loc=es) ### Filtrado y operaciones de an谩lisis de sentimiento @@ -361,7 +361,7 @@ Para revisar, los pasos son: Cuando iniciaste, ten铆as un conjunto de datos con columnas y datos pero no todos ello pod铆an ser verificados o usados. Exploraste los datos, filtraste lo que no necesitas, convertiste etiquetas en algo 煤til, calculaste tus propios promedios, agregaste algunas columnas de sentimiento y espero hayas aprendido cosas interesantes acerca de procesar texto natural. -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/40/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/40?loc=es) ## Desaf铆o diff --git a/7-TimeSeries/1-Introduction/translations/README.es.md b/7-TimeSeries/1-Introduction/translations/README.es.md index 882f6322..282dd328 100644 --- a/7-TimeSeries/1-Introduction/translations/README.es.md +++ b/7-TimeSeries/1-Introduction/translations/README.es.md @@ -10,7 +10,7 @@ En esta lecci贸n y la siguiente, aprender谩s un poco acerca de la predicci贸n de > 馃帴 Da clic en la imagen de arriba para ver un video acerca de la predicci贸n de series de tiempo -## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/41/) +## [Examen previo a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/41?loc=es) Es un campo 煤til e interesante con valor real para el negocio, dada su aplicaci贸n directa a problemas de precio, inventario e incidentes de cadenas de suministro. Mientras que las t茅cnicas de aprendizaje profundo han comenzado a usarse para ganar m谩s conocimiento para mejorar el rendimiento de futuras predicciones, la predicci贸n de series de tiempo sigue siendo un campo muy informado por t茅cnicas de aprendizaje autom谩tico cl谩sico. @@ -175,7 +175,7 @@ En la siguiente lecci贸n, crear谩s un modelo ARIMA para realizar algunas predicc Haz una lista de todas las industrias y 谩reas de consulta en las que puedes pensar que se beneficiar铆an de la predicci贸n de series de tiempo. 驴Puedes pensar en una aplicaci贸n de estas t茅cnicas en las artes, en la econometr铆a, ecolog铆a, venta al menudeo, la industria, finanzas? 驴D贸nde m谩s? -## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/42/) +## [Examen posterior a la lecci贸n](https://white-water-09ec41f0f.azurestaticapps.net/quiz/42?loc=es) ## Revisi贸n y autoestudio