localization for quiz in Chinese

1-Introduction/1-intro-to-ML/translations/README.zh-cn.md

@@ -4,7 +4,7 @@
 
 > 🎥 点击上面的图片观看讨论机器学习、人工智能和深度学习之间区别的视频。
 
-## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/1/)
+## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/1/?loc=zh)
 
 ### 介绍
 
@@ -96,7 +96,7 @@
 
 在纸上或使用 [Excalidraw](https://excalidraw.com/) 等在线应用程序绘制草图，了解你对 AI、ML、深度学习和数据科学之间差异的理解。添加一些关于这些技术擅长解决的问题的想法。
 
-## [阅读后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/2/)
+## [阅读后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/2/?loc=zh)
 
 ## 复习与自学
 

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

@@ -3,7 +3,7 @@
 ![机器学习历史概述](../../../sketchnotes/ml-history.png)
 > 作者 [Tomomi Imura](https://www.twitter.com/girlie_mac)
 
-## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/3/)
+## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/3/?loc=zh)
 
 在本课中，我们将走过机器学习和人工智能历史上的主要里程碑。 
 
@@ -101,7 +101,7 @@ Alan Turing，一个真正杰出的人，[在 2019 年被公众投票选出](htt
 
 深入了解这些历史时刻之一，并更多地了解它们背后的人。这里有许多引人入胜的人物，没有一项科学发现是在文化真空中创造出来的。你发现了什么？
 
-## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/4/)
+## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/4/?loc=zh)
 
 ## 复习与自学
 

1-Introduction/3-fairness/translations/README.zh-cn.md

@@ -3,7 +3,7 @@
 ![机器学习中的公平性概述](../../../sketchnotes/ml-fairness.png)
 > 作者 [Tomomi Imura](https://www.twitter.com/girlie_mac)
 
-## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/5/)
+## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/5/?loc=zh)
  
 ## 介绍
 
@@ -186,7 +186,7 @@
 
 想想现实生活中的场景，在模型构建和使用中明显存在不公平。我们还应该考虑什么？
 
-## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/6/)
+## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/6/?loc=zh)
 ## 复习与自学
  
 在本课中，你学习了机器学习中公平和不公平概念的一些基础知识。

1-Introduction/4-techniques-of-ML/translations/README.zh-cn.md

@@ -6,7 +6,7 @@
 - 在高层次上理解支持机器学习的过程。 
 - 探索基本概念，例如“模型”、“预测”和“训练数据”。 
   
-## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/7/)
+## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/7/?loc=zh)
 ## 介绍
 
 在较高的层次上，创建机器学习（ML）过程的工艺包括许多步骤：
@@ -101,7 +101,7 @@
 
 画一个流程图，反映ML的步骤。在这个过程中，你认为自己现在在哪里？你预测你在哪里会遇到困难？什么对你来说很容易？ 
 
-## [阅读后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/8/)
+## [阅读后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/8/?loc=zh)
 
 ## 复习与自学 
 

2-Regression/1-Tools/translations/README.zh-cn.md

@@ -4,7 +4,7 @@
 
 > 作者 [Tomomi Imura](https://www.twitter.com/girlie_mac)
 
-## [课前测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/9/)
+## [课前测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/9/?loc=zh)
 ## 介绍
 
 在这四节课中，你将了解如何构建回归模型。我们将很快讨论这些是什么。但在你做任何事情之前，请确保你有合适的工具来开始这个过程！
@@ -194,7 +194,7 @@ Scikit-learn 使构建模型和评估它们的使用变得简单。它主要侧
 
 从这个数据集中绘制一个不同的变量。提示：编辑这一行：`X = X[:, np.newaxis, 2]`。鉴于此数据集的目标，你能够发现糖尿病作为一种疾病的进展情况吗？
 
-## [课后测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/10/)
+## [课后测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/10/?loc=zh)
 
 ## 复习与自学 
 

2-Regression/2-Data/translations/README.zh-cn.md

@@ -3,7 +3,7 @@
 ![数据可视化信息图](../images/data-visualization.png)
 > 作者 [Dasani Madipalli](https://twitter.com/dasani_decoded)
 
-## [课前测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/11/)
+## [课前测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/11/?loc=zh)
 
 ## 介绍
 
@@ -192,7 +192,7 @@
 
 探索 Matplotlib 提供的不同类型的可视化。哪种类型最适合回归问题？
 
-## [课后测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/12/)
+## [课后测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/12/?loc=zh)
 
 ## 复习与自学
 

2-Regression/3-Linear/translations/README.zh-cn.md

@@ -3,7 +3,7 @@
 ![线性与多项式回归信息图](../images/linear-polynomial.png)
 > 作者 [Dasani Madipalli](https://twitter.com/dasani_decoded)
 
-## [课前测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/13/)
+## [课前测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/13/?loc=zh)
 
 ### 介绍
 
@@ -330,7 +330,7 @@ Scikit-learn 包含一个用于构建多项式回归模型的有用 API - `make_
 
 在此 notebook 中测试几个不同的变量，以查看相关性与模型准确性的对应关系。
 
-## [课后测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/14/)
+## [课后测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/14/?loc=zh)
 
 ## 复习与自学
 

2-Regression/4-Logistic/translations/README.zh-cn.md

@@ -3,7 +3,7 @@
 ![逻辑与线性回归信息图](../images/logistic-linear.png)
 > 作者 [Dasani Madipalli](https://twitter.com/dasani_decoded)
 
-## [课前测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/15/)
+## [课前测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/15/?loc=zh)
 
 ## 介绍
 
@@ -289,7 +289,7 @@ print(auc)
 
 关于逻辑回归，还有很多东西需要解开！但最好的学习方法是实验。找到适合此类分析的数据集并用它构建模型。你学到了什么？小贴士：尝试 [Kaggle](https://kaggle.com) 获取有趣的数据集。
 
-## [课后测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/16/)
+## [课后测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/16/?loc=zh)
 
 ## 复习与自学
 

3-Web-App/1-Web-App/translations/README.zh-cn.md

@@ -11,7 +11,7 @@
 
 为此，你需要使用 Flask 构建一个 web 应用程序。
 
-## [课前测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/17/)
+## [课前测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/17/?loc=zh)
 
 ## 构建应用程序
 
@@ -334,7 +334,7 @@ print(model.predict([[50,44,-12]]))
 
 你可以在 Flask 应用程序中训练模型，而不是在 notebook 上工作并将模型导入 Flask 应用程序！尝试在 notebook 中转换 Python 代码，可能是在清除数据之后，从应用程序中的一个名为 `train` 的路径训练模型。采用这种方法的利弊是什么？
 
-## [课后测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/18/)
+## [课后测](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/18/?loc=zh)
 
 ## 复习与自学
 

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

@@ -19,7 +19,7 @@
 
 分类方法采用多种算法来确定其他可以用来确定一个数据点的标签或类别的方法。让我们来研究一下这个数据集，看看我们能否通过观察菜肴的原料来确定它的源头。
 
-## [课程前的小问题](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/19/)
+## [课程前的小问题](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/19/?loc=zh)
 
 分类是机器学习研究者和数据科学家使用的一种基本方法。从基本的二元分类（这是不是一份垃圾邮件？）到复杂的图片分类和使用计算机视觉的分割技术，它都是将数据分类并提出相关问题的有效工具。
 
@@ -280,7 +280,7 @@ Scikit-learn 项目提供多种对数据进行分类的算法，你需要根据
 
 本项目的全部课程含有很多有趣的数据集。 探索一下 `data` 文件夹，看看这里面有没有适合二元分类、多元分类算法的数据集，再想一下你对这些数据集有没有什么想问的问题。
 
-## [课后练习](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/20/)
+## [课后练习](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/20/?loc=zh)
 
 ## 回顾 & 自学
 

4-Classification/2-Classifiers-1/translations/README.zh-cn.md

@@ -4,7 +4,7 @@
 
 你将使用此数据集和各种分类器，_根据一组配料预测这是哪一国家的美食_。在此过程中，你将学到更多用来权衡分类任务算法的方法  
 
-## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/21/)
+## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/21/?loc=zh)
 
 # 准备工作
 
@@ -230,7 +230,7 @@ X_train, X_test, y_train, y_test = train_test_split(cuisines_feature_df, cuisine
 
 在本课程中，你使用了清洗后的数据建立了一个机器学习的模型，这个模型能够根据输入的一系列的配料来预测菜品来自于哪个国家。请再花点时间阅读一下 Scikit-learn 所提供的关于可以用来分类数据的其他方法的资料。此外，你也可以深入研究一下“solver”的概念并尝试一下理解其背后的原理。
 
-## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/22/)
+## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/22/?loc=zh)
 
 ## 回顾与自学
 

4-Classification/3-Classifiers-2/translations/README.zh-cn.md

@@ -2,7 +2,7 @@
 
 在第二节课程中，您将探索更多方法来对数值数据进行分类。您还将了解选择不同的分类器所带来的结果。
 
-## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/23/)
+## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/23/?loc=zh)
 
 ### 先决条件
 
@@ -224,7 +224,7 @@ weighted avg       0.73      0.72      0.72      1199
 
 这些技术方法每个都有很多能够让您微调的参数。研究每一个的默认参数，并思考调整这些参数对模型质量有何意义。
 
-## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/24/)
+## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/24/?loc=zh)
 
 ## 回顾与自学
 

5-Clustering/1-Visualize/translations/README.zh-cn.md

@@ -6,7 +6,7 @@
 
 > 🎥 点击上面的图片观看视频。当您通过聚类学习机器学习时，请欣赏一些尼日利亚舞厅曲目 - 这是 2014 年 PSquare 上高度评价的歌曲。
 
-## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/27/)
+## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/27/?loc=zh)
 
 ### 介绍
 
@@ -326,7 +326,7 @@
 
 聚类试图解决什么样的问题？
 
-## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/28/)
+## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/28/?loc=zh)
 
 ## 复习与自学
 

5-Clustering/2-K-Means/translations/README.zh-cn.md

@@ -4,7 +4,7 @@
 
 > 🎥 单击上图观看视频：Andrew Ng 解释聚类
 
-## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/29/)
+## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/29/?loc=zh)
 
 在本课中，您将学习如何使用 Scikit-learn 和您之前导入的尼日利亚音乐数据集创建聚类。我们将介绍 K-Means 聚类 的基础知识。请记住，正如您在上一课中学到的，使用聚类的方法有很多种，您使用的方法取决于您的数据。我们将尝试 K-Means，因为它是最常见的聚类技术。让我们开始吧！
 
@@ -239,7 +239,7 @@ K-Means 聚类过程[分三步执行](https://scikit-learn.org/stable/modules/cl
 
 提示：尝试缩放您的数据。笔记本中的注释代码添加了标准缩放，使数据列在范围方面更加相似。您会发现，当轮廓分数下降时，肘部图中的“扭结”变得平滑。这是因为不缩放数据可以让方差较小的数据承载更多的权重。在[这里](https://stats.stackexchange.com/questions/21222/are-mean-normalization-and-feature-scaling-needed-for-k-means-clustering/21226#21226)阅读更多关于这个问题的[信息](https://stats.stackexchange.com/questions/21222/are-mean-normalization-and-feature-scaling-needed-for-k-means-clustering/21226#21226)。
 
-## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/30/)
+## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/30/?loc=zh)
 
 ## 复习与自学
 

6-NLP/1-Introduction-to-NLP/translations/README.zh-cn.md

@@ -1,7 +1,7 @@
 # 自然语言处理介绍
 这节课讲解了 *自然语言处理* 的简要历史和重要概念，*自然语言处理*是计算语言学的一个子领域。
 
-## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/31/)
+## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/31/?loc=zh)
 
 ## 介绍
 众所周知，自然语言处理（Natural Language Processing, NLP）是机器学习在生产软件中应用最广泛的领域之一。
@@ -147,7 +147,7 @@
 
 在下一课中，您将了解解析自然语言和机器学习的许多其他方法。
 
-## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/32/)
+## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/32/?loc=zh)
 
 ## 复习与自学
 

8-Reinforcement/1-QLearning/translations/README.zh-cn.md

@@ -11,7 +11,7 @@
 
 > 🎥 点击上图观看 Dmitry 讨论强化学习
 
-## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/45/)
+## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/45/?loc=zh)
 
 ## 先决条件和设置
 
@@ -315,6 +315,6 @@ print_statistics(qpolicy)
 
 总的来说，重要的是要记住学习过程的成功和质量在很大程度上取决于参数，例如学习率、学习率衰减和折扣因子。这些通常称为**超参数**，以区别于我们在训练期间优化的**参数**（例如，Q-Table 系数）。寻找最佳超参数值的过程称为**超参数优化**，它值得一个单独的话题来介绍。
 
-## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/46/)
+## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/46/?loc=zh)
 
 ## 作业[一个更真实的世界](assignment.zh-cn.md)

8-Reinforcement/2-Gym/translations/README.zh-cn.md

@@ -3,7 +3,7 @@
 我们在上一课中一直在解决的问题可能看起来像一个玩具问题，并不真正适用于现实生活场景。事实并非如此，因为许多现实世界的问题也有这种情况——包括下国际象棋或围棋。它们很相似，因为我们也有一个具有给定规则和**离散状态**的板。
 https://white-water-09ec41f0f.azurestaticapps.net/
 
-## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/47/)
+## [课前测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/47/?loc=zh)
 
 ## 介绍
 
@@ -330,7 +330,7 @@ env.close()
 
 > **任务 4**：这里我们不是在每一步选择最佳动作，而是用相应的概率分布进行采样。始终选择具有最高 Q-Table 值的最佳动作是否更有意义？这可以通过使用 `np.argmax` 函数找出对应于较高 Q-Table 值的动作编号来完成。实施这个策略，看看它是否能改善平衡。
 
-## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/48/)
+## [课后测验](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/48/?loc=zh)
 
 ## 作业：[训练山地车](assignment.zh-cn.md)
 

quiz-app/src/App.vue

@@ -11,6 +11,7 @@
         <option value="ptbr">pt-br</option>
         <option>tr</option>
         <option>es</option>
+        <option>zh</option>
       </select>
     </nav>
     <div id="app">

quiz-app/src/assets/translations/index.js

@@ -6,6 +6,7 @@ import ja from './ja.json';
 import it from './it.json';
 import ptbr from './ptbr.json';
 import es from './es.json';
+import zh from './zh.json';
 
 //export const defaultLocale = 'en';
 
@@ -16,7 +17,8 @@ const messages = {
 	ja: ja[0],
 	it: it[0],
 	ptbr: ptbr[0],
-  es: es[0]
+	es: es[0],
+	zh: zh[0]
 };
 
 export default messages;