linking Chinese language assignments

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

@@ -113,4 +113,4 @@ Alan Turing，一个真正杰出的人，[在2019年被公众投票选出](https
 
 ## 任务
 
-[创建时间线](../assignment.md)
+[创建时间线](assignment.zh-cn.md)

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

@@ -89,11 +89,11 @@
  
 ✅ **讨论**：重温一些例子，看看它们是否显示出不同的危害。
 
-|                         | 分配 | 服务质量 | 刻板印象 | 诋毁 | 代表性过高或过低 |
-| ----------------------- | :--------: | :----------------: | :----------: | :---------: | :----------------------------: |
-| 自动招聘系统 |     x      |         x          |      x       |             |               x                |
-| 机器翻译     |            |                    |              |             |                                |
-| 照片加标签          |            |                    |              |             |                                |
+|              | 分配  | 服务质量 | 刻板印象 | 诋毁  | 代表性过高或过低 |
+| ------------ | :---: | :------: | :------: | :---: | :--------------: |
+| 自动招聘系统 |   x   |    x     |    x     |       |        x         |
+| 机器翻译     |       |          |          |       |                  |
+| 照片加标签   |       |          |          |       |                  |
 
 
 ## 检测不公平
@@ -138,11 +138,11 @@
 
 ✅ 在以后关于聚类的课程中，你将看到如何在代码中构建这个“混淆矩阵”
 
-|            | 假阳性率 | 假阴性率 | 数量 |
-| ---------- | ------------------- | ------------------- | ----- |
-| 女性      | 0.37                | 0.27                | 54032 |
-| 男性        | 0.31                | 0.35                | 28620 |
-| 未列出性别 | 0.33                | 0.31                | 1266  |
+|            | 假阳性率 | 假阴性率 | 数量  |
+| ---------- | -------- | -------- | ----- |
+| 女性       | 0.37     | 0.27     | 54032 |
+| 男性       | 0.31     | 0.35     | 28620 |
+| 未列出性别 | 0.33     | 0.31     | 1266  |
 
  
 这个表格告诉我们几件事。首先，我们注意到数据中的未列出性别的人相对较少。数据是有偏差的，所以你需要小心解释这些数字。
@@ -211,4 +211,4 @@
 
 ## 任务
 
-[探索Fairlearn](../assignment.md) 
+[探索Fairlearn](assignment.zh-cn.md) 

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

@@ -54,7 +54,7 @@
 
 - **训练**。这部分数据集适合你的模型进行训练。这个集合构成了原始数据集的大部分。
 - **测试**。测试数据集是一组独立的数据，通常从原始数据中收集，用于确认构建模型的性能。
-- **验证**。验证集是一个较小的独立示例组，用于调整模型的超参数或架构，以改进模型。根据你的数据大小和你提出的问题，你可能不需要构建第三组（正如我们在[时间序列预测](../../7-TimeSeries/1-Introduction/README.md)中所述）。 
+- **验证**。验证集是一个较小的独立示例组，用于调整模型的超参数或架构，以改进模型。根据你的数据大小和你提出的问题，你可能不需要构建第三组（正如我们在[时间序列预测](../../../7-TimeSeries/1-Introduction/README.md)中所述）。 
 
 ## 建立模型 
 
@@ -105,4 +105,4 @@
 
 ## 任务
 
-[采访一名数据科学家](../assignment.md)
+[采访一名数据科学家](assignment.zh-cn.md)