mirror of
https://github.com/freeCodeCamp/freeCodeCamp.git
synced 2026-04-07 04:00:55 -04:00
chore(i18n,learn): processed translations (#48588)
This commit is contained in:
camperbot
@@ -10,7 +10,12 @@ dashedName: demographic-data-analyzer
|
||||
|
||||
Ви будете <a href="https://replit.com/github/freeCodeCamp/boilerplate-demographic-data-analyzer" target="_blank" rel="noopener noreferrer nofollow">працювати над цим проєктом з нашим стартовим кодом Replit</a>.
|
||||
|
||||
We are still developing the interactive instructional part of the Python curriculum. For now, here are some videos on the freeCodeCamp.org YouTube channel that will teach you everything you need to know to complete this project:
|
||||
- Start by importing the project on Replit.
|
||||
- Next, you will see a `.replit` window.
|
||||
- Select `Use run command` and click the `Done` button.
|
||||
|
||||
|
||||
Ми досі розробляємо інтерактивну частину навчальної програми з Python. Наразі є декілька відео на ютуб-каналі freeCodeCamp.org, які навчать всього необхідного для виконання цього проєкту:
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a> (14 hours)
|
||||
|
||||
@@ -18,7 +23,7 @@ We are still developing the interactive instructional part of the Python curricu
|
||||
|
||||
# --instructions--
|
||||
|
||||
In this challenge you must analyze demographic data using Pandas. You are given a dataset of demographic data that was extracted from the 1994 Census database. Here is a sample of what the data looks like:
|
||||
У цьому завдання ви повинні проаналізувати демографічні дані за допомогою Pandas. Вам надається набір демографічних даних, отриманих з бази даних перепису населення 1994 року. Ось приклад того, як виглядають дані:
|
||||
|
||||
```markdown
|
||||
| | age | workclass | fnlwgt | education | education-num | marital-status | occupation | relationship | race | sex | capital-gain | capital-loss | hours-per-week | native-country | salary |
|
||||
@@ -30,7 +35,7 @@ In this challenge you must analyze demographic data using Pandas. You are given
|
||||
| 4 | 28 | Private | 338409 | Bachelors | 13 | Married-civ-spouse | Prof-specialty | Wife | Black | Female | 0 | 0 | 40 | Cuba | <=50K |
|
||||
```
|
||||
|
||||
You must use Pandas to answer the following questions:
|
||||
Ви повинні використати Pandas, щоб відповісти на наступні запитання:
|
||||
|
||||
- How many people of each race are represented in this dataset? This should be a Pandas series with race names as the index labels. (`race` column)
|
||||
- What is the average age of men?
|
||||
@@ -42,9 +47,9 @@ You must use Pandas to answer the following questions:
|
||||
- What country has the highest percentage of people that earn >50K and what is that percentage?
|
||||
- Identify the most popular occupation for those who earn >50K in India.
|
||||
|
||||
Use the starter code in the file `demographic_data_analyzer`. Update the code so all variables set to "None" are set to the appropriate calculation or code. Round all decimals to the nearest tenth.
|
||||
Використайте початковий код у файлі `demographic_data_analyzer`. Оновіть код, щоб для всіх змінних, для яких встановлено значення "None", було встановлено відповідне обчислення або код. Заокругліть усі десяткові дроби до найближчих десятків.
|
||||
|
||||
Unit tests are written for you under `test_module.py`.
|
||||
Для вас складені модульні тести у `test_module.py`.
|
||||
|
||||
## Розробка
|
||||
|
||||
@@ -58,13 +63,13 @@ Unit tests are written for you under `test_module.py`.
|
||||
|
||||
Скопіюйте URL-адресу свого проєкту та відправте її до freeCodeCamp.
|
||||
|
||||
## Dataset Source
|
||||
## Джерело даних
|
||||
|
||||
Dua, D. and Graff, C. (2019). <a href="http://archive.ics.uci.edu/ml" target="_blank" rel="noopener noreferrer nofollow">UCI Machine Learning Repository</a>. Irvine, CA: University of California, School of Information and Computer Science.
|
||||
|
||||
# --hints--
|
||||
|
||||
Він повинен пройти усі тести Python.
|
||||
Проєкт повинен пройти усі тести Python.
|
||||
|
||||
```js
|
||||
|
||||
|
||||
@@ -10,7 +10,12 @@ dashedName: mean-variance-standard-deviation-calculator
|
||||
|
||||
Ви будете <a href="https://replit.com/github/freeCodeCamp/boilerplate-mean-variance-standard-deviation-calculator" target="_blank" rel="noopener noreferrer nofollow">працювати над цим проєктом з нашим стартовим кодом Replit</a>.
|
||||
|
||||
Ми все ще розробляємо інтерактивну частину навчального курсу Python. Наразі ось кілька відео на YouTube-каналі freeCodeCamp.org, які навчать вас усього необхідного, щоб виконати цей проєкт:
|
||||
- Start by importing the project on Replit.
|
||||
- Next, you will see a `.replit` window.
|
||||
- Select `Use run command` and click the `Done` button.
|
||||
|
||||
|
||||
Ми досі розробляємо інтерактивну частину навчальної програми з Python. Наразі є декілька відео на ютуб-каналі freeCodeCamp.org, які навчать всього необхідного для виконання цього проєкту:
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a>(14 hours)
|
||||
|
||||
@@ -18,11 +23,11 @@ dashedName: mean-variance-standard-deviation-calculator
|
||||
|
||||
# --instructions--
|
||||
|
||||
Створіть функцію `calculate()` в `mean_var_std.py`, яку використовує Numpy для виведення середнього значення, дисперсії, стандартного відхилення, максимуму, мінімуму та суми рядків, стовпців, і елементи в матриці 3 x 3.
|
||||
Створіть функцію під назвою `calculate()` у `mean_var_std.py`, яка використовує Numpy для виведення середнього значення, дисперсії, стандартного відхилення, максимуму, мінімуму та суми рядків, стовпчиків, і елементів в матриці 3 x 3.
|
||||
|
||||
Вхідним значенням функції має бути список, що містить 9 цифр. Функція повинна перетворити список у масив Numpy 3 x 3, а потім повернути словник, що містить середнє значення, дисперсію, стандартне відхилення, максимум, мінімум і суму вздовж обох осей і для сплощеної матриці.
|
||||
|
||||
The returned dictionary should follow this format:
|
||||
Повернений словник повинен мати такий формат:
|
||||
|
||||
```py
|
||||
{
|
||||
@@ -35,9 +40,9 @@ The returned dictionary should follow this format:
|
||||
}
|
||||
```
|
||||
|
||||
Якщо у функцію передається список, що містить менше 9 елементів, вона має викликати виняток `ValueError` з повідомленням: «Список має містити дев’ять чисел.» Значеннями у повернутому словнику мають бути списки, а не числові масиви Numpy.
|
||||
Якщо у функцію передається список, що містить менше 9 елементів, вона має викликати виняток `ValueError` з повідомленням: "List must contain nine numbers." (список має містити дев’ять чисел). Значеннями у повернутому словнику мають бути списки, а не масиви Numpy.
|
||||
|
||||
For example, `calculate([0,1,2,3,4,5,6,7,8])` should return:
|
||||
Наприклад, `calculate([0,1,2,3,4,5,6,7,8])` має повертати:
|
||||
|
||||
```py
|
||||
{
|
||||
@@ -66,7 +71,7 @@ For example, `calculate([0,1,2,3,4,5,6,7,8])` should return:
|
||||
|
||||
# --hints--
|
||||
|
||||
Потрібно виконати всі тести Python.
|
||||
Проєкт повинен пройти усі тести Python.
|
||||
|
||||
```js
|
||||
|
||||
|
||||
@@ -10,7 +10,12 @@ dashedName: medical-data-visualizer
|
||||
|
||||
Ви будете <a href="https://replit.com/github/freeCodeCamp/boilerplate-medical-data-visualizer" target="_blank" rel="noopener noreferrer nofollow">працювати над цим проєктом з нашим стартовим кодом Replit</a>.
|
||||
|
||||
We are still developing the interactive instructional part of the Python curriculum. For now, here are some videos on the freeCodeCamp.org YouTube channel that will teach you everything you need to know to complete this project:
|
||||
- Start by importing the project on Replit.
|
||||
- Next, you will see a `.replit` window.
|
||||
- Select `Use run command` and click the `Done` button.
|
||||
|
||||
|
||||
Ми досі розробляємо інтерактивну частину навчальної програми з Python. Наразі є декілька відео на ютуб-каналі freeCodeCamp.org, які навчать всього необхідного для виконання цього проєкту:
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a>(14 hours)
|
||||
|
||||
@@ -18,34 +23,34 @@ We are still developing the interactive instructional part of the Python curricu
|
||||
|
||||
# --instructions--
|
||||
|
||||
In this project, you will visualize and make calculations from medical examination data using matplotlib, seaborn, and pandas. The dataset values were collected during medical examinations.
|
||||
У цьому проєкті ви візуалізуєте та зробите підрахунки на основі даних медичного обстеження, використовуючи matplotlib, seaborn та pandas. Значення набору даних були зібрані під час медичних оглядів.
|
||||
|
||||
## Data description
|
||||
## Опис даних
|
||||
|
||||
The rows in the dataset represent patients and the columns represent information like body measurements, results from various blood tests, and lifestyle choices. You will use the dataset to explore the relationship between cardiac disease, body measurements, blood markers, and lifestyle choices.
|
||||
Рядки в наборі даних представляють пацієнтів, а стовпці інформацію, як-от вимірювання тіла, результати різних аналізів крові та вибір способу життя. Ви будете використовувати набір даних, щоб дослідити зв’язок між серцевими захворюваннями, розмірами тіла, маркерами крові та вибором способу життя.
|
||||
|
||||
File name: medical_examination.csv
|
||||
Назва файлу: medical_examination.csv
|
||||
|
||||
| Feature | Variable Type | Variable | Value Type |
|
||||
|:---------------------------------------------:|:-------------------:|:-------------:|:------------------------------------------------:|
|
||||
| Age | Objective Feature | `age` | int (days) |
|
||||
| Height | Objective Feature | `height` | int (cm) |
|
||||
| Weight | Objective Feature | `weight` | float (kg) |
|
||||
| Gender | Objective Feature | `gender` | categorical code |
|
||||
| Systolic blood pressure | Examination Feature | `ap_hi` | int |
|
||||
| Diastolic blood pressure | Examination Feature | `ap_lo` | int |
|
||||
| Cholesterol | Examination Feature | `cholesterol` | 1: normal, 2: above normal, 3: well above normal |
|
||||
| Glucose | Examination Feature | `gluc` | 1: normal, 2: above normal, 3: well above normal |
|
||||
| Smoking | Subjective Feature | `smoke` | binary |
|
||||
| Alcohol intake | Subjective Feature | `alco` | binary |
|
||||
| Physical activity | Subjective Feature | `active` | binary |
|
||||
| Presence or absence of cardiovascular disease | Target Variable | `cardio` | binary |
|
||||
| Особливість | Тип змінної | Змінна | Тип значення |
|
||||
|:-----------------------------------------------------:|:-----------------------:|:-------------:|:-------------------------------------------------:|
|
||||
| Вік | Об'єктивна особливість | `age` | ціле (дні) |
|
||||
| Зріст | Об'єктивна особливість | `height` | ціле (см) |
|
||||
| Вага | Об'єктивна особливість | `weight` | плаваюче (кг) |
|
||||
| Стать | Об'єктивна особливість | `gender` | категоричний код |
|
||||
| Систолічний кров'яний тиск | Особливість обстеження | `ap_hi` | ціле |
|
||||
| Діастолічний кров'яний тиск | Особливість обстеження | `ap_lo` | ціле |
|
||||
| Холестерин | Особливість обстеження | `cholesterol` | 1: нормально, 2: вище норми, 3: значно вище норми |
|
||||
| Глюкоза | Особливість обстеження | `gluc` | 1: нормально, 2: вище норми, 3: значно вище норми |
|
||||
| Куріння | Суб'єктивна особливість | `smoke` | двійкове |
|
||||
| Вживання алкоголю | Суб'єктивна особливість | `alco` | двійкове |
|
||||
| Фізична активність | Суб'єктивна особливість | `active` | двійкове |
|
||||
| Наявність чи відсутність серцево-судинних захворювань | Цільова змінна | `cardio` | двійкове |
|
||||
|
||||
## Tasks
|
||||
## Завдання
|
||||
|
||||
Create a chart similar to `examples/Figure_1.png`, where we show the counts of good and bad outcomes for the `cholesterol`, `gluc`, `alco`, `active`, and `smoke` variables for patients with cardio=1 and cardio=0 in different panels.
|
||||
Створіть діаграму, подібну до `examples/Figure_1.png`, де ми покажемо кількість хороших та поганих результатів для змінних `cholesterol`, `gluc`, `alco`, `active` та `smoke` для пацієнтів з cardio=1 та cardio=0 на різних панелях.
|
||||
|
||||
Use the data to complete the following tasks in `medical_data_visualizer.py`:
|
||||
Використайте дані для виконання наступних завдань у `medical_data_visualizer.py`:
|
||||
|
||||
- Add an `overweight` column to the data. To determine if a person is overweight, first calculate their BMI by dividing their weight in kilograms by the square of their height in meters. If that value is > 25 then the person is overweight. Use the value 0 for NOT overweight and the value 1 for overweight.
|
||||
- Normalize the data by making 0 always good and 1 always bad. If the value of `cholesterol` or `gluc` is 1, make the value 0. If the value is more than 1, make the value 1.
|
||||
@@ -58,9 +63,9 @@ Use the data to complete the following tasks in `medical_data_visualizer.py`:
|
||||
- weight is more than the 97.5th percentile
|
||||
- Create a correlation matrix using the dataset. Plot the correlation matrix using seaborn's `heatmap()`. Mask the upper triangle. The chart should look like `examples/Figure_2.png`.
|
||||
|
||||
Any time a variable is set to `None`, make sure to set it to the correct code.
|
||||
Кожного разу, коли для змінної встановлено значення `None`, переконайтеся, що для неї встановлено правильний код.
|
||||
|
||||
Unit tests are written for you under `test_module.py`.
|
||||
Для вас складені модульні тести у `test_module.py`.
|
||||
|
||||
## Розробка
|
||||
|
||||
@@ -76,7 +81,7 @@ Unit tests are written for you under `test_module.py`.
|
||||
|
||||
# --hints--
|
||||
|
||||
Він повинен пройти усі тести Python.
|
||||
Проєкт повинен пройти усі тести Python.
|
||||
|
||||
```js
|
||||
|
||||
|
||||
@@ -10,7 +10,12 @@ dashedName: page-view-time-series-visualizer
|
||||
|
||||
Ви будете <a href="https://replit.com/github/freeCodeCamp/boilerplate-page-view-time-series-visualizer" target="_blank" rel="noopener noreferrer nofollow">працювати над цим проєктом з нашим стартовим кодом Replit</a>.
|
||||
|
||||
We are still developing the interactive instructional part of the Python curriculum. For now, here are some videos on the freeCodeCamp.org YouTube channel that will teach you everything you need to know to complete this project:
|
||||
- Start by importing the project on Replit.
|
||||
- Next, you will see a `.replit` window.
|
||||
- Select `Use run command` and click the `Done` button.
|
||||
|
||||
|
||||
Ми досі розробляємо інтерактивну частину навчальної програми з Python. Наразі є декілька відео на ютуб-каналі freeCodeCamp.org, які навчать всього необхідного для виконання цього проєкту:
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a>(14 hours)
|
||||
|
||||
@@ -18,9 +23,9 @@ We are still developing the interactive instructional part of the Python curricu
|
||||
|
||||
# --instructions--
|
||||
|
||||
For this project you will visualize time series data using a line chart, bar chart, and box plots. You will use Pandas, Matplotlib, and Seaborn to visualize a dataset containing the number of page views each day on the freeCodeCamp.org forum from 2016-05-09 to 2019-12-03. The data visualizations will help you understand the patterns in visits and identify yearly and monthly growth.
|
||||
У цьому проєкті ви візуалізуєте дані часових рядів, використовуючи лінійний графік, стовпчикову діаграму та коробковий графік. Ви будете використовувати Pandas, Matplotlib та Seaborn для візуалізації даних, які містять кількість щоденних переглядів на форумі freeCodeCamp.org з 09.05.2016 по 03.12.2019. Візуалізація даних допоможе вам зрозуміти тенденції відвідування та визначити річний і місячний приріст.
|
||||
|
||||
Use the data to complete the following tasks:
|
||||
Використайте дані для виконання наступних завдань:
|
||||
|
||||
- Use Pandas to import the data from "fcc-forum-pageviews.csv". Set the index to the `date` column.
|
||||
- Clean the data by filtering out days when the page views were in the top 2.5% of the dataset or bottom 2.5% of the dataset.
|
||||
@@ -28,9 +33,9 @@ Use the data to complete the following tasks:
|
||||
- Create a `draw_bar_plot` function that draws a bar chart similar to "examples/Figure_2.png". It should show average daily page views for each month grouped by year. The legend should show month labels and have a title of `Months`. On the chart, the label on the x axis should be `Years` and the label on the y axis should be `Average Page Views`.
|
||||
- Create a `draw_box_plot` function that uses Seaborn to draw two adjacent box plots similar to "examples/Figure_3.png". These box plots should show how the values are distributed within a given year or month and how it compares over time. The title of the first chart should be `Year-wise Box Plot (Trend)` and the title of the second chart should be `Month-wise Box Plot (Seasonality)`. Make sure the month labels on bottom start at `Jan` and the x and y axis are labeled correctly. The boilerplate includes commands to prepare the data.
|
||||
|
||||
For each chart, make sure to use a copy of the data frame. Unit tests are written for you under `test_module.py`.
|
||||
Для кожної діаграми обов’язково використайте копію кадру даних. Для вас складені модульні тести у `test_module.py`.
|
||||
|
||||
The boilerplate also includes commands to save and return the image.
|
||||
Шаблон також містить команди для збереження та повернення зображення.
|
||||
|
||||
## Розробка
|
||||
|
||||
@@ -46,7 +51,7 @@ The boilerplate also includes commands to save and return the image.
|
||||
|
||||
# --hints--
|
||||
|
||||
Він повинен пройти усі тести Python.
|
||||
Проєкт повинен пройти усі тести Python.
|
||||
|
||||
```js
|
||||
|
||||
|
||||
@@ -10,7 +10,12 @@ dashedName: sea-level-predictor
|
||||
|
||||
Ви будете <a href="https://replit.com/github/freeCodeCamp/boilerplate-sea-level-predictor" target="_blank" rel="noopener noreferrer nofollow">працювати над цим проєктом з нашим стартовим кодом Replit</a>.
|
||||
|
||||
We are still developing the interactive instructional part of the Python curriculum. For now, here are some videos on the freeCodeCamp.org YouTube channel that will teach you everything you need to know to complete this project:
|
||||
- Start by importing the project on Replit.
|
||||
- Next, you will see a `.replit` window.
|
||||
- Select `Use run command` and click the `Done` button.
|
||||
|
||||
|
||||
Ми досі розробляємо інтерактивну частину навчальної програми з Python. Наразі є декілька відео на ютуб-каналі freeCodeCamp.org, які навчать всього необхідного для виконання цього проєкту:
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a>(14 hours)
|
||||
|
||||
@@ -18,9 +23,9 @@ We are still developing the interactive instructional part of the Python curricu
|
||||
|
||||
# --instructions--
|
||||
|
||||
You will analyze a dataset of the global average sea level change since 1880. You will use the data to predict the sea level change through year 2050.
|
||||
Ви проаналізуєте набір даних про зміни середнього рівня моря на планеті з 1880 року. Ви використаєте дані, щоб передбачити зміни рівня моря до 2050 року.
|
||||
|
||||
Use the data to complete the following tasks:
|
||||
Використайте дані для виконання наступних завдань:
|
||||
|
||||
- Use Pandas to import the data from `epa-sea-level.csv`.
|
||||
- Use matplotlib to create a scatter plot using the `Year` column as the x-axis and the `CSIRO Adjusted Sea Level` column as the y-axix.
|
||||
@@ -28,9 +33,9 @@ Use the data to complete the following tasks:
|
||||
- Plot a new line of best fit just using the data from year 2000 through the most recent year in the dataset. Make the line also go through the year 2050 to predict the sea level rise in 2050 if the rate of rise continues as it has since the year 2000.
|
||||
- The x label should be `Year`, the y label should be `Sea Level (inches)`, and the title should be `Rise in Sea Level`.
|
||||
|
||||
Unit tests are written for you under `test_module.py`.
|
||||
Для вас складені модульні тести у `test_module.py`.
|
||||
|
||||
The boilerplate also includes commands to save and return the image.
|
||||
Шаблон також містить команди для збереження та повернення зображення.
|
||||
|
||||
## Розробка
|
||||
|
||||
@@ -44,14 +49,14 @@ The boilerplate also includes commands to save and return the image.
|
||||
|
||||
Скопіюйте URL-адресу свого проєкту та відправте її до freeCodeCamp.
|
||||
|
||||
## Data Source
|
||||
## Джерело даних
|
||||
|
||||
<a href="https://datahub.io/core/sea-level-rise" target="_blank" rel="noopener noreferrer nofollow">Global Average Absolute Sea Level Change</a>, 1880-2014 from the US Environmental Protection Agency using data from CSIRO, 2015; NOAA, 2015.
|
||||
<a href="https://datahub.io/core/sea-level-rise" target="_blank" rel="noopener noreferrer nofollow">Глобальна зміна середнього абсолютного рівня моря</a>, 1880-2014 від Агентства з охорони навколишнього середовища США з використанням даних CSIRO, 2015; NOAA, 2015.
|
||||
|
||||
|
||||
# --hints--
|
||||
|
||||
Він повинен пройти усі тести Python.
|
||||
Проєкт повинен пройти усі тести Python.
|
||||
|
||||
```js
|
||||
|
||||
|
||||
Reference in New Issue
Block a user