diff --git a/translations/ar/.co-op-translator.json b/translations/ar/.co-op-translator.json
index e3cd9c17a..5c5d16176 100644
--- a/translations/ar/.co-op-translator.json
+++ b/translations/ar/.co-op-translator.json
@@ -12,8 +12,8 @@
"language_code": "ar"
},
"1-Introduction/01-defining-data-science/notebook.ipynb": {
- "original_hash": "8f5eb7b3f7cc89e6d98fb32e1de65dec",
- "translation_date": "2026-02-28T08:50:32+00:00",
+ "original_hash": "8eb07e3d899aaba7ea9c9ec9b5aa2850",
+ "translation_date": "2026-07-17T22:11:43+00:00",
"source_file": "1-Introduction/01-defining-data-science/notebook.ipynb",
"language_code": "ar"
},
@@ -42,8 +42,8 @@
"language_code": "ar"
},
"1-Introduction/03-defining-data/README.md": {
- "original_hash": "12339119c0165da569a93ddba05f9339",
- "translation_date": "2025-09-06T06:30:52+00:00",
+ "original_hash": "7217c6f9eb464d4ff4bae6c036ab53cb",
+ "translation_date": "2026-07-17T22:14:01+00:00",
"source_file": "1-Introduction/03-defining-data/README.md",
"language_code": "ar"
},
@@ -65,6 +65,12 @@
"source_file": "1-Introduction/04-stats-and-probability/assignment.md",
"language_code": "ar"
},
+ "1-Introduction/04-stats-and-probability/notebook.ipynb": {
+ "original_hash": "0c77e104b29c723287bf11b773fcc5d5",
+ "translation_date": "2026-07-17T22:12:44+00:00",
+ "source_file": "1-Introduction/04-stats-and-probability/notebook.ipynb",
+ "language_code": "ar"
+ },
"1-Introduction/README.md": {
"original_hash": "696a8474a01054281704cbfb09148949",
"translation_date": "2025-08-27T08:43:36+00:00",
@@ -108,8 +114,8 @@
"language_code": "ar"
},
"2-Working-With-Data/07-python/notebook-covidspread.ipynb": {
- "original_hash": "6335cccba01dc6ad7b15aba7a8c73f38",
- "translation_date": "2026-02-28T08:51:47+00:00",
+ "original_hash": "da97f98781c7cd271063f605fe8d71d0",
+ "translation_date": "2026-07-17T22:11:13+00:00",
"source_file": "2-Working-With-Data/07-python/notebook-covidspread.ipynb",
"language_code": "ar"
},
@@ -192,14 +198,14 @@
"language_code": "ar"
},
"3-Data-Visualization/13-meaningful-visualizations/solution/README.md": {
- "original_hash": "5c51a54dd89075a7a362890117b7ed9e",
- "translation_date": "2025-08-27T10:11:56+00:00",
+ "original_hash": "2b3b2632bb02af608ca60be828e8097d",
+ "translation_date": "2026-07-17T22:14:09+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/solution/README.md",
"language_code": "ar"
},
"3-Data-Visualization/13-meaningful-visualizations/starter/README.md": {
- "original_hash": "5c51a54dd89075a7a362890117b7ed9e",
- "translation_date": "2025-08-27T10:11:22+00:00",
+ "original_hash": "2b3b2632bb02af608ca60be828e8097d",
+ "translation_date": "2026-07-17T22:14:05+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/starter/README.md",
"language_code": "ar"
},
diff --git a/translations/ar/1-Introduction/01-defining-data-science/notebook.ipynb b/translations/ar/1-Introduction/01-defining-data-science/notebook.ipynb
index 296086c6a..2c0281bcb 100644
--- a/translations/ar/1-Introduction/01-defining-data-science/notebook.ipynb
+++ b/translations/ar/1-Introduction/01-defining-data-science/notebook.ipynb
@@ -2,421 +2,319 @@
"cells": [
{
"cell_type": "markdown",
+ "metadata": {},
"source": [
"# التحدي: تحليل نص حول علم البيانات\n",
"\n",
- "في هذا المثال، دعنا نقوم بتمرين بسيط يشمل جميع خطوات عملية علم البيانات التقليدية. لست مضطراً لكتابة أي كود، يمكنك فقط النقر على الخلايا أدناه لتنفيذها وملاحظة النتيجة. كتحدٍ، يُشجعك تجربة هذا الكود مع بيانات مختلفة.\n",
+ "في هذا المثال، دعنا نقوم بتمرين بسيط يغطي جميع خطوات عملية علم البيانات التقليدية. لا يتعين عليك كتابة أي كود، يمكنك فقط النقر على الخلايا أدناه لتشغيلها ومراقبة النتيجة. كتحدي، يُشجعك على تجربة هذا الكود مع بيانات مختلفة.\n",
"\n",
"## الهدف\n",
"\n",
- "في هذا الدرس، كنا نناقش مفاهيم مختلفة مرتبطة بعلم البيانات. دعنا نحاول اكتشاف المزيد من المفاهيم ذات الصلة من خلال القيام بـ **تنقيب النصوص**. سنبدأ بنص حول علم البيانات، نستخرج منه الكلمات المفتاحية، ومن ثم نحاول تصور النتيجة.\n",
+ "في هذا الدرس، ناقشنا مفاهيم مختلفة تتعلق بعلم البيانات. دعنا نحاول اكتشاف المزيد من المفاهيم ذات الصلة من خلال القيام ببعض **التنقيب في النصوص**. سنبدأ بنص عن علم البيانات، نستخرج منه الكلمات المفتاحية، ثم نحاول تصور النتيجة.\n",
"\n",
- "كنص، سأستخدم الصفحة الخاصة بعلم البيانات من ويكيبيديا:\n"
- ],
- "metadata": {}
+ "كنص، سأستخدم الصفحة حول علم البيانات من ويكيبيديا:\n"
+ ]
},
{
"cell_type": "markdown",
- "source": [],
- "metadata": {}
+ "metadata": {},
+ "source": []
},
{
"cell_type": "code",
- "execution_count": 62,
+ "execution_count": null,
+ "metadata": {},
+ "outputs": [],
"source": [
"url = 'https://en.wikipedia.org/wiki/Data_science'"
- ],
- "outputs": [],
- "metadata": {}
+ ]
},
{
"cell_type": "markdown",
+ "metadata": {},
"source": [
"## الخطوة 1: الحصول على البيانات\n",
"\n",
- "الخطوة الأولى في كل عملية علم بيانات هي الحصول على البيانات. سنستخدم مكتبة `requests` للقيام بذلك:\n"
- ],
- "metadata": {}
+ "الخطوة الأولى في كل عملية علوم بيانات هي الحصول على البيانات. سنستخدم مكتبة `requests` للقيام بذلك:\n"
+ ]
},
{
"cell_type": "code",
- "execution_count": 63,
+ "execution_count": null,
+ "metadata": {},
+ "outputs": [],
"source": [
- "import requests\r\n",
- "\r\n",
- "text = requests.get(url).content.decode('utf-8')\r\n",
- "print(text[:1000])"
- ],
- "outputs": [
- {
- "output_type": "stream",
- "name": "stdout",
- "text": [
- "\n",
- "\n",
- "\n",
- "\n",
- "Data science - Wikipedia\n",
- "