chore(i18n): sync translations with latest source changes

translations/ar/.co-op-translator.json

@@ -36,8 +36,8 @@
     "language_code": "ar"
   },
   "1-Introduction/4-techniques-of-ML/README.md": {
-    "original_hash": "9d91f3af3758fdd4569fb410575995ef",
-    "translation_date": "2025-09-04T20:47:01+00:00",
+    "original_hash": "84b1715a6be62ef1697351dcc5d7b567",
+    "translation_date": "2026-04-26T20:14:08+00:00",
     "source_file": "1-Introduction/4-techniques-of-ML/README.md",
     "language_code": "ar"
   },
@@ -90,8 +90,8 @@
     "language_code": "ar"
   },
   "2-Regression/3-Linear/README.md": {
-    "original_hash": "26c53a922f1f1e8542b0ea41ff52221a",
-    "translation_date": "2026-04-20T16:04:49+00:00",
+    "original_hash": "8b776e731c35b171d316d01d0e7b1369",
+    "translation_date": "2026-04-26T20:13:41+00:00",
     "source_file": "2-Regression/3-Linear/README.md",
     "language_code": "ar"
   },
@@ -107,6 +107,12 @@
     "source_file": "2-Regression/3-Linear/solution/Julia/README.md",
     "language_code": "ar"
   },
+  "2-Regression/3-Linear/solution/notebook.ipynb": {
+    "original_hash": "6781223ffbe8cfdaa38d0200f08e1288",
+    "translation_date": "2026-04-26T20:10:25+00:00",
+    "source_file": "2-Regression/3-Linear/solution/notebook.ipynb",
+    "language_code": "ar"
+  },
   "2-Regression/4-Logistic/README.md": {
     "original_hash": "abf86d845c84330bce205a46b382ec88",
     "translation_date": "2025-09-04T20:39:43+00:00",

translations/ar/2-Regression/3-Linear/solution/notebook.ipynb

@@ -4,14 +4,14 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "## الانحدار الخطي والانحدار متعدد الحدود لتسعير القرع - الدرس الثالث\n",
+    "## الانحدار الخطي والانحدار متعدد الحدود لتسعير اليقطين - الدرس 3\n",
     "\n",
-    "قم بتحميل المكتبات والبيانات المطلوبة. قم بتحويل البيانات إلى إطار بيانات يحتوي على جزء من البيانات:\n",
+    "قم بتحميل المكتبات المطلوبة ومجموعة البيانات. حوّل البيانات إلى إطار بيانات يحتوي على مجموعة فرعية من البيانات:\n",
     "\n",
-    "- احصل فقط على القرع الذي تم تسعيره بوحدة البوشل\n",
-    "- قم بتحويل التاريخ إلى شهر\n",
-    "- احسب السعر ليكون متوسط الأسعار المرتفعة والمنخفضة\n",
-    "- قم بتحويل السعر ليعكس التسعير بوحدة كمية البوشل\n"
+    "- جلب اليقطين المسعر فقط حسب البوشل\n",
+    "- تحويل التاريخ إلى شهر\n",
+    "- حساب السعر ليكون متوسط الأسعار العالية والمنخفضة\n",
+    "- تحويل السعر ليعكس التسعير حسب كمية البوشل\n"
    ]
   },
   {
@@ -377,7 +377,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "تذكرنا مخططات الانتشار بأن لدينا بيانات الأشهر فقط من أغسطس حتى ديسمبر. من المحتمل أننا بحاجة إلى المزيد من البيانات لنتمكن من استخلاص استنتاجات بطريقة خطية.\n"
+    "تذكرنا مخطط النقاط بأن لدينا بيانات فقط من أغسطس حتى ديسمبر. ربما نحتاج إلى المزيد من البيانات لنتمكن من استخلاص استنتاجات بطريقة خطية.\n"
    ]
   },
   {
@@ -448,7 +448,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "لنرَ إذا كان هناك ارتباط:\n"
+    "لنرَ إن كان هناك ارتباط:\n"
    ]
   },
   {
@@ -474,7 +474,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "يبدو أن الارتباط صغير جدًا، ولكن هناك علاقة أخرى أكثر أهمية - لأن نقاط الأسعار في الرسم البياني أعلاه تبدو وكأنها تحتوي على عدة مجموعات مميزة. لنقم بإنشاء رسم بياني يُظهر أنواع القرع المختلفة:\n"
+    "يبدو أن الارتباط صغير جدًا، لكن هناك علاقة أخرى أكثر أهمية - لأن نقاط السعر في الرسم البياني أعلاه تبدو وكأنها تحتوي على عدة تجمعات مميزة. لنرسم رسمًا بيانيًا سيُظهر أنواع اليقطين المختلفة:\n"
    ]
   },
   {
@@ -537,7 +537,9 @@
   {
    "cell_type": "markdown",
    "metadata": {},
-   "source": []
+   "source": [
+    "في الوقت الحالي، دعونا نركز فقط على نوع واحد - **نوع الفطيرة**.\n"
+   ]
   },
   {
    "cell_type": "code",
@@ -586,7 +588,7 @@
    "source": [
     "### الانحدار الخطي\n",
     "\n",
-    "سنستخدم مكتبة Scikit Learn لتدريب نموذج الانحدار الخطي:\n"
+    "سوف نستخدم Scikit Learn لتدريب نموذج الانحدار الخطي:\n"
    ]
   },
   {
@@ -720,11 +722,11 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "### الانحدار متعدد الحدود\n",
+    "### الانحدار كثير الحدود\n",
     "\n",
-    "في بعض الأحيان تكون العلاقة بين الميزات والنتائج غير خطية بطبيعتها. على سبيل المثال، قد تكون أسعار القرع مرتفعة في الشتاء (الشهور=1،2)، ثم تنخفض خلال الصيف (الشهور=5-7)، ثم ترتفع مرة أخرى. الانحدار الخطي غير قادر على تحديد هذه العلاقة بدقة.\n",
+    "أحيانًا تكون العلاقة بين الميزات والنتائج غير خطية بطبيعتها. على سبيل المثال، قد تكون أسعار القرع مرتفعة في الشتاء (الأشهر=1، 2)، ثم تنخفض خلال الصيف (الأشهر=5-7)، ثم ترتفع مرة أخرى. الانحدار الخطي غير قادر على تحديد هذه العلاقة بدقة.\n",
     "\n",
-    "في هذه الحالة، يمكننا التفكير في إضافة ميزات إضافية. الطريقة البسيطة هي استخدام الحدوديات من الميزات المدخلة، مما يؤدي إلى **الانحدار متعدد الحدود**. في مكتبة Scikit Learn، يمكننا حساب الميزات متعددة الحدود تلقائيًا باستخدام الأنابيب:\n"
+    "في هذه الحالة، قد نحتاج إلى إضافة ميزات إضافية. الطريقة البسيطة هي استخدام كثيرات الحدود من الميزات المدخلة، مما يؤدي إلى **الانحدار كثير الحدود**. في مكتبة Scikit Learn، يمكننا حساب ميزات كثير الحدود تلقائيًا باستخدام خطوط الأنابيب: \n"
    ]
   },
   {
@@ -779,22 +781,25 @@
     "score = pipeline.score(X_train,y_train)\n",
     "print('Model determination: ', score)\n",
     "\n",
-    "plt.scatter(X_test,y_test)\n",
-    "plt.plot(sorted(X_test),pipeline.predict(sorted(X_test)))"
+    "X_range = np.linspace(X_test.min(), X_test.max(), 100).reshape(-1,1)\n",
+    "y_range = pipeline.predict(X_range)\n",
+    "\n",
+    "plt.scatter(X_test, y_test)\n",
+    "plt.plot(X_range, y_range)"
    ]
   },
   {
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "### أنواع الترميز\n",
+    "### أنواع التشفير\n",
     "\n",
-    "في العالم المثالي، نريد أن نتمكن من التنبؤ بأسعار أنواع مختلفة من القرع باستخدام نفس النموذج. لأخذ النوع في الاعتبار، نحتاج أولاً إلى تحويله إلى شكل رقمي، أو **ترميزه**. هناك عدة طرق يمكننا القيام بذلك:\n",
+    "في العالم المثالي، نريد أن نتمكن من التنبؤ بأسعار أصناف اليقطين المختلفة باستخدام نفس النموذج. لأخذ الصنف في الاعتبار، نحتاج أولاً إلى تحويله إلى شكل رقمي، أو **تشفيره**. هناك عدة طرق يمكننا القيام بذلك:\n",
     "\n",
-    "* ترميز رقمي بسيط يقوم بإنشاء جدول لأنواع مختلفة، ثم يستبدل اسم النوع بمؤشر في ذلك الجدول. هذه ليست أفضل فكرة بالنسبة للانحدار الخطي، لأن الانحدار الخطي يأخذ القيمة الرقمية للمؤشر في الاعتبار، والقيمة الرقمية من المحتمل ألا تكون مرتبطة عدديًا بالسعر.\n",
-    "* الترميز الأحادي (One-hot encoding)، الذي سيستبدل عمود `Variety` بأربعة أعمدة مختلفة، واحد لكل نوع، يحتوي على 1 إذا كانت الصفوف المقابلة من النوع المعطى، و0 خلاف ذلك.\n",
+    "* التشفير الرقمي البسيط الذي سيبني جدولاً للأصناف المختلفة، ثم يستبدل اسم الصنف بفهرس في ذلك الجدول. هذه ليست الفكرة الأفضل للانحدار الخطي، لأن الانحدار الخطي يأخذ القيمة الرقمية للفهرس في الاعتبار، والقيمة الرقمية من المحتمل ألا ترتبط رقمياً بالسعر.\n",
+    "* التشفير بنظام الواحد الحار \"one-hot encoding\"، الذي سيستبدل عمود `Variety` بأربعة أعمدة مختلفة، واحد لكل صنف، تحتوي على 1 إذا كان الصف المقابل من الصنف المعطى، و0 خلاف ذلك.\n",
     "\n",
-    "الكود أدناه يوضح كيف يمكننا ترميز النوع باستخدام الترميز الأحادي:\n"
+    "يعرض الكود أدناه كيف يمكننا تشفير صنف بنظام الواحد الحار:\n"
    ]
   },
   {
@@ -942,9 +947,9 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "### الانحدار الخطي على التنوع\n",
+    "### الانحدار الخطي على الأصناف\n",
     "\n",
-    "سنستخدم الآن نفس الكود المذكور أعلاه، ولكن بدلاً من `DayOfYear` سنستخدم التنوع المشفر بطريقة الـ one-hot كمدخل:\n"
+    "سنستخدم الآن نفس الكود كما في الأعلى، ولكن بدلاً من `DayOfYear` سنستخدم صنفنا المشفر بطريقة one-hot كمدخل:\n"
    ]
   },
   {
@@ -992,7 +997,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "يمكننا أيضًا تجربة استخدام ميزات أخرى بنفس الطريقة، ودمجها مع الميزات العددية، مثل `Month` أو `DayOfYear`:\n"
+    "يمكننا أيضًا تجربة استخدام ميزات أخرى بنفس الطريقة، ودمجها مع الميزات الرقمية، مثل `Month` أو `DayOfYear`:\n"
    ]
   },
   {
@@ -1025,7 +1030,7 @@
    "source": [
     "### الانحدار متعدد الحدود\n",
     "\n",
-    "يمكن استخدام الانحدار متعدد الحدود أيضًا مع الميزات الفئوية التي تم ترميزها بطريقة التشفير الواحد-الساخن. سيكون الكود المستخدم لتدريب الانحدار متعدد الحدود مشابهًا بشكل أساسي لما رأيناه أعلاه.\n"
+    "يمكن أيضًا استخدام الانحدار متعدد الحدود مع الميزات التصنيفية التي تم ترميزها بطريقة واحدة فقط (one-hot-encoded). سيكون رمز تدريب الانحدار متعدد الحدود في الأساس هو نفسه الذي رأيناه أعلاه.\n"
    ]
   },
   {
@@ -1072,7 +1077,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "\n---\n\n**إخلاء المسؤولية**:  \nتم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حساسة أو هامة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.\n"
+    "---\n\n<!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**إخلاء المسؤولية**:  \nتمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى جاهدين لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق به. للمعلومات الحساسة، يُنصح بالترجمة المهنية البشرية. نحن غير مسؤولين عن أي سوء فهم أو تفسير ناتج عن استخدام هذه الترجمة.\n<!-- CO-OP TRANSLATOR DISCLAIMER END -->\n"
    ]
   }
  ],
@@ -1102,13 +1107,7 @@
     "hash": "70b38d7a306a849643e446cd70466270a13445e5987dfa1344ef2b127438fa4d"
    }
   },
-  "orig_nbformat": 2,
-  "coopTranslator": {
-   "original_hash": "d77bd89ae7e79780c68c58bab91f13f8",
-   "translation_date": "2025-08-29T14:40:56+00:00",
-   "source_file": "2-Regression/3-Linear/solution/notebook.ipynb",
-   "language_code": "ar"
-  }
+  "orig_nbformat": 2
  },
  "nbformat": 4,
  "nbformat_minor": 2

translations/bg/.co-op-translator.json

@@ -36,8 +36,8 @@
     "language_code": "bg"
   },
   "1-Introduction/4-techniques-of-ML/README.md": {
-    "original_hash": "9d91f3af3758fdd4569fb410575995ef",
-    "translation_date": "2025-09-05T00:26:03+00:00",
+    "original_hash": "84b1715a6be62ef1697351dcc5d7b567",
+    "translation_date": "2026-04-26T19:12:00+00:00",
     "source_file": "1-Introduction/4-techniques-of-ML/README.md",
     "language_code": "bg"
   },
@@ -90,8 +90,8 @@
     "language_code": "bg"
   },
   "2-Regression/3-Linear/README.md": {
-    "original_hash": "26c53a922f1f1e8542b0ea41ff52221a",
-    "translation_date": "2026-04-20T20:41:43+00:00",
+    "original_hash": "8b776e731c35b171d316d01d0e7b1369",
+    "translation_date": "2026-04-26T19:11:25+00:00",
     "source_file": "2-Regression/3-Linear/README.md",
     "language_code": "bg"
   },
@@ -107,6 +107,12 @@
     "source_file": "2-Regression/3-Linear/solution/Julia/README.md",
     "language_code": "bg"
   },
+  "2-Regression/3-Linear/solution/notebook.ipynb": {
+    "original_hash": "6781223ffbe8cfdaa38d0200f08e1288",
+    "translation_date": "2026-04-26T19:07:21+00:00",
+    "source_file": "2-Regression/3-Linear/solution/notebook.ipynb",
+    "language_code": "bg"
+  },
   "2-Regression/4-Logistic/README.md": {
     "original_hash": "abf86d845c84330bce205a46b382ec88",
     "translation_date": "2025-09-04T23:26:51+00:00",