|
import streamlit as st |
|
|
|
translations = { |
|
'fr': { |
|
'title': "## Cours d'IA en français 📚", |
|
'content': |
|
""" |
|
La liste des cours, entièrement gratuits et disponibles en ligne, que j'ai traduit en français : |
|
|
|
**• Le [Cours d’apprentissage profond de la NYU de Yann Le Cun et Alfredo Canziani](https://lbourdois.github.io/cours-dl-nyu/)** |
|
Le contenu est structuré en 19 unités, avec 33 vidéos 🎥 de cours (cours magistraux et travaux dirigés) d'une durée totale d'environ 45H, 74 pages web 🌐 résumant les vidéos via les notes prises par les étudiants pendant le cours, et 16 notebooks Jupyter 📓 (en PyTorch) utilisés lors des TD. |
|
Enfin un [jeu de données](https://huggingface.co./datasets/lbourdois/en-fr-nyu-dl-course-corpus) de plus de 3000 données parallèles vérifiées manuellement a été créé pour entraîner un modèle de traduction. |
|
|
|
**• Le [Cours de traitement automatique du langage (NLP) de Hugging Face 🤗](https://huggingface.co./learn/nlp-course/fr/)** |
|
Le contenu est structuré en 10 chapitres comprenant un total de 76 vidéos 🎥 d'une durée totale d'environ 5H, de 78 pages web 🌐 et 61 notebooks Jupyter 📓 (en PyTorch et Tensorflow). |
|
|
|
**• Le [Cours d'audio de Hugging Face 🤗](https://huggingface.co./learn/audio-course/fr/)** |
|
Le contenu est structuré en 8 unités réparties sur 46 pages web 🌐. |
|
|
|
**• Le [Cours de modèles de diffusion de Hugging Face 🤗](https://github.com/huggingface/diffusion-models-class/tree/main/units/fr)** |
|
Le contenu est structuré en 4 chapitres portant sur 17 pages web 🌐 et 8 notebooks Jupyter 📓 (en PyTorch). |
|
""" |
|
}, |
|
'en': { |
|
'title': '## AI courses in French 📚', |
|
'content': |
|
""" |
|
The list of courses, entirely free and available online, which I have translated into French: |
|
|
|
**• [Deep Learning Course from NYU by Yann Le Cun and Alfredo Canziani](https://lbourdois.github.io/cours-dl-nyu/)** |
|
The content is structured into 19 units, with 33 videos 🎥 of courses (lectures and practicums) lasting a total of around 45H, 74 web pages 🌐 summarizing the videos through notes taken by students during the course, and 16 Jupyter notebooks 📓 (in PyTorch) used during practicums. |
|
A [dataset](https://huggingface.co./datasets/lbourdois/en-fr-nyu-dl-course-corpus) of more than 3000 parallel data manually checked was created to train a translation model. |
|
|
|
**• [Hugging Face's NLP Course 🤗](https://huggingface.co./learn/nlp-course/fr/)** |
|
The content is structured into 10 chapters comprising a total of 76 videos 🎥 lasting around 5H, 78 web pages 🌐 and 61 Jupyter notebooks 📓 (in PyTorch and Tensorflow). |
|
|
|
**• [Hugging Face's Audio Course 🤗](https://huggingface.co./learn/audio-course/fr/)** |
|
The content is structured into 8 units spread over 46 web pages 🌐. |
|
|
|
**• [Hugging Face's Diffusion Models Course 🤗](https://github.com/huggingface/diffusion-models-class/tree/main/units/fr)** |
|
The content is structured into 4 chapters spread over 17 web pages 🌐 and 8 Jupyter notebooks 📓 (in PyTorch). |
|
""" |
|
} |
|
} |
|
|
|
def language_selector(): |
|
languages = {'FR': '🇫🇷', 'EN': '🇬🇧'} |
|
selected_lang = st.selectbox('', options=list(languages.keys()), format_func=lambda x: languages[x], key='lang_selector') |
|
return 'fr' if selected_lang == 'FR' else 'en' |
|
|
|
left_column, right_column = st.columns([5, 1]) |
|
|
|
|
|
with right_column: |
|
lang = language_selector() |
|
|
|
|
|
with left_column: |
|
st.markdown(translations[lang]['title']) |
|
|
|
st.markdown(""" """) |
|
st.write(translations[lang]['content']) |
