Hugging Face's logo

Spaces:
lbourdois
/
Free_online_AI_courses_in_French
Running

App Files Community
Free_online_AI_courses_in_French
File size: 3,744 Bytes 
2ed8150
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
d2617a3
2ed8150
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
 
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])

# Add a selector to the right column
with right_column:
    lang = language_selector()

# Add a title to the left column
with left_column:   
    st.markdown(translations[lang]['title'])

st.markdown(""" """)
st.write(translations[lang]['content'])