Jupyter Notebook (.ipynb) oversættelse: Kan koden køre, og kan Markdown læses?

Diagnose af nuværende kernesituation

“Dataanalyse-rapporter kombinerer ofte eksekverbar kode, output og Markdown-dokumentation. En fuldstændig oversættelse kan føre til ugyldig kode eller manipulerede output.”

Analyse af grundlæggende årsag

1

Intelligent celletype-fordeling

AI-oversættelsesværktøjet fordeler efter `cell_type`-feltet i JSON-strukturen: `markdown`-celler sendes til oversættelsesmotoren, mens `code`-celler fastholdes uændrede. For `raw`-celler kan brugeren selv vælge, om de skal oversættes.

2

Beskyttelse af indlejrede formler i Markdown

I Markdown-celler indeholder man ofte matematiske formler i LaTeX-format (f.eks. `$E=mc^2$`). AI-motoren genkender `$`-afgrænsere og behandler indholdet som ‘uændrede tokens’ og oversætter kun den forklarende tekst omkring formlen.

3

Rensning af output-data

Som standard anbefaler vi, at brugere sletter Output før upload, men hvis der er tekstbaseret output (såsom fejllogs eller printresultater), kan AI’en alt efter konfiguration også kun oversætte de naturlige sprogdele og bevare Traceback-strukturen.

Endelig løsningssammenfatning

Perfekt tilpasset lokaliseringsbehov for deling af Kaggle-konkurrencer eller undervisningsmateriale og sikrer synkronisering mellem kodelogik og dokumentation.