Tłumaczenie Jupyter Notebook (.ipynb): Czy kod działa, a Markdown jest czytelny?
“Raporty z analizy danych zazwyczaj zawierają zarówno wykonalny kod, wyniki jego działania, jak i tekstowe wyjaśnienia w Markdown; tłumaczenie całego pliku może spowodować, że kod przestanie działać lub dojdzie do zniekształcenia wyników.”
Analiza przyczyn podstawowych
Inteligentne kierowanie typem komórek
AI tłumaczeniowe rozdziela komórki na podstawie pola `cell_type` w strukturze JSON: komórki typu `markdown` są przekazywane do silnika tłumaczącego, natomiast komórki typu `code` są ściśle zablokowane. W przypadku komórek typu `raw` użytkownik może zdecydować, czy je tłumaczyć.
Ochrona formuł osadzonych w Markdown
W komórkach Markdown często znajdują się matematyczne formuły zapisane w formacie LaTeX (np. `$E=mc^2$`). Silnik AI rozpoznaje ograniczniki `$` i traktuje ich zawartość jako „niezmienne tokeny”, tłumacząc jedynie otaczający formułę tekst objaśniający.
Czyszczenie danych wyjściowych (Output)
Domyślnie zalecamy użytkownikom wyczyszczenie Output przed przesłaniem, jednak w przypadku występowania wyjść tekstowych (np. dzienników błędów lub rezultatów polecenia print), AI może – w zależności od konfiguracji – przetłumaczyć jedynie część w języku naturalnym, zachowując strukturę Traceback.
Podsumowanie rozwiązania końcowego
Perfekcyjne dostosowanie do potrzeb lokalizacji materiałów udostępnianych na konkursy Kaggle lub materiałów dydaktycznych, zapewniając synchronizację logiki kodu i dokumentacji objaśniającej.