chore(i18n,curriculum): processed translations - new ukrainian (#44447)

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/conclusion.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72da6
+title: Висновки
+challengeType: 11
+videoId: LMNub5frQi4
+bilibiliIds:
+  aid: 208033449
+  bvid: BV1Wh411p79h
+  cid: 409139716
+dashedName: conclusion
+---
+
+# --question--
+
+## --text--
+
+Більшість людей, які є фахівцями в галузі штучного інтелекту та машинного навчання зазвичай...:
+
+## --answers--
+
+мають одну кваліфікацію.
+
+---
+
+мають багато кваліфікацій.
+
+---
+
+добре розбираються у багатьох різних платформах.
+
+## --video-solution--
+
+1
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/convolutional-neural-networks-evaluating-the-model.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d99
+title: 'Згорткові нейронні мережі: оцінювання моделі'
+challengeType: 11
+videoId: eCATNvwraXg
+bilibiliIds:
+  aid: 933030136
+  bvid: BV1hM4y1g7Bx
+  cid: 409132265
+dashedName: convolutional-neural-networks-evaluating-the-model
+---
+
+# --question--
+
+## --text--
+
+Чому **не** є хорошим способом підвищити точність супутньої нейронної мережі?
+
+## --answers--
+
+Збільшувати об'єм вже існуючих даних.
+
+---
+
+Використання тестової (тренувальної) моделі.
+
+---
+
+Для перепідготовки моделі, використовуйте свої тестові дані.
+
+## --video-solution--
+
+3
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/convolutional-neural-networks-picking-a-pretrained-model.md

@@ -0,0 +1,53 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d9a
+title: 'Згорткові нейронні мережі: Вибір попередньо підготовленої моделі'
+challengeType: 11
+videoId: h1XUt1AgIOI
+bilibiliIds:
+  aid: 463063633
+  bvid: BV1qL411x73q
+  cid: 409132626
+dashedName: convolutional-neural-networks-picking-a-pretrained-model
+---
+
+# --question--
+
+## --text--
+
+Заповніть пропуски нижче, щоб використати попередньо підготовлену модель Google MobileNet V2 як основу для згорткової нейронної системи:
+
+```py
+base_model = tf.__A__.applications.__B__(input_shape=(160, 160, 3),
+                                               include_top=__C__,
+                                               weights='imagenet'
+                                               )
+```
+
+## --answers--
+
+A: `keras`
+
+B: `MobileNetV2`
+
+C: `False`
+
+---
+
+A: `Keras`
+
+B: `MobileNetV2`
+
+C: `True`
+
+---
+
+A: `keras`
+
+B: `mobile_net_v2`
+
+C: `False`
+
+## --video-solution--
+
+1
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/convolutional-neural-networks-the-convolutional-layer.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d97
+title: 'Згорткові нейронні мережі: згортковий шар'
+challengeType: 11
+videoId: LrdmcQpTyLw
+bilibiliIds:
+  aid: 805608595
+  bvid: BV1Q34y1S7nr
+  cid: 409131585
+dashedName: convolutional-neural-networks-the-convolutional-layer
+---
+
+# --question--
+
+## --text--
+
+Які три основні властивості кожного згорткового шару?
+
+## --answers--
+
+Вхідний розмір, кількість фільтрів та розмір вибірки фільтрів.
+
+---
+
+Вхідний розмір, вхідні виміри та значення кольору входу.
+
+---
+
+Вхідний розмір, вхідний відступ та крок.
+
+## --video-solution--
+
+1
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/convolutional-neural-networks.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d96
+title: Згорткові нейронні мережі
+challengeType: 11
+videoId: _1kTP7uoU9E
+bilibiliIds:
+  aid: 805604251
+  bvid: BV1D34y1S7zS
+  cid: 409131358
+dashedName: convolutional-neural-networks
+---
+
+# --question--
+
+## --text--
+
+Щільні нейронні мережі обробляють вхідні дані і виділяють структури у певних місцях. Згорткові нейронні мережі...:
+
+## --answers--
+
+теж глобально обробляють вхідні дані та виділяють елементи у специфічних місцях.
+
+---
+
+незручно працювати із класифікацією зображення або визначенням об'єкта.
+
+---
+
+ретельно перегляньте всі вхідні дані та зосередьтеся на локальних шаблонах.
+
+## --video-solution--
+
+3
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/core-learning-algorithms-building-the-model.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d8e
+title: 'Базові алгоритми навчання: Побудова моделі'
+challengeType: 11
+videoId: 5wHw8BTd2ZQ
+bilibiliIds:
+  aid: 763068584
+  bvid: BV1s64y1a7WR
+  cid: 409128675
+dashedName: core-learning-algorithms-building-the-model
+---
+
+# --question--
+
+## --text--
+
+Який тип оцінки/моделювання TensorFlow рекомендує використовувати для класифікації?
+
+## --answers--
+
+`LinearClassifier`
+
+---
+
+`DNNClassifier`
+
+---
+
+`BoostedTreesClassifier`
+
+## --video-solution--
+
+2
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/core-learning-algorithms-classification.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d8d
+title: 'Базові алгоритми навчання: Класифікація'
+challengeType: 11
+videoId: qFF7ZQNvK9E
+bilibiliIds:
+  aid: 505531167
+  bvid: BV1Vg411c7av
+  cid: 409128427
+dashedName: core-learning-algorithms-classification
+---
+
+# --question--
+
+## --text--
+
+Що таке класифікація?
+
+## --answers--
+
+Процес розподілу точок даних у різні класи.
+
+---
+
+Передбачення числового значення або прогнозування на основі незалежних чи залежних змінних.
+
+---
+
+Жодне із перерахованого вище.
+
+## --video-solution--
+
+1
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/core-learning-algorithms-clustering.md

@@ -0,0 +1,42 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d8f
+title: 'Базові алгоритми навчання: Кластеризація'
+challengeType: 11
+videoId: 8sqIaHc9Cz4
+bilibiliIds:
+  aid: 720567137
+  bvid: BV1BQ4y1r7UY
+  cid: 409129005
+dashedName: core-learning-algorithms-clustering
+---
+
+# --question--
+
+## --text--
+
+Що з нижчепереліченого **не** є частиною алгоритму K-Means?
+
+## --answers--
+
+Випадковим чином оберіть К-точки для розміщення К-центроїдів.
+
+---
+
+Призначте кожній К-точці найближчий К-центроїд.
+
+---
+
+Перемістіть кожен К-центроїд в середину усіх його даних.
+
+---
+
+Перемішайте К-точки для їх випадкового перерозподілу.
+
+---
+
+Переназначте кожну К-точку до найближчого К-центроїду.
+
+## --video-solution--
+
+4
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/core-learning-algorithms-hidden-markov-models.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d90
+title: 'Базові алгоритми навчання: Приховані моделі Маркова'
+challengeType: 11
+videoId: IZg24y4wEPY
+bilibiliIds:
+  aid: 633081400
+  bvid: BV1tb4y1y72V
+  cid: 409129376
+dashedName: core-learning-algorithms-hidden-markov-models
+---
+
+# --question--
+
+## --text--
+
+Що відрізняє приховану модель Маркова від лінійної регресії чи класифікації?
+
+## --answers--
+
+У ній використовується розподіл ймовірностей для прогнозування майбутніх подій та станів.
+
+---
+
+У ній аналізується взаємозв'язок між незалежними та залежними змінними для прогнозування.
+
+---
+
+У ній точки даних розділяються на окремі категорії.
+
+## --video-solution--
+
+1
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/core-learning-algorithms-the-training-process.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d8c
+title: 'Базові алгоритми навчання: Процес тренування'
+challengeType: 11
+videoId: _cEwvqVoBhI
+bilibiliIds:
+  aid: 335593652
+  bvid: BV12R4y1H7Fi
+  cid: 409128047
+dashedName: core-learning-algorithms-the-training-process
+---
+
+# --question--
+
+## --text--
+
+Що таке епохи?
+
+## --answers--
+
+Кількість разів, в яких модель буде бачити ті самі дані.
+
+---
+
+Тип графіка.
+
+---
+
+Кількість елементів, які одразу подаються моделі.
+
+## --video-solution--
+
+1
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/core-learning-algorithms-training-and-testing-data.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d8b
+title: 'Базові алгоритми навчання: тренування та тестування даних'
+challengeType: 11
+videoId: wz9J1slsi7I
+bilibiliIds:
+  aid: 335509743
+  bvid: BV1rA411F7bG
+  cid: 409127635
+dashedName: core-learning-algorithms-training-and-testing-data
+---
+
+# --question--
+
+## --text--
+
+Що таке категорійні дані?
+
+## --answers--
+
+Інша назва одноразового кодування.
+
+---
+
+Будь-які дані, які не є числовими.
+
+---
+
+Будь-які дані, які представлені числами.
+
+## --video-solution--
+
+2
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/core-learning-algorithms-using-probabilities-to-make-predictions.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d91
+title: 'Базові алгоритми навчання: використання ймовірностей для прогнозування'
+challengeType: 11
+videoId: fYAYvLUawnc
+bilibiliIds:
+  aid: 763245369
+  bvid: BV1B64y187gE
+  cid: 414731624
+dashedName: core-learning-algorithms-using-probabilities-to-make-predictions
+---
+
+# --question--
+
+## --text--
+
+Який модуль TensorFlow слід імпортувати для реалізації `.HiddenMarkovModel()`?
+
+## --answers--
+
+`tensorflow.keras`
+
+---
+
+`tensorflow_gpu`
+
+---
+
+`tensorflow_probability`
+
+## --video-solution--
+
+3
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/core-learning-algorithms-working-with-data.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d8a
+title: 'Базові алгоритми навчання: Робота з даними'
+challengeType: 11
+videoId: u85IOSsJsPI
+bilibiliIds:
+  aid: 675550447
+  bvid: BV1RU4y1w7up
+  cid: 409127383
+dashedName: core-learning-algorithms-working-with-data
+---
+
+# --question--
+
+## --text--
+
+Що робить функція pandas `.head()`?
+
+## --answers--
+
+Повертає кількість записів у кадрі даних.
+
+---
+
+Повертає кількість стовпчиків у кадрі даних.
+
+---
+
+За замовчуванням, показує перші 5 рядків або елементів у кадрі даних.
+
+## --video-solution--
+
+3
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/core-learning-algorithms.md

@@ -0,0 +1,40 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d89
+title: Базові алгоритми навчання
+challengeType: 11
+videoId: u5lZURgcWnU
+bilibiliIds:
+  aid: 763034025
+  bvid: BV1A64y1a7g4
+  cid: 409127051
+dashedName: core-learning-algorithms
+---
+
+# --question--
+
+## --text--
+
+Який тип аналізу найкраще підходить для розв'язання наступної задачі?
+
+У вас є дані про середню температуру у березні за останні 100 років. Використовуючи цю інформацію, ви хочете передбачити середню температуру у березні через 5 років.
+
+## --answers--
+
+Множинна регресія
+
+---
+
+Кореляція
+
+---
+
+Дерево рішень
+
+---
+
+Лінійна регресія
+
+## --video-solution--
+
+4
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/creating-a-convolutional-neural-network.md

@@ -0,0 +1,56 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d98
+title: Створення згорткової нейронної мережі
+challengeType: 11
+videoId: kfv0K8MtkIc
+bilibiliIds:
+  aid: 420605824
+  bvid: BV1p341127wW
+  cid: 409131869
+dashedName: creating-a-convolutional-neural-network
+---
+
+# --question--
+
+## --text--
+
+Заповніть пропуски нижче, щоб завершити архітектуру згорткової нейронної мережі:
+
+```py
+model = models.__A__()
+model.add(layers.__B__(32, (3, 3), activation='relu', input_shape=(32, 32, 3)))
+model.add(layers.__C__(2, 2))
+model.add(layers.__B__(64, (3, 3), activation='relu'))
+model.add(layers.__C__(2, 2))
+model.add(layers.__B__(32, (3, 3), activation='relu'))
+model.add(layers.__C__(2, 2))
+```
+
+## --answers--
+
+A: `Sequential`
+
+B: `add`
+
+C: `Wrapper`
+
+---
+
+A: `keras`
+
+B: `Cropping2D`
+
+C: `AlphaDropout`
+
+---
+
+A: `Sequential`
+
+B: `Conv2D`
+
+C: `MaxPooling2D`
+
+## --video-solution--
+
+3
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/introduction-machine-learning-fundamentals.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d87
+title: 'Вступ: Основи машинного навчання'
+challengeType: 11
+videoId: KwL1qTR5MT8
+bilibiliIds:
+  aid: 293071716
+  bvid: BV1Yf4y1n7R2
+  cid: 409125921
+dashedName: introduction-machine-learning-fundamentals
+---
+
+# --question--
+
+## --text--
+
+Яке твердження подане нижче є **хибним**?
+
+## --answers--
+
+Нейронні мережі моделюються за принципом роботи людського мозку.
+
+---
+
+Комп'ютерні програми, які грають з людьми в хрестики-нулики або шахи, є прикладами простого штучного інтелекту.
+
+---
+
+Машинне навчання - це підмножина штучного інтелекту.
+
+## --video-solution--
+
+1
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/introduction-to-tensorflow.md

@@ -0,0 +1,42 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d88
+title: Вступ до TensorFlow
+challengeType: 11
+videoId: r9hRyGGjOgQ
+bilibiliIds:
+  aid: 675554869
+  bvid: BV1dU4y1w7vw
+  cid: 409126541
+dashedName: introduction-to-tensorflow
+---
+
+# --question--
+
+## --text--
+
+Що з нижчепереліченого **не** є типом тензору?
+
+## --answers--
+
+Змінна
+
+---
+
+Потік
+
+---
+
+Мітка-заповнювач
+
+---
+
+SparseTensor
+
+---
+
+Константа
+
+## --video-solution--
+
+2
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/natural-language-processing-with-rnns-building-the-model.md

@@ -0,0 +1,66 @@
+---
+id: 5e8f2f13c4cdbe86b5c72da1
+title: 'Обробка природної мови рекурентними нейронними мережами: створення моделі'
+challengeType: 11
+videoId: 32WBFS7lfsw
+bilibiliIds:
+  aid: 848015573
+  bvid: BV1YL4y1a7WS
+  cid: 409138016
+dashedName: natural-language-processing-with-rnns-building-the-model
+---
+
+# --question--
+
+## --text--
+
+Заповніть пропуски, щоб доповнити функцію ` build_model`:
+
+```py
+def build_mode(vocab_size, embedding_dim, rnn_units, batch_size):
+    model = tf.keras.Sequential([
+        tf.keras.layers.Embedding(vocab_size,
+                                  embedding_dim,
+                                  batch_input_shape=[batch_size, None]),
+        tf.keras.layers.__A__(rnn_units,
+                              return_sequences=__B__,
+                              recurrent_initializer='glorot_uniform),
+        tf.keras.layers.Dense(__C__)
+    ])
+    __D__
+```
+
+## --answers--
+
+A: `ELU`
+
+B: `True`
+
+C: `vocab_size`
+
+D: `return model`
+
+---
+
+A: `LSTM`
+
+B: `False`
+
+C: `batch_size`
+
+D: `return model`
+
+---
+
+A: `LSTM`
+
+B: `True`
+
+C: `vocab_size`
+
+D: `return model`
+
+## --video-solution--
+
+3
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/natural-language-processing-with-rnns-create-a-play-generator.md

@@ -0,0 +1,44 @@
+---
+id: 5e8f2f13c4cdbe86b5c72da0
+title: 'Обробка природної мови за допомогою рекурентних нейронних мереж: створення ігрового генератора'
+challengeType: 11
+videoId: j5xsxjq_Xk8
+bilibiliIds:
+  aid: 720525759
+  bvid: BV1xQ4y1r7tw
+  cid: 409137674
+dashedName: natural-language-processing-with-rnns-create-a-play-generator
+---
+
+# --question--
+
+## --text--
+
+Заповніть пробіли, щоб створити приклади навчальні приклади рекурентних нейронних мереж:
+
+```py
+char_dataset = tf.data.__A__.__B__(text_as_int)
+```
+
+## --answers--
+
+A: `Dataset`
+
+B: `from_tensor_slices`
+
+---
+
+A: `data`
+
+B: `from_tensors`
+
+---
+
+A: `DataSet`
+
+B: `from_generator`
+
+## --video-solution--
+
+1
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/natural-language-processing-with-rnns-making-predictions.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d9f
+title: 'Обробка природної мови за допомогою рекурентних нейронних мереж: прогнозування'
+challengeType: 11
+videoId: WO1hINnBj20
+bilibiliIds:
+  aid: 848023400
+  bvid: BV1WL4y1a75i
+  cid: 409136303
+dashedName: natural-language-processing-with-rnns-making-predictions
+---
+
+# --question--
+
+## --text--
+
+Перед тим, як розпочати процес прогнозування вашого огляду, вам слід...:
+
+## --answers--
+
+розшифрувати навчальний набір даних і порівняти результати з даними тесту.
+
+---
+
+використати кодування з навчального набору даних, щоб зашифрувати ваш огляд.
+
+---
+
+призначати випадкові значення між 0 і максимальною кількістю одиниць словника у наборі даних кожному слову у вашому огляді.
+
+## --video-solution--
+
+2
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/natural-language-processing-with-rnns-part-2.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d9c
+title: 'Обробка природної мови за допомогою рекурентних нейронних мереж: частина 2'
+challengeType: 11
+videoId: mUU9YXOFbZg
+bilibiliIds:
+  aid: 975558435
+  bvid: BV1L44y1b7Lp
+  cid: 409135242
+dashedName: natural-language-processing-with-rnns-part-2
+---
+
+# --question--
+
+## --text--
+
+Вкладання слів це...:
+
+## --answers--
+
+невпорядкована група закодованих слів, що описує частоту слів у даному документі.
+
+---
+
+група закодованих слів, яка зберігає початковий порядок слів у даному документі.
+
+---
+
+векторизована репрезентація слів у даному документі, яка розміщує слова зі схожим значенням поруч.
+
+## --video-solution--
+
+3
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/natural-language-processing-with-rnns-recurring-neural-networks.md

@@ -0,0 +1,38 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d9d
+title: 'Обробка природної мови за допомогою РНМ: рекурентних нейронних мереж'
+challengeType: 11
+videoId: bX5681NPOcA
+bilibiliIds:
+  aid: 335605808
+  bvid: BV1SR4y1H7ri
+  cid: 409135641
+dashedName: natural-language-processing-with-rnns-recurring-neural-networks
+---
+
+# --question--
+
+## --text--
+
+Що представляють собою рекурентні нейронні мережі?
+
+## --answers--
+
+1: Вони є типом нейронної мережі прямого поширення.
+
+---
+
+2: Вони підтримують внутрішню пам'ять/стан вводу, який вже був оброблений.
+
+---
+
+RNN's працюють безперервно і обробляють по одному фрагменту вводу одночасно.
+
+---
+
+4: Другий і третій пункти разом.
+
+## --video-solution--
+
+4
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/natural-language-processing-with-rnns-sentimental-analysis.md

@@ -0,0 +1,54 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d9e
+title: 'Обробка природної мови за допомогою рекурентних нейронних мереж: аналіз емоційного забарвлення висловлювань'
+challengeType: 11
+videoId: lYeLtu8Nq7c
+bilibiliIds:
+  aid: 933111408
+  bvid: BV1TM4y137VB
+  cid: 409135996
+dashedName: natural-language-processing-with-rnns-sentiment-analysis
+---
+
+# --question--
+
+## --text--
+
+Заповніть пропуски нижче, щоб створити модель для рекурентної нейронної мережі:
+
+```py
+model = __A__.keras.Sequential([
+    __A__.keras.layers.__B__(88584, 32),
+    __A__.keras.layers.__C__(32),
+    __A__.keras.layers.DENSE(1, activation='sigmoid')
+])
+```
+
+## --answers--
+
+A: `tensor_flow`
+
+B: `embedding`
+
+C: `LSTM`
+
+---
+
+A: `tf`
+
+B: `Embedding`
+
+C: `AlphaDropout`
+
+---
+
+A: `tf`
+
+B: `Embedding`
+
+C: `LSTM`
+
+## --video-solution--
+
+3
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/natural-language-processing-with-rnns-training-the-model.md

@@ -0,0 +1,58 @@
+---
+id: 5e8f2f13c4cdbe86b5c72da2
+title: 'Обробка природної мови рекурентними нейронними мережами: відпрацювання моделі'
+challengeType: 11
+videoId: hEUiK7j9UI8
+bilibiliIds:
+  aid: 250542136
+  bvid: BV19v411w7Fi
+  cid: 409138327
+dashedName: natural-language-processing-with-rnns-training-the-model
+---
+
+# --question--
+
+## --text--
+
+Заповніть пропуски нижче, щоб зберегти контрольні точки вашої моделі в каталозі `./checkpoints` і викликати останню контрольну точку для навчання:
+
+```py
+checkpoint_dir = __A__
+checkpoint_prefix = os.path.join(checkpoint_dir, 'ckpt_{epoch}')
+
+checkpoint_callback = tf.keras.callbacks.__B__(
+    filepath=checkpoint_prefix,
+    save_weights_only=True
+)
+
+history = model.fit(data, epochs=2, callbacks=[__C__])
+```
+
+## --answers--
+
+A: `'./training_checkpoints'`
+
+B: `ModelCheckpoint`
+
+C: `checkpoint_prefix`
+
+---
+
+A: `'./checkpoints'`
+
+B: `ModelCheckpoint`
+
+C: `checkpoint_callback`
+
+---
+
+A: `'./checkpoints'`
+
+B: `BaseLogger`
+
+C: `checkpoint_callback`
+
+## --video-solution--
+
+2
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/natural-language-processing-with-rnns.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d9b
+title: Обробка природної мови за допомогою рекурентних нейронних мереж
+challengeType: 11
+videoId: ZyCaF5S-lKg
+bilibiliIds:
+  aid: 548105306
+  bvid: BV1nq4y1K7VU
+  cid: 409134745
+dashedName: natural-language-processing-with-rnns
+---
+
+# --question--
+
+## --text--
+
+Обробка природної мови - це галузь штучного інтелекту, яка...:
+
+## --answers--
+
+стосується того, як комп’ютери розуміють та обробляють природні/людські мови.
+
+---
+
+трансформує дані зображень в природні/людські мови.
+
+---
+
+спеціалізується на перекладі комп'ютерних мов на природні/людські мови.
+
+## --video-solution--
+
+1
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/neural-networks-activation-functions.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d93
+title: 'Нейронні мережі: Функції активації'
+challengeType: 11
+videoId: S45tqW6BqRs
+bilibiliIds:
+  aid: 675610466
+  bvid: BV1wU4y1A7TJ
+  cid: 409130203
+dashedName: neural-networks-activation-functions
+---
+
+# --question--
+
+## --text--
+
+Яка функція активації переключає значення між -1 та 1?
+
+## --answers--
+
+Блок лінійної ректифікації
+
+---
+
+Гіперболічний тангенс
+
+---
+
+Сигмоїда
+
+## --video-solution--
+
+2
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/neural-networks-creating-a-model.md

@@ -0,0 +1,54 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d95
+title: 'Нейронні мережі: створення моделі'
+challengeType: 11
+videoId: K8bz1bmOCTw
+bilibiliIds:
+  aid: 848109040
+  bvid: BV1EL4y1878f
+  cid: 409130886
+dashedName: neural-networks-creating-a-model
+---
+
+# --question--
+
+## --text--
+
+Заповніть пропуски нижче, щоб побудувати послідовну модель щільних шарів:
+
+```py
+model = __A__.__B__([
+    __A__.layers.Flatten(input_shape=(28, 28)),
+    __A__.layers.__C__(128, activation='relu'),
+    __A__.layers.__C__(10, activation='softmax')
+])
+```
+
+## --answers--
+
+A: `keras`
+
+B: `Sequential`
+
+C: `Dense`
+
+---
+
+A: `tf`
+
+B: `Sequential`
+
+C: `Categorical`
+
+---
+
+A: `keras`
+
+B: `sequential`
+
+C: `dense`
+
+## --video-solution--
+
+1
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/neural-networks-optimizers.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d94
+title: 'Нейронні мережі: оптимізатори'
+challengeType: 11
+videoId: hdOtRPQe1o4
+bilibiliIds:
+  aid: 763064173
+  bvid: BV1364y1a7eM
+  cid: 409130557
+dashedName: neural-networks-optimizers
+---
+
+# --question--
+
+## --text--
+
+Що таке функція оптимізатора?
+
+## --answers--
+
+Функція, яка підвищує точність прогнозів моделі.
+
+---
+
+Функція, яка реалізує алгоритми навчання градієнтному спуску та алгоритм зворотного поширення помилки.
+
+---
+
+Функція, яка скорочує час, необхідний для тренування на моделі.
+
+## --video-solution--
+
+2
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/neural-networks-with-tensorflow.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72d92
+title: Нейронні мережі у TensorFlow
+challengeType: 11
+videoId: uisdfrNrZW4
+bilibiliIds:
+  aid: 378031840
+  bvid: BV1Qf4y1c7Dc
+  cid: 409129888
+dashedName: neural-networks-with-tensorflow
+---
+
+# --question--
+
+## --text--
+
+Щільно зв'язана нейронна мережа - це та, в якій...:
+
+## --answers--
+
+всі нейрони поточного шару з'єднані з одним нейроном попереднього шару.
+
+---
+
+всі нейрони у кожному шарі пов'язані випадковим чином.
+
+---
+
+всі нейрони поточного шару з'єднані з кожним нейроном попереднього шару.
+
+## --video-solution--
+
+3
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/reinforcement-learning-with-q-learning-example.md

@@ -0,0 +1,50 @@
+---
+id: 5e8f2f13c4cdbe86b5c72da5
+title: 'Навчання з підкріпленням за допомогою Q-Learning: Приклад'
+challengeType: 11
+videoId: RBBSNta234s
+bilibiliIds:
+  aid: 848073871
+  bvid: BV1uL4y187Eq
+  cid: 409139471
+dashedName: reinforcement-learning-with-q-learning-example
+---
+
+# --question--
+
+## --text--
+
+Заповніть пропуски, щоб завершити наступне рівняння Q-Learning:
+
+```py
+Q[__A__, __B__] = Q[__A__, __B__] + LEARNING_RATE * (reward + GAMMA * np.max(Q[__C__, :]) - Q[__A__, __B__])
+```
+
+## --answers--
+
+A: `state`
+
+B: `action`
+
+C: `next_state`
+
+---
+
+A: `state`
+
+B: `action`
+
+C: `prev_state`
+
+---
+
+A: `state`
+
+B: `reaction`
+
+C: `next_state`
+
+## --video-solution--
+
+1
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/reinforcement-learning-with-q-learning-part-2.md

@@ -0,0 +1,30 @@
+---
+id: 5e8f2f13c4cdbe86b5c72da4
+title: 'Навчання з підкріпленням за допомогою Q-Learning: Частина 2'
+challengeType: 11
+videoId: DX7hJuaUZ7o
+bilibiliIds:
+  aid: 420570359
+  bvid: BV1G341127zr
+  cid: 409139190
+dashedName: reinforcement-learning-with-q-learning-part-2
+---
+
+# --question--
+
+## --text--
+
+Що може статися, якщо агент не матиме необхідного балансу між реалізацією випадкових дій та попередньо вивчених дій?
+
+## --answers--
+
+Агент завжди намагатиметься мінімізувати винагороду за поточний стан/дію, призводячи до локального мінімуму.
+
+---
+
+Агент завжди намагатиметься максимізувати винагороду за поточний стан/дію, призводячи до локального максимуму.
+
+## --video-solution--
+
+2
+

curriculum/challenges/ukrainian/11-machine-learning-with-python/tensorflow/reinforcement-learning-with-q-learning.md

@@ -0,0 +1,34 @@
+---
+id: 5e8f2f13c4cdbe86b5c72da3
+title: Навчання з підкріпленням за допомогою Q-Learning
+challengeType: 11
+videoId: Cf7DSU0gVb4
+bilibiliIds:
+  aid: 463025802
+  bvid: BV1iL411x7L6
+  cid: 409138811
+dashedName: reinforcement-learning-with-q-learning
+---
+
+# --question--
+
+## --text--
+
+Ключові компоненти навчання з підкріпленням...
+
+## --answers--
+
+середовище, представництво, стан, реакція та винагорода.
+
+---
+
+середовище, агент, стан, дія та винагорода.
+
+---
+
+середовище, агент, стан, дія та покарання.
+
+## --video-solution--
+
+2
+