Static to Streamlit

Home.py

@@ -0,0 +1,62 @@
+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'])