
Portuguese: 
A essa altura, você conhece bem o Orange.
Mas e se você quiser fazer alguma pesquisa especializada?
Em, digamos, bioinformática ou mineração de texto?
Complementos (Add-ons) estão vindo para o resgate.
Você pode encontrar complementos em
"Options" (Opções) - "Add-ons" (Complementos).
Isso exibirá uma lista de pacotes de onde você pode instalar os complementos desejados.
Digamos que queremos estudar bioinformática.
Selecione o pacote que você deseja instalar e pressione OK.
Agora reinicie o Orange e você verá um widget adicional à esquerda.
Ok, vamos explorar o que está no complemento (add-on).
Existem alguns widgets de visualização,
algumas técnicas especializadas de análise de dados,
e alguns widgets que oferecem acesso a bancos de dados externos.

French: 
À présent, vous connaissez assez bien Orange.
Mais que diriez-vous si vous voulez faire des recherches spécialisées
dans, disons, la bioinformatique ou l'exploration de texte?
Les modules complémentaires viennent à la rescousse.
Vous pouvez trouver des modules complémentaires sous Options - Modules complémentaires.
Cela affichera une liste de packages à partir de laquelle vous pouvez installer les modules complémentaires que vous souhaitez.
Disons que nous voulons aller avec la bioinformatique.
Sélectionnez le package que vous souhaitez installer et appuyez sur OK.
Redémarrez maintenant Orange et vous verrez un carreau nouveau sur la gauche.
Ok, explorons le contenu de l'add-on.
Il existe des widgets de visualisation,
quelques techniques d'analyse de données spécialisées,
et quelques widgets qui offrent un accès à des bases de données externes.

Serbian: 
Do sada smo se već poprilično
upoznali sa Orange-om.
Ali šta biste učinili ako biste želeli da 
vršite usko specijalizovano istraživanje
iz, na primer, bioinformatike
ili analize teksta?
Rešenje se nalazi u dodacima.
Dodatke možete pronaći u meniju 
'Options' -> 'Add-ons'.
Tu je prikazana lista paketa iz koje 
možete instalirati željene dodatke.
Recimo da želimo bioinformatički dodatak.
Odaberite paket koji želite da instalirate,
i kliknite na OK.
Sada ponovo pokrenite Orange i videćete 
dodatni operator na levoj strani.
U redu. Hajde da istražimo šta se 
nalazi u ovom dodatku.
Tu ima nekoliko operatora za vizuelizaciju,
nekoliko specijalizovanih tehnika 
za analizu podataka,
i nekoliko operatora koji omogućavaju 
pristup spoljnim bazama podataka.

English: 
By now, you know Orange quite well.
But how about if you want to do some specialized research
in, say, bioinformatics or text mining?
Add-ons are coming to the rescue.
You can find add-ons under Options - Add-ons.
This will display a package list from where you can install the add-ons you want.
Say we want to go with bioinformatics.
Select the package you wish to install and press OK.
Now restart Orange and you will see an additional widget set on the left.
Ok, let's explore what's in the add-on.
There are some visualization widgets,
some specialized data analysis techniques,
and a few widgets that offer access to external databases.

German: 
Inzwischen kennen Sie Orange recht gut.
Aber wie wäre es, wenn Sie spezialisierte Forschung betreiben möchten?
In Bioinformatik oder Text Mining?
Add-Ons kommen zur Rettung.
Sie finden Add-Ons unter Optionen - Add-Ons.
Daraufhin wird eine Paketliste angezeigt, in der Sie die gewünschten Add-Ons installieren können.
Angenommen, wir möchten mit Bioinformatik arbeiten.
Wählen Sie das Paket aus, das Sie installieren möchten, und drücken Sie OK.
Starten Sie nun Orange neu und Sie sehen links ein zusätzliches Widget-Set.
Ok, lassen Sie uns untersuchen, was im Add-On enthalten ist.
Es gibt einige Visualisierungs-Widgets.
einige spezialisierte Datenanalysetechniken,
und einige Widgets, die Zugriff auf externe Datenbanken bieten.

English: 
One such widget is GEO Data Sets
that offers access to a large repository of gene expression profiles.
There are a few thousands of data sets you can load from the widget.
Say, I'm interested in researches on smoking.
We first filter the data on this keyword.
Now let's select the small data set.
This one looks nice.
First, we want to see what kind of data we got.
These are gene expression data for five smokers and five non-smokers.
We have gene expressions in columns and samples in rows.
Now we want to visualize these data
to quickly check if there's any difference between smokers and non-smokers
based on their gene expression profiles.
There are so many features to choose from
so how do we make sense of it?
Multi-dimensional scaling will help.

German: 
Ein solches Widget ist GEO-Datensätze
das bietet Zugang zu einem großen Repository von Genexpressionsprofilen.
Es gibt einige Tausend Datensätze, die Sie aus dem Widget laden können.
Sagen wir, ich interessiere mich für Forschungen zum Rauchen.
Wir filtern zuerst die Daten nach diesem Schlüsselwort.
Wählen wir nun den kleinen Datensatz aus.
Dieser sieht gut aus.
Zuerst wollen wir sehen, welche Art von Daten wir haben.
Dies sind Genexpressionsdaten für fünf Raucher und fünf Nichtraucher.
Wir haben Genexpressionen in Spalten und Proben in Zeilen.
Jetzt wollen wir diese Daten visualisieren
um schnell zu überprüfen, ob es einen Unterschied zwischen Rauchern und Nichtrauchern gibt
basierend auf ihren Genexpressionsprofilen.
Es gibt so viele Funktionen zur Auswahl.
Wie verstehen wir das?
Mehrdimensionale Skalierung hilft.

French: 
Un tel widget est GEO Data Sets
qui donne accès à un large référentiel de profils d'expression génique.
Il y a quelques milliers d'ensembles de données que vous pouvez charger à partir du widget.
Dis, je m'intéresse aux recherches sur le tabagisme.
Nous filtrons d'abord les données sur ce mot-clé.
Maintenant, sélectionnons le petit ensemble de données.
Celui-ci a l'air sympa.
Tout d'abord, nous voulons voir quel type de données nous avons obtenu.
Ce sont des données d'expression génique pour cinq fumeurs et cinq non-fumeurs.
Nous avons des expressions géniques dans des colonnes et des échantillons dans des lignes.
Maintenant, nous voulons visualiser ces données
pour vérifier rapidement s'il y a une différence entre les fumeurs et les non-fumeurs
en fonction de leurs profils d'expression génique.
Il y a tellement de fonctionnalités à choisir
alors comment pouvons-nous donner un sens à cela?
Une mise à l'échelle multidimensionnelle sera utile.

Serbian: 
Jedan od tih operatora je 'GEO Data Sets'
koji nudi pristup velikom repozitorijumu 
profila ekspresije gena.
Postoji nekoliko hiljada skupova podataka 
koja možete preuzeti iz ovog operatora.
Recimo da želim da vršim 
istraživanja o pušenju.
Prvo ćemo filtrirati podatke na osnovu 
ove ključne reči.
Hajde sada da odaberemo 
mali skup podataka.
Ovaj izgleda dobro.
Prvo, želimo da vidimo kakvu vrstu 
podataka smo dobili.
Ovo su podaci o ekspresiji gena za pet 
pušača i pet nepušača.
Ekspresije gena se nalaze u kolonama, a 
uzorci u redovima.
Sada želimo da vizuelizujemo podatke
kako bismo brzo proverili da li postoji 
neka razlika između pušača i nepušača,
u zavisnosti od profila 
njihovih ekspresija gena.
Ima toliko atributa koje možemo izabrati -
pitanje je kako da odaberemo?
Multidimenzionalno skaliranje 
će nam pomoći u tome.

Portuguese: 
Um desses widgets é o GEO Data Sets
que oferece acesso a um grande repositório de perfis de expressão gênica.
Existem alguns milhares de conjuntos de dados que você pode carregar a partir do widget.
Digamos que estou interessada em pesquisas sobre tabagismo.
Primeiro filtramos os dados nessa palavra-chave.
Agora vamos selecionar o pequeno conjunto de dados.
Este parece legal.
Primeiro, queremos ver que tipo de dados recebemos.
Estes são dados de expressão gênica para cinco fumantes e cinco não fumantes.
Nós temos expressões genéticas em colunas e amostras em linhas.
Agora queremos visualizar esses dados
para verificar rapidamente se há alguma diferença entre fumantes e não fumantes
com base em seus perfis de expressão gênica.
Existem muitos recursos para escolher
então como entendemos tudo isso?
O dimensionamento multidimensional ajudará.

English: 
This technique projects multi-dimensional data to a 2D space.
We see there are two nice groups,
blue for non-smokers and red for smokers.
There is one sample from a smoker which is outlier.
This could be very helpful.
Even if we're not molecular biologists
we can see that smoking leaves a trace on a cellular level.
But enough biology for now.
Multi-dimensional scaling and other embedding techniques
are a great way to understand the underlying patterns in any kind of data.
We will talk more about 2D embedding in the upcoming tutorial.
As for today, we have learned how to install add-ons in Orange
and how to use new widgets in combination with the existing ones.

Portuguese: 
Essa técnica projeta dados multidimensionais em um espaço 2D.
Nós vemos que há dois bons grupos,
azul para não-fumantes e vermelho para fumantes.
Há uma amostra de um fumante que é "outlier".
Isso pode ser muito útil.
Mesmo se não somos biólogos moleculares,
podemos ver que fumar deixa um rastro  num nível celular.
Mas chega de biologia por agora.
Escalonamento multidimensional e outras técnicas de incorporação
são uma ótima maneira de entender os padrões subjacentes em qualquer tipo de dados.
Vamos falar mais sobre a incorporação 2D no próximo tutorial.
Hoje, aprendemos a instalar complementos no Orange
e como usar novos widgets em combinação com os existentes.

German: 
Diese Technik projiziert mehrdimensionale Daten in einen 2D-Raum.
Wir sehen, dass es zwei nette Gruppen gibt,
blau für Nichtraucher und rot für Raucher.
Es gibt eine Probe von einem Raucher, der Ausreißer ist.
Dies könnte sehr hilfreich sein.
Auch wenn wir keine Molekularbiologen sind,
wir können sehen, dass Rauchen auf zellulärer Ebene Spuren hinterlässt.
Aber genug Biologie für jetzt.
Mehrdimensionale Skalierung und andere Einbettungstechniken
sind eine großartige Möglichkeit, die zugrunde liegenden Muster in jeder Art von Daten zu verstehen.
Wir werden im kommenden Tutorial mehr über das Einbetten von 2D sprechen.
Bis heute haben wir gelernt, wie man Add-Ons in Orange installiert
und wie man neue Widgets in Kombination mit den vorhandenen verwendet.

French: 
Cette technique projette des données multidimensionnelles dans un espace 2D.
On voit qu'il y a deux jolis groupes,
bleu pour les non-fumeurs et rouge pour les fumeurs.
Il y a un échantillon d'un fumeur qui est aberrant.
Cela pourrait être très utile.
Même si nous ne sommes pas des biologistes moléculaires
nous pouvons voir que le tabagisme laisse une trace au niveau cellulaire.
Mais assez de biologie pour l'instant.
Mise à l'échelle multidimensionnelle et autres techniques d'intégration
sont un excellent moyen de comprendre les modèles sous-jacents dans tout type de données.
Nous parlerons plus en détail de l'intégration 2D dans le prochain tutoriel.
Aujourd'hui, nous avons appris à installer des modules complémentaires dans Orange
et comment utiliser de nouveaux widgets en combinaison avec ceux existants.

Serbian: 
Ova tehnika projektuje multi-
dimenzionalne podatke u 2-D prostor.
Sada vidimo da postoje dve lepe grupe,
plava za nepušače i crvena za pušače.
Jedna instanca je autlajer 
(izdvaja se od ostalih).
Ovo može biti veoma od pomoći.
Iako nismo molekularni biolozi,
možemo primetiti da pušenje ostavlja 
tragove na ćelijskom nivou.
Ali, dosta s biologijom zasad.
Multidimenzionalno skaliranje 
i druge tehnike projekcije
su odličan način za razumevanje bazičnih 
obrazaca u bilo kojoj vrsti podataka.
Više o 2D tehnikama projekcije - 
u narednom tutorijalu.
Danas smo naučili kako da 
instaliramo dodatke u Orange-u
i kako da koristimo nove operatore u 
kombinaciji sa postojećima.
