Replace attachment shortcode by resources

content/basics/solutions.md

@@ -35,7 +35,7 @@ LastModifierEmail = ""
 8. Enthält der Datensatz fehlende Werte? Ja, z.B. `Age Range`
 9. Handelt es sich um Querschnitts-, Längsschnitss- oder Paneldaten? Querschnittsdaten
 
-{{%attachments title="Lösungen" pattern="2.1.solutions_basicterms" /%}}
+{{%resources title="Lösungen" pattern="2.1.solutions_basicterms" /%}}
 
 
 #### 2.2 Skalenniveau und Datentypen
@@ -44,12 +44,12 @@ LastModifierEmail = ""
 - `temp`: metrisch, stetig, `int`
 - `below_zero`: nominal, diskret, `boolean`
 
-{{%attachments title="Lösungen" pattern="2.2.solutions_dataframe" /%}}
+{{%resources title="Lösungen" pattern="2.2.solutions_dataframe" /%}}
 
 
 #### 2.3 Exkurs: Datenrundreise
 
-{{%attachments title="Lösungen" pattern="2.3.solutions_datenrundreise" /%}}
+{{%resources title="Lösungen" pattern="2.3.solutions_datenrundreise" /%}}
 
 #### 2.4 Exkurs: Arbeitsspeicher
 
@@ -60,12 +60,12 @@ LastModifierEmail = ""
 
 #### 2.5 Fallstudie: Feature Engineering
 
-{{%attachments title="Lösungen" pattern="2.5.solutions_fe" /%}}
+{{%resources title="Lösungen" pattern="2.5.solutions_fe" /%}}
 
 
 #### 2.6 Filtern
 
-{{%attachments title="Lösungen" pattern="2.6.solutions_selection" /%}}
+{{%resources title="Lösungen" pattern="2.6.solutions_selection" /%}}
 
 #### 2.7 Datentypen
 
@@ -76,7 +76,7 @@ LastModifierEmail = ""
 
 #### 2.8 Exkurs: Fehlende Werte
 
-{{%attachments title="Lösungen" pattern="2.8.solutions_na" /%}}
+{{%resources title="Lösungen" pattern="2.8.solutions_na" /%}}
 
 #### Quiz
 

content/descriptive_statistics/bivariate/correlation.md

@@ -49,7 +49,7 @@ In dieser Formel erkennt man im Zähler die Kovarianz und im Nenner die einzelne
  Der Koeffizient kann Werte zwischen $-1$ (negativer Zusammenhang) und $1$ (positiver Zusammenhang) annehmen. Nachfolgend ein Beispiel von zufällig generierten Variablen mit verschiedenen Korrelationskoeffizienten:
 {{< figure src="../correlation.files/correlation.png" title="" width="60%" >}}
 
-{{%attachments title="Zugehöriges Notebook zum Nachvollziehen und Ausprobieren:" pattern="correlation.ipynb" /%}}
+{{%resources title="Zugehöriges Notebook zum Nachvollziehen und Ausprobieren:" pattern="correlation.ipynb" /%}}
 
 Mit [pandas](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.corr.html) kannst Du natürlich auch Korrelationen ausrechnen:
 {{% customnotice code%}}
@@ -85,7 +85,7 @@ Das Anscombe Quartett ist ein Datenstatz, der aus 4 bivariaten Verteilungen best
 {{% /customnotice %}}
 
 <!--
-{{%attachments title="Related files" pattern="(.){2,}\.(csv|ipynb)" /%}}
+{{%resources title="Related files" pattern="(.){2,}\.(csv|ipynb)" /%}}
 -->
 ---
 

content/descriptive_statistics/solutions.md

@@ -25,7 +25,7 @@ LastModifierEmail = ""
 
 #### 3.1 Häufigkeiten
 
-{{%attachments title="Lösungen" pattern="3.1.solutions_frequency" /%}}
+{{%resources title="Lösungen" pattern="3.1.solutions_frequency" /%}}
 
 
 
@@ -37,7 +37,7 @@ Der Mittelwert hingegen basiert auf den absoluten Werten. Da die Variable `Total
 
 #### 3.4 Varianz
 
-{{%attachments title="Lösungen" pattern="3.4.solutions_variance" /%}}
+{{%resources title="Lösungen" pattern="3.4.solutions_variance" /%}}
 
 
 #### 3.6 Symmetrie und Schiefe
@@ -56,17 +56,17 @@ Von oben links nach unten rechts:
 
 #### Exkurs Ausreißerentfernung (Aufgaben 3.3, 3.5 und 3.7)
 
-{{%attachments title="Lösungen" pattern="solutions_outlier" /%}}
+{{%resources title="Lösungen" pattern="solutions_outlier" /%}}
 
 
 <!--#### Symmetrie: Fallstudie
 
-{{%attachments title="Lösungen" pattern="solutions_case_study" /%}}
+{{%resources title="Lösungen" pattern="solutions_case_study" /%}}
 -->
 
 #### 3.8 Exkurs: Anscombe-Quartett
 
-{{%attachments title="Lösungen" pattern="solutions_anscombe" /%}}
+{{%resources title="Lösungen" pattern="solutions_anscombe" /%}}
 
 #### 3.9 Balkendiagramme bei Fox News
 
@@ -83,7 +83,7 @@ Die Balkendiagramme beginnen nicht im Nullpunkt. Somit werden die relativen Unte
 
 #### Projektaufgabe - Beispielfragen
 
-{{%attachments title="Lösungen" pattern="Musterloesung_Projektaufgabe.ipynb" /%}}
+{{%resources title="Lösungen" pattern="Musterloesung_Projektaufgabe.ipynb" /%}}
 
 
 

content/descriptive_statistics/univariate/symmetrie.md

@@ -23,7 +23,7 @@ LastModifierEmail = ""
 +++
 
 {{< figure src="/2023-2024-ZK_Data_Librarian_Modul_3/images/distributions.png" title="Verschiedene univariate  Verteilungen" width="50%" >}}
-{{%attachments title="Related files"
+{{%resources title="Related files"
 pattern="distributions.ipynb" /%}}
 
 Um eine metrische Verteilung charakterisieren zu können, ist neben der zentralen Lage- und Streuung auch deren **Symmetrie** und **Schiefe** von Bedeutung. Die Symmetrie sagt etwas über die *(Un-)Gleichverteilung* der Werte einer Variablen aus. Bei stark asymmetrischen Variablen (z.B. Haushaltseinkommen in Deutschland) ist das auftreten von kleinen Werten viel wahrscheinlicher, als das auftreten von sehr großen Werten (oder umgekehrt).

content/inference/solutions.md

@@ -41,4 +41,4 @@ hidden = true
 
 ### 4. Exkurs: Inferenzstatistik
 
-{{%attachments title="Lösungen" pattern="solutions_inference" /%}}
+{{%resources title="Lösungen" pattern="solutions_inference" /%}}

content/solutions.md

@@ -66,12 +66,12 @@ Hier finden sich die Musterlösungen aller Einheiten im Überblick.
 - `temp`: metrisch, stetig, `int`
 - `below_zero`: nominal, diskret, `boolean`
 
-{{%attachments title="Lösungen" pattern="2.2.solutions_dataframe" /%}}
+{{%resources title="Lösungen" pattern="2.2.solutions_dataframe" /%}}
 
 
 #### 2.3 Exkurs: Datenrundreise
 
-{{%attachments title="Lösungen" pattern="2.3.solutions_datenrundreise" /%}}
+{{%resources title="Lösungen" pattern="2.3.solutions_datenrundreise" /%}}
 
 #### 2.4 Exkurs: Arbeitsspeicher
 
@@ -82,12 +82,12 @@ Hier finden sich die Musterlösungen aller Einheiten im Überblick.
 
 #### 2.5 Fallstudie: Feature Engineering
 
-{{%attachments title="Lösungen" pattern="2.5.solutions_fe" /%}}
+{{%resources title="Lösungen" pattern="2.5.solutions_fe" /%}}
 
 
 #### 2.6 Filtern
 
-{{%attachments title="Lösungen" pattern="2.6.solutions_selection" /%}}
+{{%resources title="Lösungen" pattern="2.6.solutions_selection" /%}}
 
 #### 2.7 Datentypen
 
@@ -98,7 +98,7 @@ Hier finden sich die Musterlösungen aller Einheiten im Überblick.
 
 #### 2.8 Exkurs: Fehlende Werte
 
-{{%attachments title="Lösungen" pattern="2.8.solutions_na" /%}}
+{{%resources title="Lösungen" pattern="2.8.solutions_na" /%}}
 
 #### Quiz
 
@@ -112,7 +112,7 @@ Hier finden sich die Musterlösungen aller Einheiten im Überblick.
 
 #### 3.1 Häufigkeiten
 
-{{%attachments title="Lösungen" pattern="3.1.solutions_frequency" /%}}
+{{%resources title="Lösungen" pattern="3.1.solutions_frequency" /%}}
 
 
 
@@ -124,7 +124,7 @@ Der Mittelwert hingegen basiert auf den absoluten Werten. Da die Variable `Total
 
 #### 3.4 Varianz
 
-{{%attachments title="Lösungen" pattern="3.4.solutions_variance" /%}}
+{{%resources title="Lösungen" pattern="3.4.solutions_variance" /%}}
 
 
 #### 3.6 Symmetrie und Schiefe
@@ -143,16 +143,16 @@ Von oben links nach unten rechts:
 
 #### Exkurs Ausreißerentfernung (Aufgaben 3.3, 3.5 und 3.7)
 
-{{%attachments title="Lösungen" pattern="solutions_outlier" /%}}
+{{%resources title="Lösungen" pattern="solutions_outlier" /%}}
 
 
 #### Symmetrie: Fallstudie
 
-{{%attachments title="Lösungen" pattern="solutions_case_study" /%}}
+{{%resources title="Lösungen" pattern="solutions_case_study" /%}}
 
 #### Korrelation: Anscombe-Quartett
 
-{{%attachments title="Lösungen" pattern="solutions_anscombe" /%}}
+{{%resources title="Lösungen" pattern="solutions_anscombe" /%}}
 
 #### Fox News
 
@@ -170,10 +170,10 @@ Die Balkendiagramme beginnen nicht im Nullpunkt. Somit werden die relativen Unte
 
 ### 4. Exkurs: Inferenzstatistik
 
-{{%attachments title="Lösungen" pattern="solutions_inference" /%}}
+{{%resources title="Lösungen" pattern="solutions_inference" /%}}
 
 
-{{%attachments title="Alle Lösungen" pattern="solutions" /%}}
+{{%resources title="Alle Lösungen" pattern="solutions" /%}}
 
 
 -->