Add multilingual language and systems learning tracks

ceb/expanded-30-4/lesson-1/lesson.html

@@ -0,0 +1,14 @@
+<!doctype html><html lang="ceb"><meta charset="utf-8"><title>Sukda ang balikbalik nga run gamit ang clock</title><h1>Sukda ang balikbalik nga run gamit ang clock</h1><p>15-minutong sesyon: pagbasa sulod sa 3 minutos, pag-trace sa 3, pag-eksperimento sa 7, ug pagtubag sa check sa 2. Paggahin og dugang oras kon gikinahanglan.</p><p>Paggamit og monotonic high-resolution clock. Ibulag ang warmup, balika ang fixed workload, pamatud-i ang checksum, ug ireport ang median ug spread. Itala ang unit, data size, environment, ug runtime version. Python sum sa CPU ang gisukod niini apil ang runtime cost; dili kini GPU o raw memory-bandwidth benchmark.</p><p><strong>Praktis ug ebidensiya:</strong> Tag-ana ang pananglitan o idrowing ang pag-usab sa state. Usba ang usa ka pagtuo, sulayi ang utlanan, ug itala ang aktuwal nga resulta. Ipasabot unsa ang wala mapamatud-i sa gamay nga modelo bahin sa production system.</p><pre><code class="language-python">import time,statistics,platform
+data=list(range(100000))
+expected=4999950000
+assert sum(data)==expected
+samples=[]
+for _ in range(7):
+    start=time.perf_counter_ns()
+    result=sum(data)
+    samples.append((time.perf_counter_ns()-start)/1e6)
+    assert result==expected
+print(&quot;CPU Python&quot;,platform.python_version(),platform.machine())
+print(&quot;median_ms&quot;,round(statistics.median(samples),4))
+print(&quot;min_ms&quot;,round(min(samples),4),&quot;max_ms&quot;,round(max(samples),4))
+</code></pre><h3>Praktis ug ebidensiya</h3><p>Isulat ang tagna, aktuwal nga resulta, ug hinungdan sa pagkapareho o kalainan. Ang completion check mosukod sa pagsabot; ang practice task mopauswag sa kahanas.</p><p><a href="https://git.agilaos.com/matt/open_agx">Reperensiya sa pinulongan: git.agilaos.com</a></p><p><a href="https://docs.nvidia.com/cuda/cuda-c-best-practices-guide/">Reperensiya sa pinulongan: docs.nvidia.com</a></p></html>

ceb/expanded-30-4/lesson-1/main.py

@@ -0,0 +1,13 @@
+import time,statistics,platform
+data=list(range(100000))
+expected=4999950000
+assert sum(data)==expected
+samples=[]
+for _ in range(7):
+    start=time.perf_counter_ns()
+    result=sum(data)
+    samples.append((time.perf_counter_ns()-start)/1e6)
+    assert result==expected
+print("CPU Python",platform.python_version(),platform.machine())
+print("median_ms",round(statistics.median(samples),4))
+print("min_ms",round(min(samples),4),"max_ms",round(max(samples),4))