Poprawa formatowania

test.ipynb

@@ -1,10 +1,5 @@
 {
  "cells": [
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": []
-  },
   {
    "cell_type": "markdown",
    "metadata": {},
@@ -14,11 +9,6 @@
     "Dla dużych grafów istotną informacją jest wykrycie podgrafów, które są silnie ze sobą powiązane. Za pomocą spacerów losowych po grafach zaprojektuj algorytm, który odkrywa strukturę klastrów w grafie (clustering algorithm). Wykorzystaj swój algorytm do wskazania krytycznych wierzchołków, tj. wierzchołków, których usunięcie rozspójnia graf. Przeanalizuj wariant algorytmu dla grafów skierowanych i grafów nieskierowanych."
    ]
   },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": []
-  },
   {
    "cell_type": "code",
    "execution_count": 404,
@@ -173,7 +163,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "# Testy funkcji"
+    "## Testy funkcji"
    ]
   },
   {
@@ -230,7 +220,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "# Cluster detection"
+    "# Wykrywanie klastrów"
    ]
   },
   {
@@ -288,7 +278,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "# Tests"
+    "# Testy"
    ]
   },
   {
@@ -428,18 +418,11 @@
     "mark_clusters(G, k=1, threshold=1)\n",
     "draw(G, pos)"
    ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": []
   }
  ],
  "metadata": {
   "kernelspec": {
-   "display_name": "Python 3",
+   "display_name": "Python 3 (ipykernel)",
    "language": "python",
    "name": "python3"
   },
@@ -453,9 +436,9 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.12.2"
+   "version": "3.10.4"
   }
  },
  "nbformat": 4,
- "nbformat_minor": 2
+ "nbformat_minor": 4
 }