Notebooks Coverage

Report on last executions.

91% 2020-09-30

index	coverage	exe time	last execution	name	title	success	time	nb cells	nb runs	nb valid
0	100%	8.374	2020-09-30	1a/code_liste_tuple.ipynb	1A.1 - Liste, tuple, ensemble, dictionnaire, liste chaînée, coût des opérations	True	9.651	4	4	4
1	100%	2.314	2020-09-30	1a/code_multinomial.ipynb	1A.1 - Simuler une loi multinomiale	True	3.609	12	12	12
2	100%	2.721	2020-09-30	1a/coloriage_carre.ipynb	Jeux de coloriage	True	4.035	23	23	23
3	100%	0.414	2020-09-30	1a/exercice_echelle.ipynb	1A.algo - Calculer le nombre de façons de monter une échelle.	True	1.686	6	6	6
4	100%	1.302	2020-09-30	1a/exercice_morse.ipynb	1A.algo - Décoder du Morse sans espaces	True	2.615	16	16	16
5	100%	1.575	2020-09-30	1a/exercice_plus_grande_somme.ipynb	1A.algo - La sous-séquence de plus grande somme	True	2.850	15	15	15
6	100%	0.271	2020-09-30	1a/exercice_xn.ipynb	1A.algo - Calculer x**n le plus rapidement possible	True	1.585	4	4	4
7	100%	0.823	2020-09-30	1a/histogramme_rapide.ipynb	1A.1 - Histogramme et dictionnaire	True	2.072	8	8	8
8	100%	18.001	2020-09-30	1a/nbheap.ipynb	Heap	True	19.265	15	15	15
9	100%	2.903	2020-09-30	1a/profiling_example.ipynb	1A.soft - Exemple de profiling	True	4.421	11	11	11
10	100%	0.667	2020-09-30	1a/recherche_dichotomique.ipynb	1A.algo - Recherche dichotomique	True	1.968	9	9	9
11	100%	2.765	2020-09-30	1a/structures_donnees_conversion.ipynb	1A.1 - D’une structure de données à l’autre	True	4.034	29	29	29
12	100%	0.770	2020-09-30	1a/tableau_contingence.ipynb	1A.1 - Calculer un chi 2 sur un tableau de contingence	True	2.039	8	8	8
13	100%	18.576	2020-09-30	1a/tri_nlnd.ipynb	1A.algo - Tri plus rapide que prévu	True	19.910	17	17	17
14	0%	nan		2014-2015/2015_factorisation_matrice.ipynb	3A.mr - 2015 - Factorisation de matrice avec PIG		nan	34	0
15	0%	nan		2014-2015/2015_kmeans.ipynb	3A.mr - 2015 - Kmeans avec PIG		nan	104	0
16	0%	nan		2014-2015/2015_page_rank.ipynb	3A.mr - 2015 - PageRank avec PIG		nan	51	0
17	100%	72.780	2020-09-30	2016-2017/solution_2016_credit_clement.ipynb	2016 - Une solution à la compétition de machine learning 2A	True	74.373	28	28	28
18	100%	5.058	2020-09-30	2016/td2a_eco_competition_comparer_classifieurs.ipynb	2A.ml - 2016 - Compétition - Préparation des données	True	5.928	16	16	16
19	100%	5.652	2020-09-30	2016/td2a_eco_competition_modeles_logistiques.ipynb	2A.ml - 2016 - Compétition ENSAE - Premiers modèles	True	6.558	26	26	26
20	100%	80.600	2020-09-30	2016/td2a_eco_competition_statsdesc.ipynb	2A.ml - 2016 - Compétition - Importation des données	True	81.963	22	22	22
21	100%	4.624	2020-09-30	2017-2018/dimensions_reduction.ipynb	Réduction des dimensions	True	6.100	20	20	20
22	100%	5.735	2020-09-30	2017/prepare_data_2017.ipynb	2A.ml - 2017 - Préparation des données	True	7.064	43	43	43
23	89%	1.910	2020-09-30	2018-2019/2018-09-18_rappels_python.ipynb	2018-09-18 - Rappels sur le langage python	True	3.243	28	25	25
24	100%	3.506	2020-09-30	2018-2019/2018-09-18_rappels_python_pandas_matplotlib.ipynb	2018-09-18 - Rappels sur pandas et maplotlib	True	6.862	29	29	29
25	100%	2.784	2020-09-30	2018-2019/2018-09-18_sklearn_api.ipynb	2018-09-18 - API de scikit-learn	True	4.179	21	21	21
26	100%	1.223	2020-09-30	2018-2019/2018-09-25_distance_entre_mots.ipynb	2018-09-25 - Distance entre mots	True	2.626	11	11	11
27	100%	5.473	2020-09-30	2018-2019/2018-10-02_scraping_recuperer_images.ipynb	2018-10-02 - Scraping, récupérer une image depuis LeMonde	True	6.795	20	20	20
28	100%	41.660	2020-09-30	2018-2019/2018-10-09_ensemble_gradient_boosting.ipynb	2018-10-09 Ensemble, Gradient, Boosting…	True	43.004	18	18	18
29	100%	4.106	2020-09-30	2a/bayesian_with_python.ipynb	2A.ml - Bayesian models with Python	True	5.996	19	19	19
30	100%	110.537	2020-09-30	2a/cffi_linear_regression.ipynb	Optimisation de code avec cffi, numba, cython	True	111.859	92	92	92
31	100%	1.657	2020-09-30	2a/dataframe_matrix_speed.ipynb	2A.i - Mesures de vitesse sur les dataframes	True	2.963	15	15	15
32	100%	7.540	2020-09-30	2a/git_notebook.ipynb	2A.soft - Git depuis le notebook	True	8.981	23	23	23
33	100%	0.778	2020-09-30	2a/jupyter_custom_magics.ipynb	2A.soft - Custom Magics for Jupyter	True	2.320	5	5	5
34	100%	5.754	2020-09-30	2a/ml_timeseries_base.ipynb	2A.ml - Timeseries et machine learning	True	7.035	28	28	28
35	100%	1.343	2020-09-30	2a/notebook_convert.ipynb	2A.soft - Convert a notebook into a document	True	2.663	8	8	8
36	100%	81.722	2020-09-30	2a/seance_5_dask.ipynb	2A.i - Données non structurées, programmation fonctionnelle : dask	True	83.046	16	16	16
37	100%	56.577	2020-09-30	2a/seance_5_intro_et_json.ipynb	2A.i - Données non structurées, programmation fonctionnelle	True	57.798	20	20	20
38	100%	94.777	2020-09-30	2a/seance_5_prog_fonctionnelle.ipynb	2A.i - programmation fonctionnelle	True	96.130	44	44	44
39	100%	11.526	2020-09-30	2a/timeseries_ssa.ipynb	Single Spectrum Analysis (SSA)	True	12.880	27	27	27
40	100%	992.564	2020-09-30	data/data_irep.ipynb	IREP: registre des émissions polluantes	True	994.021	21	21	21
41	100%	4.522	2020-09-30	data/deal_flow_espace_vert.ipynb	Deal flow espaces verts 2018 - 2019	True	5.772	14	14	14
42	100%	0.819	2020-09-30	exams/interro_rapide_20_minutes_2014_09.ipynb	1A.e - Correction de l’interrogation écrite du 26 septembre 2014	True	2.090	12	12	12
43	100%	1.488	2020-09-30	exams/interro_rapide_20_minutes_2014_10.ipynb	1A.e - Correction de l’interrogation écrite du 10 octobre 2014	True	2.772	17	17	17
44	82%	3.351	2020-09-30	exams/interro_rapide_20_minutes_2014_11.ipynb	1A.e - Correction de l’interrogation écrite du 14 novembre 2014	True	4.775	35	29	29
45	100%	1.085	2020-09-30	exams/interro_rapide_20_minutes_2014_12.ipynb	1A.e - Correction de l’interrogation écrite du 14 novembre 2014	True	2.466	15	15	15
46	100%	0.536	2020-09-30	exams/interro_rapide_20_minutes_2015_09.ipynb	1A.e - Correction de l’interrogation écrite du 26 septembre 2015	True	1.802	12	12	12
47	100%	0.847	2020-09-30	exams/interro_rapide_20_minutes_2015_11.ipynb	1A.e - Correction de l’interrogation écrite du 6 novembre 2015	True	2.159	16	16	16
48	100%	6.756	2020-09-30	exams/td_note_2013_bout_de_code_coloriage.ipynb	1A.e - TD noté, 27 novembre 2012 (éléments de code pour le coloriage)	True	7.991	6	6	6
49	100%	15.216	2020-09-30	exams/td_note_2013_coloriage_correction.ipynb	1A.e - TD noté, 27 novembre 2012 (coloriage, correction)	True	16.588	14	14	14
50	100%	2.763	2020-09-30	exams/td_note_2015.ipynb	1A.e - TD noté, 5 décembre 2014	True	4.107	36	36	36
51	100%	0.161	2020-09-30	exams/td_note_2015_rattrapage_enonce.ipynb	1A.e - TD noté 2015 rattrapage (énoncé, écrit et oral)	True	1.510	6	6	6
52	100%	2.895	2020-09-30	exams/td_note_2016.ipynb	1A.e - TD noté, 11 décembre 2015	True	4.216	26	26	26
53	100%	1.913	2020-09-30	exams/td_note_2017.ipynb	1A.e - TD noté, 16 décembre 2016	True	3.242	23	23	23
54	100%	1.586	2020-09-30	exams/td_note_2017_2.ipynb	1A.e - TD noté, 21 février 2017	True	2.879	21	21	21
55	100%	4.353	2020-09-30	exams/td_note_2018_1.ipynb	1A.e - Enoncé 12 décembre 2017 (1)	True	5.645	25	25	25
56	100%	3.541	2020-09-30	exams/td_note_2018_2.ipynb	1A.e - Enoncé 12 décembre 2017 (2)	True	5.002	21	21	21
57	100%	19.066	2020-09-30	exams/td_note_2019_1.ipynb	1A.e - Enoncé 23 octobre 2018 (1)	True	20.341	17	17	17
58	100%	8.386	2020-09-30	exams/td_note_2019_2.ipynb	1A.e - Enoncé 23 octobre 2018 (2)	True	9.715	18	18	18
59	100%	4.157	2020-09-30	exams/td_note_2020_1.ipynb	1A.e - Enoncé 22 octobre 2019 (1)	True	5.564	29	29	29
60	100%	3.508	2020-09-30	exams/td_note_2020_2.ipynb	1A.e - Enoncé 22 octobre 2019 (2)	True	4.884	28	28	28
61	100%	19.233	2020-09-30	expose/BJKST.ipynb	2A.algo - Algorithmes de streaming : généralités	True	20.555	39	39	39
62	100%	4.794	2020-09-30	expose/expose_TSP.ipynb	2A.algo - Réflexions autour du voyage de commerce (TSP)	True	7.160	11	11	11
63	100%	1.325	2020-09-30	expose/expose_einstein_riddle.ipynb	2A.algo - L’énigme d’Einstein et sa résolution	True	2.605	4	4	4
64	100%	3.860	2020-09-30	expose/expose_graphe_et_map_reduce.ipynb	3A.mr - Graphes et Map Reduce	True	5.359	11	11	11
65	100%	0.663	2020-09-30	expose/expose_rwr_recommandation.ipynb	3A.mr - Random Walk with Restart (système de recommandations)	True	2.125	4	4	4
66	100%	2.072	2020-09-30	expose/expose_vigenere.ipynb	1A.algo - Casser le code de Vigenère	True	3.015	9	9	9
67	100%	16.865	2020-09-30	expose/hash_distribution.ipynb	2A.algo - Hash et distribution	True	18.342	14	14	14
68	100%	13.830	2020-09-30	expose/ml_features_model.ipynb	2A.ml - Features ou modèle	True	15.405	15	15	15
69	100%	7.898	2020-09-16	expose/ml_huge_datasets.ipynb	2A.i - Huge datasets, datasets hiérarchiques	True	8.917	21	21	21
70	100%	639.367	2020-09-30	expose/ml_rue_paris_parcours.ipynb	2A.algo - Parcourir les rues de Paris	True	641.112	24	24	24
71	100%	176.303	2020-09-30	expose/ml_table_mortalite.ipynb	2A.i - Table de mortalité dans plusieurs containers	True	178.027	35	35	35
72	100%	1.860	2020-09-30	sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb	2A.ML101.0: What is machine learning?	True	3.226	13	13	13
73	100%	2.315	2020-09-30	sklearn_ensae_course/01_data_manipulation.ipynb	2A.ML101.1: Introduction to data manipulation with scientific Python	True	3.570	18	18	18
74	100%	2.955	2020-09-30	sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb	2A.ML101.2: Basic principles of machine learning with scikit-learn	True	4.180	15	15	15
75	100%	6.444	2020-09-30	sklearn_ensae_course/03_supervised_classification.ipynb	2A.ML101.3: Supervised Learning: Classification of Handwritten Digits	True	7.798	12	12	12
76	100%	3.404	2020-09-30	sklearn_ensae_course/04_supervised_regression.ipynb	2A.ML101.4: Supervised Learning: Regression of Housing Data	True	4.713	12	12	12
77	100%	6.740	2020-09-30	sklearn_ensae_course/05_measuring_prediction_performance.ipynb	2A.ML101.5: Measuring prediction performance	True	8.151	23	23	23
78	100%	6.712	2020-09-30	sklearn_ensae_course/06_unsupervised_dimreduction.ipynb	2A.ML101.6: Unsupervised Learning: Dimensionality Reduction and Visualization	True	8.012	18	18	18
79	100%	5.724	2020-09-30	sklearn_ensae_course/07_application_to_face_recognition.ipynb	2A.ML101.7: Example from Image Processing	True	7.031	19	19	19
80	100%	3.480	2020-09-30	sklearn_ensae_course/08_validation_and_learning_curves.ipynb	2A.ML101.8: Parameter selection, Validation & Testing	True	4.736	15	15	15
81	100%	0.338	2020-09-30	td1a/integrale_rectangle.ipynb	1A.1 - Intégrale et la méthode des rectangles	True	1.606	6	6	6
82	100%	2.742	2020-09-30	td1a/integrale_rectangle_correction.ipynb	1A.1 - Intégrale et la méthode des rectangles - correction	True	3.998	30	30	30
83	100%	1.042	2020-09-30	td1a/j2048.ipynb	1A.2 - 2048 - stratégie gagnante	True	2.434	3	3	3
84	100%	0.820	2020-09-30	td1a/j2048_correction.ipynb	1A.2 - 2048 - stratégie gagnante - correction	True	2.117	11	11	11
85	100%	18.195	2020-09-30	td1a/matrix_dictionary.ipynb	Produit matriciel avec une matrice creuse	True	19.674	20	20	20
86	100%	0.242	2020-09-30	td1a/pp_exo_deviner_un_nombre.ipynb	1A.1 - Deviner un nombre aléatoire	True	1.527	5	5	5
87	100%	0.498	2020-09-30	td1a/pp_exo_deviner_un_nombre_correction.ipynb	1A.1 - Deviner un nombre aléatoire (correction)	True	1.775	7	7	7
88	75%	0.986	2020-09-30	td1a/td1a_cenonce_session1.ipynb	1A.0 - Premiers pas en Python	True	2.565	16	12	12
89	100%	2.373	2020-09-30	td1a/td1a_cenonce_session2.ipynb	1A.1 - Variables, boucles, tests	True	3.694	30	30	30
90	100%	1.457	2020-09-30	td1a/td1a_cenonce_session3.ipynb	1A.1 - Dictionnaires, fonctions, code de Vigenère	True	2.936	26	26	26
91	100%	1.977	2020-09-30	td1a/td1a_cenonce_session4.ipynb	1A.2 - Modules, fichiers, expressions régulières	True	3.615	20	20	20
92	100%	1.145	2020-09-30	td1a/td1a_cenonce_session5.ipynb	1A.2 - Classes, méthodes, attributs, opérateurs et carré magique	True	2.427	17	17	17
93	100%	0.645	2020-09-30	td1a/td1a_cenonce_session6.ipynb	1A.2 - Classes, héritage	True	1.898	11	11	11
94	100%	0.944	2020-09-30	td1a/td1a_correction_session1.ipynb	1A.0 - Premiers pas en Python (correction)	True	2.252	13	13	13
95	100%	0.573	2020-09-30	td1a/td1a_correction_session2.ipynb	1A.1 - Variables, boucles, tests (correction)	True	1.886	8	8	8
96	100%	0.635	2020-09-30	td1a/td1a_correction_session3.ipynb	1A.1 - Dictionnaires, fonctions, code de Vigenère (correction)	True	1.932	9	9	9
97	100%	2.221	2020-09-30	td1a/td1a_correction_session4.ipynb	1A.2 - Modules, fichiers, expressions régulières (correction)	True	3.587	20	20	20
98	100%	9.862	2020-09-30	td1a/td1a_correction_session5.ipynb	1A.2 - Classes, méthodes, attributs, opérateurs et carré magique (correction)	True	11.192	12	12	12
99	100%	0.422	2020-09-30	td1a/td1a_correction_session6.ipynb	1A.2 - Classes, héritage (correction)	True	2.140	5	5	5
100	100%	0.929	2020-09-30	td1a/td1a_pyramide_bigarree.ipynb	1A.1 - Tracer une pyramide bigarrée	True	2.580	5	5	5
101	100%	1.387	2020-09-30	td1a/td1a_pyramide_bigarree_correction.ipynb	1A.1 - Tracer une pyramide bigarrée - correction	True	2.769	11	11	11
102	100%	0.692	2020-09-30	td1a/texte_langue.ipynb	1A.2 - Deviner la langue d’un texte	True	2.112	6	6	6
103	100%	4.366	2020-09-30	td1a/texte_langue_correction.ipynb	1A.2 - Deviner la langue d’un texte (correction)	True	5.684	23	23	23
104	100%	0.222	2020-09-30	td1a_algo/BJKST_enonce.ipynb	1A.algo - BJKST - calculer le nombre d’éléments distincts	True	1.632	4	4	4
105	100%	1.424	2020-09-30	td1a_algo/graph1exo_parcours.ipynb	1A.algo - Parcours de graphe	True	2.940	8	8	8
106	100%	1.021	2020-09-30	td1a_algo/graph1exo_parcours_correction.ipynb	1A.algo - Parcours de graphe - correction	True	2.354	9	9	9
107	100%	0.485	2020-09-30	td1a_algo/graph4exos.ipynb	1A.algo - Des problèmes de graphes	True	3.680	6	6	6
108	100%	0.678	2020-09-30	td1a_algo/graph_spectral_clustering.ipynb	1A.algo - Spectral Clustering	True	2.348	6	6	6
109	100%	1.107	2020-09-30	td1a_algo/graph_spectral_clustering_correction.ipynb	1A.algo - Spectral Clustering - correction	True	2.397	11	11	11
110	100%	0.110	2020-09-30	td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb	1A.algo - distance de Jaccard (dictionnaires)	True	1.586	4	4	4
111	100%	3.283	2020-09-30	td1a_algo/td1a_cenonce_session7.ipynb	1A.algo - Programmation dynamique et plus court chemin	True	4.616	17	17	17
112	100%	0.331	2020-09-30	td1a_algo/td1a_cenonce_session7_edition.ipynb	1A.algo - La distance d’édition	True	1.861	8	8	8
113	100%	0.411	2020-09-30	td1a_algo/td1a_cenonce_session8.ipynb	1A.algo - Arbre et Trie	True	1.856	10	10	10
114	100%	0.109	2020-09-30	td1a_algo/td1a_cenonce_session8_wikiroot.ipynb	1A.algo - Parcours dans un graphe (wikipédia)	True	1.525	4	4	4
115	100%	0.745	2020-09-30	td1a_algo/td1a_cenonce_session9.ipynb	1A.algo - Optimisation sous contrainte	True	2.323	6	6	6
116	100%	4.108	2020-09-30	td1a_algo/td1a_correction_session4_5_jaccard.ipynb	1A.algo - distance de Jaccard (dictionnaires) - correction	True	5.361	17	17	17
117	100%	4.616	2020-09-30	td1a_algo/td1a_correction_session7.ipynb	1A.algo - Programmation dynamique et plus court chemin (correction)	True	6.107	15	15	15
118	100%	1.499	2020-09-30	td1a_algo/td1a_correction_session7_edition.ipynb	1A.algo - La distance d’édition (correction)	True	2.832	20	20	20
119	100%	52.774	2020-09-30	td1a_algo/td1a_correction_session8.ipynb	1A.algo - Arbre et Trie (correction)	True	54.533	20	20	20
120	100%	5.077	2020-09-30	td1a_algo/td1a_correction_session8_wikiroot.ipynb	1A.algo - Parcours dans un graphe (wikipédia) - correction	True	6.327	5	5	5
121	100%	1.180	2020-09-30	td1a_algo/td1a_correction_session9.ipynb	1A.algo - Optimisation sous contrainte (correction)	True	2.509	7	7	7
122	100%	0.000	2020-09-30	td1a_algo/td1a_plus_grande_somme.ipynb	1A.algo - la plus grande sous-séquence croissante	True	1.233	1	1	1
123	100%	151.761	2020-09-30	td1a_algo/td1a_plus_grande_somme_correction.ipynb	1A.algo - la plus grande sous-séquence croissante - correction	True	153.212	10	10	10
124	87%	0.787	2020-09-30	td1a_algo/td1a_quicksort.ipynb	1A.algo - Quicksort	True	2.047	8	7	7
125	100%	1.535	2020-09-30	td1a_algo/td1a_quicksort_correction.ipynb	1A.algo - quicksort - correction	True	3.027	10	10	10
126	100%	0.607	2020-09-30	td1a_algo/td1a_sobel.ipynb	1A.algo - filtre de Sobel	True	2.301	6	6	6
127	100%	4.993	2020-09-30	td1a_algo/td1a_sobel_correction.ipynb	1A.algo - filtre de Sobel - correction	True	6.316	8	8	8
128	100%	0.091	2020-09-30	td1a_dfnp/decorrelation.ipynb	1A.data - Décorrélation de variables aléatoires	True	1.574	7	7	7
129	100%	0.988	2020-09-30	td1a_dfnp/decorrelation_correction.ipynb	1A.data - Décorrélation de variables aléatoires - correction	True	2.297	15	15	15
130	100%	4.893	2020-09-30	td1a_dfnp/td1a_cenonce_session_10.ipynb	1A.data - DataFrame et Matrice	True	6.177	51	51	51
131	100%	20.838	2020-09-30	td1a_dfnp/td1a_cenonce_session_12_carte.ipynb	1A.data - Visualisation des données - cartes	True	22.299	22	22	22
132	100%	5.106	2020-09-30	td1a_dfnp/td1a_cenonce_session_12_js.ipynb	1A.data - Visualisation des données - graphes interactifs	True	6.583	9	9	9
133	87%	18.585	2020-09-30	td1a_dfnp/td1a_cenonce_session_12_plot.ipynb	1A.data - Visualisation des données	True	19.843	16	14	14
134	100%	2.585	2020-09-30	td1a_dfnp/td1a_correction_session_10.ipynb	1A.data - DataFrame et Matrice (correction)	True	3.901	18	18	18
135	100%	28.449	2020-09-30	td1a_dfnp/td1a_correction_session_12.ipynb	1A.data - visualisation des données - correction	True	29.910	14	14	14
136	100%	0.466	2020-09-30	td1a_home/2020_edit.ipynb	Algo - distance d’édiction	True	3.951	6	6	6
137	100%	23.326	2020-09-30	td1a_home/2020_numpy.ipynb	Tech - calcul matriciel avec numpy	True	28.381	26	26	26
138	100%	10.677	2020-09-30	td1a_home/2020_profile.ipynb	Tech - profiling	True	11.939	18	18	18
139	100%	0.985	2020-09-30	td1a_home/2020_regex.ipynb	Tech - expressions régulières	True	2.349	14	14	14
140	100%	1.132	2020-09-30	td1a_home/2020_suffix.ipynb	Algo - jeux de dictionnaires, plus grand suffix commun	True	2.380	13	13	13
141	100%	7.847	2020-09-30	td1a_home/2020_surface.ipynb	Algo - Calculs de surface et autres calculs	True	9.102	16	16	16
142	100%	22.814	2020-09-30	td1a_home/2020_topk.ipynb	Algo - les k premiers éléments	True	24.138	32	32	32
143	100%	2.789	2020-09-30	td1a_soft/td1a_cython_edit.ipynb	1A.soft - Calcul numérique et Cython	True	4.159	15	15	15
144	100%	2.522	2020-09-30	td1a_soft/td1a_cython_edit_correction.ipynb	1A.soft - Calcul numérique et Cython - correction	True	3.933	8	8	8
145	100%	61.338	2020-09-30	td1a_soft/td1a_sql.ipynb	1A.soft - Notions de SQL	True	62.663	34	34	34
146	100%	52.169	2020-09-30	td1a_soft/td1a_sql_correction.ipynb	1A.soft - Notions de SQL - correction	True	53.588	15	15	15
147	100%	4.346	2020-09-30	td1a_soft/td1a_unit_test_ci.ipynb	1A.soft - Tests unitaires, setup et ingéniérie logicielle	True	5.680	14	14	14
148	100%	0.718	2020-09-30	td2a/ml_crypted_data.ipynb	2A.ml - Machine Learning et données cryptées	True	1.999	9	9	9
149	100%	9.462	2020-09-30	td2a/ml_crypted_data_correction.ipynb	2A.ml - Machine Learning et données cryptées - correction	True	10.970	38	38	38
150	100%	0.699	2020-09-30	td2a/pandas_iterator.ipynb	2A.data - Pandas et itérateurs	True	1.983	8	8	8
151	100%	2.872	2020-09-30	td2a/pandas_iterator_correction.ipynb	2A.data - Pandas et itérateurs - correction	True	4.306	19	19	19
152	100%	0.187	2020-09-30	td2a/td2a_bigdata_memory.ipynb	2A.i - Stratégies et grandes matrices en mémoire	True	2.183	8	8	8
153	96%	22.570	2020-09-30	td2a/td2a_cenonce_session_1.ipynb	2A.data - DataFrame et Graphes	True	24.430	75	72	72
154	100%	6.229	2020-09-30	td2a/td2a_cenonce_session_2A.ipynb	2A.data - Calcul Matriciel, Optimisation	True	7.506	71	71	71
155	100%	0.369	2020-09-30	td2a/td2a_cenonce_session_2C.ipynb	2A.soft - Jupyter et commandes magiques	True	1.702	5	5	5
156	0%	nan		td2a/td2a_cenonce_session_2D_jupyter.ipynb	2A.i - Jupyter et calcul distribué		nan	72	0
157	0%	nan		td2a/td2a_cenonce_session_2D_parallelisation_local.ipynb	2A.i - Parallélisation locale (énoncé)		nan	7	0
158	100%	0.685	2020-09-30	td2a/td2a_cenonce_session_2E.ipynb	2A.i - Sérialisation	True	2.027	8	8	8
159	100%	1.503	2020-09-30	td2a/td2a_cenonce_session_5.ipynb	2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien	True	2.740	20	20	20
160	100%	8.057	2020-09-30	td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb	2A.i - Données non structurées et programmation fonctionnelle	True	9.277	30	30	30
161	96%	16.870	2020-09-30	td2a/td2a_correction_session_1.ipynb	2A.data - DataFrame et Graphes - correction	True	18.139	27	26	26
162	100%	2.358	2020-09-30	td2a/td2a_correction_session_2A.ipynb	2A.data - Calcul Matriciel, Optimisation - correction	True	3.587	13	13	13
163	100%	0.904	2020-09-30	td2a/td2a_correction_session_2C.ipynb	2A.soft - IPython et commandes magiques - correction	True	2.099	6	6	6
164	100%	11.475	2020-09-30	td2a/td2a_correction_session_2E.ipynb	2A.i - Sérialisation - correction	True	12.958	22	22	22
165	100%	0.467	2020-09-30	td2a/td2a_correction_session_5.ipynb	2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien - correction	True	1.760	3	3	3
166	100%	23.587	2020-09-30	td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb	2A.i - Données non structurées, programmation fonctionnelle - correction	True	24.905	33	33	33
167	100%	3.857	2020-09-16	td2a/td2a_ml_text_features.ipynb	2A.ml - Classification binaire avec features textuelles	True	4.781	18	18	18
168	100%	13.312	2020-09-16	td2a/td2a_ml_text_features_correction.ipynb	2A.ml - Classification binaire avec features textuelles - correction	True	14.178	23	23	23
169	100%	11.667	2020-09-30	td2a/td2a_progressbar.ipynb	2A.i - ProgressBar et fusion de random forest - énoncé	True	13.332	6	6	6
170	100%	19.915	2020-09-30	td2a/td2a_some_nlp.ipynb	2A.ml - Texte et machine learning	True	21.198	36	36	36
171	90%	33.456	2020-09-30	td2a/td2a_visualisation.ipynb	2A.data - Matplotlib	True	34.771	42	38	38
172	100%	0.091	2020-09-30	td2a_algo/gentry_integer_encryption.ipynb	Cryptage homomorphic de Craig Gentry	True	1.443	6	6	6
173	100%	0.254	2020-09-30	td2a_algo/gentry_integer_encryption_correction.ipynb	Cryptage homomorphic de Craig Gentry - correction	True	8.846	6	6	6
174	100%	7.297	2020-09-30	td2a_algo/knn_high_dimension.ipynb	2A.algo - Plus proches voisins en grande dimension	True	8.623	8	8	8
175	100%	28.435	2020-09-30	td2a_algo/knn_high_dimension_correction.ipynb	2A.algo - Plus proches voisins en grande dimension - correction	True	29.722	20	20	20
176	100%	0.131	2020-09-30	td2a_algo/td2a_cenonce_session_6A.ipynb	2A.algo - Puzzles algorithmiques (1)	True	1.426	6	6	6
177	100%	0.090	2020-09-30	td2a_algo/td2a_cenonce_session_6B.ipynb	2A.algo - Puzzles algorithmiques (2)	True	1.410	5	5	5
178	100%	0.396	2020-09-30	td2a_algo/td2a_correction_session_6A.ipynb	2A.algo - Puzzles algorithmes (1) - correction	True	1.675	6	6	6
179	100%	0.093	2020-09-30	td2a_algo/td2a_correction_session_6B.ipynb	2A.algo - Puzzles algorithmes (2) - correction	True	1.434	6	6	6
180	0%	nan		td2a_eco/TD2A_Eco_Web_Scraping.ipynb	2A.eco - Web-Scraping		nan	62	0
181	100%	8.550	2020-09-16	td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb	2A.eco - Web-Scraping - correction	True	9.441	6	6	6
182	100%	1.320	2020-09-30	td2a_eco/TD2A_eco_API_SNCF.ipynb	2A.eco - Exercice API SNCF	True	2.228	11	11	11
183	100%	37.567	2020-09-30	td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb	2A.eco - Exercice API SNCF corrigé	True	38.689	40	40	40
184	100%	1.719	2020-09-30	td2a_eco/TD2A_eco_debuter_flask.ipynb	2A.eco - Débuter avec Flask	True	3.067	14	14	14
185	100%	4.136	2020-09-30	td2a_eco/TD2A_eco_les_API.ipynb	2A.eco - API, API REST	True	5.396	15	15	15
186	100%	2.794	2020-09-30	td2a_eco/td2_eco_rappels_1a.ipynb	2A.eco - Rappel de ce que vous savez déjà mais avez peut-être oublié	True	4.080	29	29	29
187	100%	8.157	2020-09-30	td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb	2A.eco - Traitement automatique de la langue en Python	True	9.924	34	34	34
188	100%	8.049	2020-09-30	td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb	2A.eco - Traitement automatique de la langue en Python - correction	True	9.487	35	35	35
189	100%	0.000	2020-09-30	td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb	2A.eco - Exercice Python - Eco Séance 2	True	1.276	1	1	1
190	100%	0.472	2020-09-30	td2a_eco/td2a_eco_exercices_de_manipulation_de_donnees.ipynb	2A.eco - Mise en pratique des séances 1 et 2 - Utilisation de pandas et visualisation	True	1.699	3	3	3
191	100%	1.428	2020-09-30	td2a_eco/td2a_eco_exercices_de_manipulation_de_donnees_correction_a.ipynb	2A.eco - Mise en pratique des séances 1 et 2 - Utilisation de pandas et visualisation - correction	True	2.687	10	10	10
192	100%	2.800	2020-09-30	td2a_eco/td2a_eco_exercices_de_manipulation_de_donnees_correction_b.ipynb	2A.eco - Mise en pratique des séances 1 et 2 - Utilisation de pandas et visualisation - correction	True	4.060	16	16	16
193	100%	2.715	2020-09-30	td2a_eco/td2a_eco_exercices_de_manipulation_de_donnees_correction_c.ipynb	2A.eco - Mise en pratique des séances 1 et 2 - Utilisation de pandas et visualisation - correction	True	4.207	14	14	14
194	100%	7.552	2020-09-30	td2a_eco/td2a_eco_regressions_lineaires.ipynb	Régressions linéaires avec Statsmodels et Scikit-Learn	True	9.193	12	12	12
195	100%	2.249	2020-09-30	td2a_eco/td2a_eco_sql.ipynb	2A.eco - Python et la logique SQL	True	3.771	26	26	26
196	100%	3.085	2020-09-30	td2a_eco/td2a_eco_sql_correction.ipynb	2A.eco - Python et la logique SQL - correction	True	4.423	36	36	36
197	100%	9.256	2020-09-30	td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb	TD7 - Analyse de texte	True	10.581	29	29	29
198	100%	8.226	2020-09-30	td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb	TD7 - Analyse de texte - correction	True	9.560	29	29	29
199	0%	nan		td2a_eco2/td2a_eco_5d_Travailler_du_texte_les_expressions_regulieres.ipynb	2A.eco - Les expressions régulières : à quoi ça sert ?		nan	26	0
200	0%	nan		td2a_eco2/td2a_eco_5d_Travailler_du_texte_les_expressions_regulieres_correction.ipynb	2A.eco - Les expressions régulières : à quoi ça sert ? (correction)		nan	27	0
201	100%	407.740	2020-09-30	td2a_eco2/td2a_eco_NLP_tf_idf_ngrams_LDA_word2vec_sur_des_extraits_litteraires.ipynb	2A.eco - Introduction au text mining	True	409.088	69	69	69
202	100%	366.953	2020-09-30	td2a_ml/gradient_boosting.ipynb	Gradient Boosting	True	368.387	37	37	37
203	100%	152.075	2020-09-30	td2a_ml/ml_a_tree_overfitting.ipynb	2A.ml - Tree, hyperparamètres, overfitting	True	153.560	28	28	28
204	100%	47.668	2020-09-30	td2a_ml/ml_b_imbalanced.ipynb	2A.ml - Imbalanced dataset	True	48.967	22	22	22
205	100%	5.114	2020-09-30	td2a_ml/ml_c_machine_learning_problems.ipynb	2A.ml - Problèmes classiques de machine learning illustrés	True	6.420	41	41	41
206	100%	0.222	2020-09-30	td2a_ml/ml_cc_machine_learning_problems2.ipynb	2A.ml - Boosting, random forest, gradient - les features qu’ils aiment	True	1.522	4	4	4
207	100%	3.168	2020-09-30	td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb	2A.ml - Interprétabilité et corrélations des variables	True	4.632	26	26	26
208	100%	35.114	2020-09-30	td2a_ml/ml_lasso_rf_grid_search_correction.ipynb	Hyperparamètres, LassoRandomForestRregressor et grid_search (correction)	True	36.351	15	15	15
209	100%	0.763	2020-09-30	td2a_ml/ml_lasso_rf_grid_search_enonce.ipynb	Hyperparamètres, LassoRandomForestRregressor et grid_search (énoncé)	True	2.255	4	4	4
210	100%	0.738	2020-09-30	td2a_ml/ml_scikit_learn_simple.ipynb	Rappels sur scikit-learn et le machine learning	True	2.556	12	12	12
211	100%	4.297	2020-09-30	td2a_ml/ml_scikit_learn_simple_correction.ipynb	Rappels sur scikit-learn et le machine learning (correction)	True	5.510	21	21	21
212	100%	8.287	2020-09-30	td2a_ml/seasonal_timeseries.ipynb	Timeseries	True	9.552	42	42	42
213	100%	224.860	2020-09-30	td2a_ml/td2a_cenonce_session_3A.ipynb	2A.ml - Statistiques descriptives avec scikit-learn	True	226.486	18	18	18
214	100%	36.762	2020-09-30	td2a_ml/td2a_cenonce_session_3B.ipynb	2A.ml - Arbres de décision / Random Forest	True	38.204	16	16	16
215	100%	0.923	2020-09-30	td2a_ml/td2a_cenonce_session_4A.ipynb	2A.ml - Machine Learning et Marketting	True	2.224	9	9	9
216	100%	0.968	2020-09-30	td2a_ml/td2a_clustering.ipynb	2A.ml - Clustering	True	2.373	6	6	6
217	100%	30.819	2020-09-30	td2a_ml/td2a_clustering_correction.ipynb	2A.ml - Clustering - correction	True	32.101	25	25	25
218	100%	16.806	2020-09-30	td2a_ml/td2a_correction_cl_reg_anomaly.ipynb	2A.data - Classification, régression, anomalies - correction	True	18.169	33	33	33
219	100%	291.121	2020-09-30	td2a_ml/td2a_correction_session_3A.ipynb	2A.ml - Statistiques descriptives avec scikit-learn - correction	True	292.431	24	24	24
220	100%	117.321	2020-09-30	td2a_ml/td2a_correction_session_3B.ipynb	2A.ml - Arbres de décision / Random Forest - correction	True	118.680	26	26	26
221	100%	9.016	2020-09-30	td2a_ml/td2a_correction_session_4A.ipynb	2A.ml - Machine Learning et Marketting - correction	True	10.523	26	26	26
222	100%	1.119	2020-09-30	td2a_ml/td2a_enonce_cl_reg_anomaly.ipynb	2A.data - Classification, régression, anomalies - énoncé	True	2.387	9	9	9
223	96%	9.567	2020-09-30	td2a_ml/td2a_ethics.ipynb	Machine Learning éthique	True	10.486	31	30	30
224	100%	0.101	2020-09-30	td2a_ml/td2a_ethics_correction.ipynb	Machine Learning éthique - correction	True	0.985	2	2	2
225	100%	10.494	2020-09-30	td2a_ml/td2a_pipeline_tree_selection_correction.ipynb	2A.ml - Pipeline pour un réduction d’une forêt aléatoire - correction	True	11.803	24	24	24
226	100%	1.328	2020-09-30	td2a_ml/td2a_pipeline_tree_selection_enonce.ipynb	2A.ml - Pipeline pour un réduction d’une forêt aléatoire - énoncé	True	2.599	11	11	11
227	100%	0.739	2020-09-30	td2a_ml/td2a_sentiment_analysis.ipynb	2A.ml - Analyse de sentiments	True	2.055	6	6	6
228	100%	76.513	2020-09-30	td2a_ml/td2a_sentiment_analysis_correction.ipynb	2A.ml - Analyse de sentiments - correction	True	77.806	44	44	44
229	100%	1.348	2020-09-30	td2a_ml/td2a_timeseries.ipynb	2A.ml - Séries temporelles	True	2.580	15	15	15
230	100%	3.645	2020-09-30	td2a_ml/td2a_timeseries_correction.ipynb	2A.ml - Séries temporelles - correction	True	4.893	15	15	15
231	100%	27.615	2020-09-30	td2a_ml/td2a_tree_selection_correction.ipynb	2A.ml - Réduction d’une forêt aléatoire - correction	True	28.830	19	19	19
232	100%	1.186	2020-09-30	td2a_ml/td2a_tree_selection_enonce.ipynb	2A.ml - Réduction d’une forêt aléatoire - énoncé	True	2.453	8	8	8