Notebooks Coverage

Report on last executions.

93% 2022-05-13

index	coverage	exe time	last execution	name	title	success	time	nb cells	nb runs	nb valid
0	100%	23.377	2022-05-13	1a/code_liste_tuple.ipynb	1A.1 - Liste, tuple, ensemble, dictionnaire, liste chaînée, coût des opérations	True	27.947	4	4	4
1	100%	10.096	2022-05-13	1a/code_multinomial.ipynb	1A.1 - Simuler une loi multinomiale	True	14.146	12	12	12
2	100%	10.304	2022-05-13	1a/coloriage_carre.ipynb	Jeux de coloriage	True	14.296	23	23	23
3	100%	0.614	2022-05-13	1a/exercice_echelle.ipynb	1A.algo - Calculer le nombre de façons de monter une échelle.	True	4.545	6	6	6
4	100%	2.090	2022-05-13	1a/exercice_morse.ipynb	1A.algo - Décoder du Morse sans espaces	True	6.094	16	16	16
5	100%	6.317	2022-05-13	1a/exercice_plus_grande_somme.ipynb	1A.algo - La sous-séquence de plus grande somme	True	10.269	15	15	15
6	100%	0.358	2022-05-13	1a/exercice_xn.ipynb	1A.algo - Calculer x**n le plus rapidement possible	True	4.337	4	4	4
7	100%	1.128	2022-05-13	1a/histogramme_rapide.ipynb	1A.1 - Histogramme et dictionnaire	True	5.047	8	8	8
8	100%	60.007	2022-05-13	1a/nbheap.ipynb	Heap	True	64.013	15	15	15
9	100%	21.835	2022-05-13	1a/profiling_example.ipynb	1A.soft - Exemple de profiling	True	25.759	11	11	11
10	100%	1.021	2022-05-13	1a/recherche_dichotomique.ipynb	1A.algo - Recherche dichotomique	True	4.997	9	9	9
11	100%	5.017	2022-05-13	1a/structures_donnees_conversion.ipynb	1A.1 - D’une structure de données à l’autre	True	9.057	29	29	29
12	100%	2.198	2022-05-13	1a/tableau_contingence.ipynb	1A.1 - Calculer un chi 2 sur un tableau de contingence	True	6.203	8	8	8
13	100%	74.355	2022-05-13	1a/tri_nlnd.ipynb	1A.algo - Tri plus rapide que prévu	True	78.394	17	17	17
14	100%	287.205	2022-04-24	2016-2017/solution_2016_credit_clement.ipynb	2016 - Une solution à la compétition de machine learning 2A	True	291.310	28	28	28
15	100%	17.418	2022-04-24	2016/td2a_eco_competition_comparer_classifieurs.ipynb	2A.ml - 2016 - Compétition - Préparation des données	True	21.581	16	16	16
16	100%	13.541	2022-04-24	2016/td2a_eco_competition_modeles_logistiques.ipynb	2A.ml - 2016 - Compétition ENSAE - Premiers modèles	True	17.811	26	26	26
17	100%	72.753	2022-04-24	2016/td2a_eco_competition_statsdesc.ipynb	2A.ml - 2016 - Compétition - Importation des données	True	77.031	22	22	22
18	100%	17.559	2022-05-13	2017-2018/dimensions_reduction.ipynb	Réduction des dimensions	True	21.597	20	20	20
19	100%	46.525	2022-04-24	2017/prepare_data_2017.ipynb	2A.ml - 2017 - Préparation des données	True	50.699	43	43	43
20	89%	3.611	2022-05-13	2018-2019/2018-09-18_rappels_python.ipynb	2018-09-18 - Rappels sur le langage python	True	7.601	28	25	25
21	100%	9.961	2022-05-13	2018-2019/2018-09-18_rappels_python_pandas_matplotlib.ipynb	2018-09-18 - Rappels sur pandas et maplotlib	True	14.016	29	29	29
22	100%	7.026	2022-05-13	2018-2019/2018-09-18_sklearn_api.ipynb	2018-09-18 - API de scikit-learn	True	11.025	21	21	21
23	100%	1.386	2022-05-13	2018-2019/2018-09-25_distance_entre_mots.ipynb	2018-09-25 - Distance entre mots	True	5.302	11	11	11
24	100%	15.822	2022-05-13	2018-2019/2018-10-02_scraping_recuperer_images.ipynb	2018-10-02 - Scraping, récupérer une image depuis LeMonde	True	19.881	20	20	20
25	100%	195.096	2022-05-13	2018-2019/2018-10-09_ensemble_gradient_boosting.ipynb	2018-10-09 Ensemble, Gradient, Boosting…	True	199.168	19	19	19
26	100%	14.059	2022-05-13	2a/bayesian_with_python.ipynb	2A.ml - Bayesian models with Python	True	18.205	19	19	19
27	100%	294.909	2022-04-24	2a/cffi_linear_regression.ipynb	Optimisation de code avec cffi, numba, cython	True	299.236	92	92	92
28	100%	3.958	2022-05-13	2a/dataframe_matrix_speed.ipynb	2A.i - Mesures de vitesse sur les dataframes	True	8.037	15	15	15
29	100%	11.131	2022-05-13	2a/git_notebook.ipynb	2A.soft - Git depuis le notebook	True	15.233	23	23	23
30	100%	1.505	2022-05-13	2a/jupyter_custom_magics.ipynb	2A.soft - Custom Magics for Jupyter	True	5.490	5	5	5
31	100%	24.469	2022-05-13	2a/ml_timeseries_base.ipynb	2A.ml - Timeseries et machine learning	True	28.499	28	28	28
32	100%	5.100	2022-05-13	2a/notebook_convert.ipynb	2A.soft - Convert a notebook into a document	True	9.097	8	8	8
33	100%	110.508	2022-04-24	2a/seance_5_dask.ipynb	2A.i - Données non structurées, programmation fonctionnelle : dask	True	114.966	16	16	16
34	100%	35.503	2022-04-24	2a/seance_5_intro_et_json.ipynb	2A.i - Données non structurées, programmation fonctionnelle	True	39.651	20	20	20
35	100%	224.677	2022-04-24	2a/seance_5_prog_fonctionnelle.ipynb	2A.i - programmation fonctionnelle	True	228.786	44	44	44
36	100%	43.345	2022-05-13	2a/timeseries_ssa.ipynb	Single Spectrum Analysis (SSA)	True	47.384	27	27	27
37	0%	nan		data/data_irep.ipynb	IREP: registre des émissions polluantes		nan	30	0
38	0%	nan		data/deal_flow_espace_vert.ipynb	Deal flow espaces verts 2018 - 2019		nan	21	0
39	100%	1.563	2022-05-13	exams/interro_rapide_20_minutes_2014_09.ipynb	1A.e - Correction de l’interrogation écrite du 26 septembre 2014	True	5.555	12	12	12
40	100%	3.395	2022-05-13	exams/interro_rapide_20_minutes_2014_10.ipynb	1A.e - Correction de l’interrogation écrite du 10 octobre 2014	True	7.461	17	17	17
41	82%	3.579	2022-05-13	exams/interro_rapide_20_minutes_2014_11.ipynb	1A.e - Correction de l’interrogation écrite du 14 novembre 2014	True	7.660	35	29	29
42	100%	1.891	2022-05-13	exams/interro_rapide_20_minutes_2014_12.ipynb	1A.e - Correction de l’interrogation écrite du 14 novembre 2014	True	5.926	15	15	15
43	100%	0.872	2022-05-13	exams/interro_rapide_20_minutes_2015_09.ipynb	1A.e - Correction de l’interrogation écrite du 26 septembre 2015	True	4.882	12	12	12
44	100%	1.334	2022-05-13	exams/interro_rapide_20_minutes_2015_11.ipynb	1A.e - Correction de l’interrogation écrite du 6 novembre 2015	True	5.623	16	16	16
45	100%	32.098	2022-05-13	exams/td_note_2013_bout_de_code_coloriage.ipynb	1A.e - TD noté, 27 novembre 2012 (éléments de code pour le coloriage)	True	36.179	6	6	6
46	100%	51.356	2022-05-13	exams/td_note_2013_coloriage_correction.ipynb	1A.e - TD noté, 27 novembre 2012 (coloriage, correction)	True	55.530	14	14	14
47	100%	4.842	2022-05-13	exams/td_note_2015.ipynb	1A.e - TD noté, 5 décembre 2014	True	9.299	36	36	36
48	100%	0.279	2022-05-13	exams/td_note_2015_rattrapage_enonce.ipynb	1A.e - TD noté 2015 rattrapage (énoncé, écrit et oral)	True	4.552	6	6	6
49	100%	12.014	2022-05-13	exams/td_note_2016.ipynb	1A.e - TD noté, 11 décembre 2015	True	16.072	26	26	26
50	100%	4.095	2022-05-13	exams/td_note_2017.ipynb	1A.e - TD noté, 16 décembre 2016	True	8.739	23	23	23
51	100%	3.171	2022-05-13	exams/td_note_2017_2.ipynb	1A.e - TD noté, 21 février 2017	True	7.181	21	21	21
52	100%	18.407	2022-05-13	exams/td_note_2018_1.ipynb	1A.e - Enoncé 12 décembre 2017 (1)	True	22.425	25	25	25
53	100%	16.730	2022-05-13	exams/td_note_2018_2.ipynb	1A.e - Enoncé 12 décembre 2017 (2)	True	20.779	21	21	21
54	100%	84.524	2022-05-13	exams/td_note_2019_1.ipynb	1A.e - Enoncé 23 octobre 2018 (1)	True	88.773	17	17	17
55	100%	45.556	2022-05-13	exams/td_note_2019_2.ipynb	1A.e - Enoncé 23 octobre 2018 (2)	True	49.749	18	18	18
56	100%	16.970	2022-05-13	exams/td_note_2020_1.ipynb	1A.e - Enoncé 22 octobre 2019 (1)	True	21.505	29	29	29
57	100%	14.388	2022-05-13	exams/td_note_2020_2.ipynb	1A.e - Enoncé 22 octobre 2019 (2)	True	18.857	28	28	28
58	100%	34.045	2022-05-13	exams/td_note_2021.ipynb	1A - Enoncé 24 novembre 2020	True	38.048	24	24	24
59	100%	37.058	2022-05-13	exams/td_note_2022.ipynb	1A - Enoncé 3 novembre 2021	True	41.571	31	31	31
60	100%	1.503	2022-05-13	exams/td_note_2022_rattrapage.ipynb	1A - Enoncé 15 novembre 2021 - rattrapage	True	5.490	9	9	9
61	100%	9.038	2022-05-13	exams/td_note_2022_rattrapage2.ipynb	1A - Enoncé 3 mars 2022- rattrapage	True	12.993	10	10	10
62	100%	56.931	2022-05-13	expose/BJKST.ipynb	2A.algo - Algorithmes de streaming : généralités	True	61.047	39	39	39
63	100%	18.065	2022-05-13	expose/expose_TSP.ipynb	2A.algo - Réflexions autour du voyage de commerce (TSP)	True	22.210	11	11	11
64	100%	6.113	2022-05-13	expose/expose_einstein_riddle.ipynb	2A.algo - L’énigme d’Einstein et sa résolution	True	10.177	6	6	6
65	100%	9.293	2022-05-13	expose/expose_graphe_et_map_reduce.ipynb	3A.mr - Graphes et Map Reduce	True	13.334	11	11	11
66	100%	1.928	2022-05-13	expose/expose_rwr_recommandation.ipynb	3A.mr - Random Walk with Restart (système de recommandations)	True	6.010	4	4	4
67	100%	3.015	2022-04-24	expose/expose_vigenere.ipynb	1A.algo - Casser le code de Vigenère	True	7.063	9	9	9
68	100%	32.420	2022-05-13	expose/hash_distribution.ipynb	2A.algo - Hash et distribution	True	36.597	14	14	14
69	100%	54.877	2022-05-13	expose/ml_features_model.ipynb	2A.ml - Features ou modèle	True	58.981	15	15	15
70	0%	nan		expose/ml_huge_datasets.ipynb	2A.i - Huge datasets, datasets hiérarchiques		nan	30	0
71	100%	2281.173	2022-04-24	expose/ml_rue_paris_parcours.ipynb	2A.algo - Parcourir les rues de Paris	True	2285.968	24	24	24
72	100%	699.352	2022-04-24	expose/ml_table_mortalite.ipynb	2A.i - Table de mortalité dans plusieurs containers	True	707.855	35	35	35
73	100%	8.594	2022-05-13	sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb	2A.ML101.0: What is machine learning?	True	12.749	13	13	13
74	100%	8.575	2022-05-13	sklearn_ensae_course/01_data_manipulation.ipynb	2A.ML101.1: Introduction to data manipulation with scientific Python	True	12.589	18	18	18
75	100%	12.557	2022-05-13	sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb	2A.ML101.2: Basic principles of machine learning with scikit-learn	True	16.580	15	15	15
76	100%	30.053	2022-05-13	sklearn_ensae_course/03_supervised_classification.ipynb	2A.ML101.3: Supervised Learning: Classification of Handwritten Digits	True	34.085	12	12	12
77	100%	17.160	2022-05-13	sklearn_ensae_course/04_supervised_regression.ipynb	2A.ML101.4: Supervised Learning: Regression of Housing Data	True	21.118	12	12	12
78	100%	24.249	2022-05-13	sklearn_ensae_course/05_measuring_prediction_performance.ipynb	2A.ML101.5: Measuring prediction performance	True	28.752	23	23	23
79	100%	25.880	2022-05-13	sklearn_ensae_course/06_unsupervised_dimreduction.ipynb	2A.ML101.6: Unsupervised Learning: Dimensionality Reduction and Visualization	True	30.025	18	18	18
80	100%	26.892	2022-05-13	sklearn_ensae_course/07_application_to_face_recognition.ipynb	2A.ML101.7: Example from Image Processing	True	31.147	19	19	19
81	100%	16.262	2022-05-13	sklearn_ensae_course/08_validation_and_learning_curves.ipynb	2A.ML101.8: Parameter selection, Validation & Testing	True	20.314	15	15	15
82	100%	0.747	2022-05-13	td1a/integrale_rectangle.ipynb	1A.1 - Intégrale et la méthode des rectangles	True	4.773	6	6	6
83	100%	9.234	2022-05-13	td1a/integrale_rectangle_correction.ipynb	1A.1 - Intégrale et la méthode des rectangles - correction	True	13.232	30	30	30
84	100%	0.469	2022-05-13	td1a/j2048.ipynb	1A.2 - 2048 - stratégie gagnante	True	4.399	3	3	3
85	100%	1.460	2022-05-13	td1a/j2048_correction.ipynb	1A.2 - 2048 - stratégie gagnante - correction	True	5.487	11	11	11
86	100%	55.043	2022-05-13	td1a/matrix_dictionary.ipynb	Produit matriciel avec une matrice creuse	True	58.996	20	20	20
87	100%	0.369	2022-05-13	td1a/pp_exo_deviner_un_nombre.ipynb	1A.1 - Deviner un nombre aléatoire	True	4.473	5	5	5
88	100%	0.696	2022-05-13	td1a/pp_exo_deviner_un_nombre_correction.ipynb	1A.1 - Deviner un nombre aléatoire (correction)	True	4.837	7	7	7
89	75%	1.306	2022-05-13	td1a/td1a_cenonce_session1.ipynb	1A.0 - Premiers pas en Python	True	5.272	16	12	12
90	100%	3.900	2022-05-13	td1a/td1a_cenonce_session2.ipynb	1A.1 - Variables, boucles, tests	True	8.001	30	30	30
91	100%	2.416	2022-05-13	td1a/td1a_cenonce_session3.ipynb	1A.1 - Dictionnaires, fonctions, code de Vigenère	True	6.665	26	26	26
92	100%	4.947	2022-05-13	td1a/td1a_cenonce_session4.ipynb	1A.2 - Modules, fichiers, expressions régulières	True	9.038	20	20	20
93	100%	1.937	2022-05-13	td1a/td1a_cenonce_session5.ipynb	1A.2 - Classes, méthodes, attributs, opérateurs et carré magique	True	5.949	17	17	17
94	100%	1.431	2022-05-13	td1a/td1a_cenonce_session6.ipynb	1A.2 - Classes, héritage	True	6.040	11	11	11
95	100%	1.676	2022-05-13	td1a/td1a_correction_session1.ipynb	1A.0 - Premiers pas en Python (correction)	True	5.720	13	13	13
96	100%	1.291	2022-05-13	td1a/td1a_correction_session2.ipynb	1A.1 - Variables, boucles, tests (correction)	True	5.238	8	8	8
97	100%	0.979	2022-05-13	td1a/td1a_correction_session3.ipynb	1A.1 - Dictionnaires, fonctions, code de Vigenère (correction)	True	4.930	9	9	9
98	100%	8.418	2022-05-13	td1a/td1a_correction_session4.ipynb	1A.2 - Modules, fichiers, expressions régulières (correction)	True	12.437	20	20	20
99	100%	53.378	2022-05-13	td1a/td1a_correction_session5.ipynb	1A.2 - Classes, méthodes, attributs, opérateurs et carré magique (correction)	True	57.323	12	12	12
100	100%	0.617	2022-05-13	td1a/td1a_correction_session6.ipynb	1A.2 - Classes, héritage (correction)	True	4.738	5	5	5
101	100%	4.116	2022-05-13	td1a/td1a_pyramide_bigarree.ipynb	1A.1 - Tracer une pyramide bigarrée	True	8.076	5	5	5
102	100%	7.317	2022-05-13	td1a/td1a_pyramide_bigarree_correction.ipynb	1A.1 - Tracer une pyramide bigarrée - correction	True	11.341	11	11	11
103	100%	1.785	2022-05-13	td1a/texte_langue.ipynb	1A.2 - Deviner la langue d’un texte	True	5.786	6	6	6
104	100%	17.485	2022-05-13	td1a/texte_langue_correction.ipynb	1A.2 - Deviner la langue d’un texte (correction)	True	21.629	23	23	23
105	100%	0.444	2022-05-13	td1a_algo/BJKST_enonce.ipynb	1A.algo - BJKST - calculer le nombre d’éléments distincts	True	4.374	4	4	4
106	100%	1.925	2022-05-13	td1a_algo/graph1exo_parcours.ipynb	1A.algo - Parcours de graphe	True	5.890	8	8	8
107	100%	2.596	2022-05-13	td1a_algo/graph1exo_parcours_correction.ipynb	1A.algo - Parcours de graphe - correction	True	6.790	9	9	9
108	100%	1.106	2022-05-13	td1a_algo/graph4exos.ipynb	1A.algo - Des problèmes de graphes	True	5.050	6	6	6
109	100%	1.415	2022-05-13	td1a_algo/graph_spectral_clustering.ipynb	1A.algo - Spectral Clustering	True	5.401	6	6	6
110	100%	3.199	2022-05-13	td1a_algo/graph_spectral_clustering_correction.ipynb	1A.algo - Spectral Clustering - correction	True	8.066	11	11	11
111	100%	0.137	2022-05-13	td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb	1A.algo - distance de Jaccard (dictionnaires)	True	4.098	4	4	4
112	100%	4.155	2022-05-13	td1a_algo/td1a_cenonce_session7.ipynb	1A.algo - Programmation dynamique et plus court chemin	True	8.286	17	17	17
113	100%	0.446	2022-05-13	td1a_algo/td1a_cenonce_session7_edition.ipynb	1A.algo - La distance d’édition	True	4.489	8	8	8
114	100%	0.535	2022-05-13	td1a_algo/td1a_cenonce_session8.ipynb	1A.algo - Arbre et Trie	True	4.521	10	10	10
115	100%	0.144	2022-05-13	td1a_algo/td1a_cenonce_session8_wikiroot.ipynb	1A.algo - Parcours dans un graphe (wikipédia)	True	4.161	4	4	4
116	100%	0.586	2022-05-13	td1a_algo/td1a_cenonce_session9.ipynb	1A.algo - Optimisation sous contrainte	True	4.563	6	6	6
117	100%	17.768	2022-05-13	td1a_algo/td1a_correction_session4_5_jaccard.ipynb	1A.algo - distance de Jaccard (dictionnaires) - correction	True	21.832	17	17	17
118	100%	7.759	2022-05-13	td1a_algo/td1a_correction_session7.ipynb	1A.algo - Programmation dynamique et plus court chemin (correction)	True	11.721	15	15	15
119	100%	2.613	2022-05-13	td1a_algo/td1a_correction_session7_edition.ipynb	1A.algo - La distance d’édition (correction)	True	6.641	20	20	20
120	100%	150.937	2022-04-24	td1a_algo/td1a_correction_session8.ipynb	1A.algo - Arbre et Trie (correction)	True	155.442	20	20	20
121	100%	4.292	2022-05-13	td1a_algo/td1a_correction_session8_wikiroot.ipynb	1A.algo - Parcours dans un graphe (wikipédia) - correction	True	8.376	5	5	5
122	100%	2.096	2022-05-13	td1a_algo/td1a_correction_session9.ipynb	1A.algo - Optimisation sous contrainte (correction)	True	6.013	7	7	7
123	100%	0.000	2022-05-13	td1a_algo/td1a_plus_grande_somme.ipynb	1A.algo - la plus grande sous-séquence croissante	True	3.946	1	1	1
124	100%	60.206	2022-05-13	td1a_algo/td1a_plus_grande_somme_correction.ipynb	1A.algo - la plus grande sous-séquence croissante - correction	True	64.311	10	10	10
125	87%	3.263	2022-05-13	td1a_algo/td1a_quicksort.ipynb	1A.algo - Quicksort	True	7.414	8	7	7
126	100%	4.651	2022-05-13	td1a_algo/td1a_quicksort_correction.ipynb	1A.algo - quicksort - correction	True	8.695	10	10	10
127	100%	1.680	2022-05-13	td1a_algo/td1a_sobel.ipynb	1A.algo - filtre de Sobel	True	5.626	6	6	6
128	100%	18.696	2022-05-13	td1a_algo/td1a_sobel_correction.ipynb	1A.algo - filtre de Sobel - correction	True	22.831	8	8	8
129	100%	0.152	2022-05-13	td1a_dfnp/decorrelation.ipynb	1A.data - Décorrélation de variables aléatoires	True	4.276	7	7	7
130	100%	1.956	2022-05-13	td1a_dfnp/decorrelation_correction.ipynb	1A.data - Décorrélation de variables aléatoires - correction	True	6.023	15	15	15
131	100%	8.330	2022-05-13	td1a_dfnp/td1a_cenonce_session_10.ipynb	1A.data - DataFrame et Matrice	True	12.406	51	51	51
132	0%	nan		td1a_dfnp/td1a_cenonce_session_12_carte.ipynb	1A.data - Visualisation des données - cartes		nan	38	0
133	0%	nan		td1a_dfnp/td1a_cenonce_session_12_js.ipynb	1A.data - Visualisation des données - graphes interactifs		nan	17	0
134	0%	nan		td1a_dfnp/td1a_cenonce_session_12_plot.ipynb	1A.data - Visualisation des données		nan	29	0
135	100%	7.114	2022-04-24	td1a_dfnp/td1a_correction_session_10.ipynb	1A.data - DataFrame et Matrice (correction)	True	11.715	18	18	18
136	0%	nan		td1a_dfnp/td1a_correction_session_12.ipynb	1A.data - visualisation des données - correction		nan	24	0
137	100%	20.411	2022-05-13	td1a_home/2020_carte.ipynb	Tech - carte	True	24.444	23	23	23
138	100%	63.257	2022-05-13	td1a_home/2020_covid.ipynb	Algo - simulation COVID	True	67.396	33	33	33
139	100%	4.716	2022-05-13	td1a_home/2020_edit.ipynb	Algo - distance d’édiction	True	8.909	15	15	15
140	100%	27.328	2022-05-13	td1a_home/2020_graph.ipynb	Algo - Graphe - Composantes connexes	True	31.397	15	15	15
141	100%	10.340	2022-05-13	td1a_home/2020_json_xml.ipynb	Tech - JSON - XML	True	14.390	45	45	45
142	100%	36.094	2022-05-13	td1a_home/2020_numpy.ipynb	Tech - calcul matriciel avec numpy	True	40.188	35	35	35
143	100%	4.570	2022-05-13	td1a_home/2020_ordonnancement.ipynb	Algo - Problème d’ordonnancement	True	8.585	11	11	11
144	100%	29.757	2022-05-13	td1a_home/2020_pandas.ipynb	Tech - manipulation de données avec pandas	True	33.917	64	64	64
145	100%	43.464	2022-05-13	td1a_home/2020_profile.ipynb	Tech - profiling	True	47.471	18	18	18
146	100%	1.203	2022-05-13	td1a_home/2020_regex.ipynb	Tech - expressions régulières	True	5.176	14	14	14
147	100%	16.741	2022-05-13	td1a_home/2020_rest.ipynb	Tech - API REST pour deep learning avec FastAPI	True	20.820	28	28	28
148	100%	5.527	2022-05-13	td1a_home/2020_suffix.ipynb	Algo - jeux de dictionnaires, plus grand suffixe commun	True	9.643	24	24	24
149	100%	20.470	2022-05-13	td1a_home/2020_surface.ipynb	Algo - Calculs de surface et autres calculs	True	24.582	16	16	16
150	100%	56.439	2022-05-13	td1a_home/2020_topk.ipynb	Algo - les k premiers éléments	True	60.478	32	32	32
151	100%	10.707	2022-05-13	td1a_home/2020_tsp.ipynb	Algo - TSP - Traveling Salesman Problem	True	14.684	14	14	14
152	100%	35.196	2022-05-13	td1a_home/2021_2048_classe.ipynb	2048 et les classes	True	39.442	19	19	19
153	100%	59.122	2022-05-13	td1a_home/2021_covid_pickle.ipynb	Sérialisation, pickle, COVID	True	63.165	24	24	24
154	100%	2.312	2022-05-13	td1a_home/2021_editdist.ipynb	Distance entre deux mots de même longueur et tests unitaires	True	6.640	17	17	17
155	100%	8.612	2022-05-13	td1a_home/2021_random_graph.ipynb	Algo - graphes aléatoires	True	12.735	22	22	22
156	100%	10.582	2022-05-13	td1a_home/2021_tsp.ipynb	Algo - Aparté sur le voyageur de commerce	True	15.018	9	9	9
157	100%	9.842	2022-05-13	td1a_soft/td1a_cython_edit.ipynb	1A.soft - Calcul numérique et Cython	True	13.968	15	15	15
158	100%	10.868	2022-05-13	td1a_soft/td1a_cython_edit_correction.ipynb	1A.soft - Calcul numérique et Cython - correction	True	14.896	8	8	8
159	100%	222.067	2022-05-13	td1a_soft/td1a_sql.ipynb	1A.soft - Notions de SQL	True	226.270	34	34	34
160	100%	188.107	2022-05-13	td1a_soft/td1a_sql_correction.ipynb	1A.soft - Notions de SQL - correction	True	192.422	15	15	15
161	100%	14.342	2022-05-13	td1a_soft/td1a_unit_test_ci.ipynb	1A.soft - Tests unitaires, setup et ingéniérie logicielle	True	18.528	14	14	14
162	100%	5.468	2022-05-13	td2a/ml_crypted_data.ipynb	2A.ml - Machine Learning et données cryptées	True	9.415	9	9	9
163	100%	27.273	2022-05-13	td2a/ml_crypted_data_correction.ipynb	2A.ml - Machine Learning et données cryptées - correction	True	31.211	38	38	38
164	100%	3.683	2022-05-13	td2a/pandas_iterator.ipynb	2A.data - Pandas et itérateurs	True	7.816	8	8	8
165	100%	5.705	2022-05-13	td2a/pandas_iterator_correction.ipynb	2A.data - Pandas et itérateurs - correction	True	9.647	19	19	19
166	100%	0.198	2022-05-13	td2a/td2a_bigdata_memory.ipynb	2A.i - Stratégies et grandes matrices en mémoire	True	4.139	8	8	8
167	96%	102.689	2022-04-24	td2a/td2a_cenonce_session_1.ipynb	2A.data - DataFrame et Graphes	True	107.179	75	72	72
168	100%	13.328	2022-05-13	td2a/td2a_cenonce_session_2A.ipynb	2A.data - Calcul Matriciel, Optimisation	True	17.557	71	71	71
169	100%	0.452	2022-05-13	td2a/td2a_cenonce_session_2C.ipynb	2A.soft - Jupyter et commandes magiques	True	4.491	5	5	5
170	0%	nan		td2a/td2a_cenonce_session_2D_jupyter.ipynb	2A.i - Jupyter et calcul distribué		nan	72	0
171	0%	nan		td2a/td2a_cenonce_session_2D_parallelisation_local.ipynb	2A.i - Parallélisation locale (énoncé)		nan	7	0
172	100%	1.515	2022-05-13	td2a/td2a_cenonce_session_2E.ipynb	2A.i - Sérialisation	True	5.465	8	8	8
173	100%	3.030	2022-04-24	td2a/td2a_cenonce_session_5.ipynb	2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien	True	7.155	20	20	20
174	100%	21.012	2022-04-24	td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb	2A.i - Données non structurées et programmation fonctionnelle	True	25.155	30	30	30
175	96%	56.211	2022-04-24	td2a/td2a_correction_session_1.ipynb	2A.data - DataFrame et Graphes - correction	True	60.948	27	26	26
176	100%	13.754	2022-04-24	td2a/td2a_correction_session_2A.ipynb	2A.data - Calcul Matriciel, Optimisation - correction	True	18.458	13	13	13
177	100%	7.428	2022-04-24	td2a/td2a_correction_session_2C.ipynb	2A.soft - IPython et commandes magiques - correction	True	12.293	6	6	6
178	100%	35.180	2022-04-24	td2a/td2a_correction_session_2E.ipynb	2A.i - Sérialisation - correction	True	39.435	24	24	24
179	100%	1.623	2022-04-24	td2a/td2a_correction_session_5.ipynb	2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien - correction	True	5.786	3	3	3
180	100%	80.041	2022-04-24	td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb	2A.i - Données non structurées, programmation fonctionnelle - correction	True	84.184	33	33	33
181	100%	13.433	2022-04-24	td2a/td2a_ml_text_features.ipynb	2A.ml - Classification binaire avec features textuelles	True	19.118	18	18	18
182	100%	35.111	2022-04-24	td2a/td2a_ml_text_features_correction.ipynb	2A.ml - Classification binaire avec features textuelles - correction	True	39.323	23	23	23
183	100%	14.351	2022-05-13	td2a/td2a_progressbar.ipynb	2A.i - ProgressBar et fusion de random forest - énoncé	True	18.907	6	6	6
184	100%	43.163	2022-05-13	td2a/td2a_some_nlp.ipynb	2A.ml - Texte et machine learning	True	47.426	36	36	36
185	90%	166.260	2022-05-13	td2a/td2a_visualisation.ipynb	2A.data - Matplotlib	True	170.446	42	38	38
186	100%	0.138	2022-05-13	td2a_algo/gentry_integer_encryption.ipynb	Cryptage homomorphic de Craig Gentry	True	4.090	6	6	6
187	100%	0.203	2022-05-13	td2a_algo/gentry_integer_encryption_correction.ipynb	Cryptage homomorphic de Craig Gentry - correction	True	4.161	6	6	6
188	100%	8.536	2022-05-13	td2a_algo/knn_high_dimension.ipynb	2A.algo - Plus proches voisins en grande dimension	True	12.477	8	8	8
189	100%	117.379	2022-05-13	td2a_algo/knn_high_dimension_correction.ipynb	2A.algo - Plus proches voisins en grande dimension - correction	True	121.442	20	20	20
190	100%	0.146	2022-05-13	td2a_algo/td2a_cenonce_session_6A.ipynb	2A.algo - Puzzles algorithmiques (1)	True	4.097	6	6	6
191	100%	0.247	2022-05-13	td2a_algo/td2a_cenonce_session_6B.ipynb	2A.algo - Puzzles algorithmiques (2)	True	4.278	5	5	5
192	100%	0.762	2022-05-13	td2a_algo/td2a_correction_session_6A.ipynb	2A.algo - Puzzles algorithmes (1) - correction	True	4.722	6	6	6
193	100%	0.138	2022-05-13	td2a_algo/td2a_correction_session_6B.ipynb	2A.algo - Puzzles algorithmes (2) - correction	True	4.141	6	6	6
194	100%	39.793	2022-04-24	td2a_eco/TD2A_Eco_Web_Scraping.ipynb	2A.eco - Web-Scraping	True	43.961	29	29	29
195	100%	23.466	2022-04-24	td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb	2A.eco - Web-Scraping - correction	True	28.471	6	6	6
196	100%	4.753	2022-04-24	td2a_eco/TD2A_eco_API_SNCF.ipynb	2A.eco - Exercice API SNCF	True	8.962	11	11	11
197	100%	36.217	2022-04-24	td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb	2A.eco - Exercice API SNCF corrigé	True	40.400	40	40	40
198	100%	2.567	2022-05-13	td2a_eco/TD2A_eco_debuter_flask.ipynb	2A.eco - Débuter avec Flask	True	6.569	14	14	14
199	100%	7.274	2022-05-13	td2a_eco/TD2A_eco_les_API.ipynb	2A.eco - API, API REST	True	11.199	15	15	15
200	100%	4.592	2022-05-13	td2a_eco/td2_eco_rappels_1a.ipynb	2A.eco - Rappel de ce que vous savez déjà mais avez peut-être oublié	True	8.594	29	29	29
201	100%	18.444	2022-05-13	td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb	2A.eco - Traitement automatique de la langue en Python	True	22.707	34	34	34
202	100%	31.932	2022-05-13	td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb	2A.eco - Traitement automatique de la langue en Python - correction	True	36.090	35	35	35
203	100%	0.000	2022-05-13	td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb	2A.eco - Exercice Python - Eco Séance 2	True	3.898	1	1	1
204	100%	1.393	2022-05-13	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	5.303	3	3	3
205	100%	3.981	2022-05-13	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	7.934	10	10	10
206	100%	8.623	2022-05-13	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	12.614	16	16	16
207	100%	9.649	2022-05-13	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	13.612	14	14	14
208	100%	29.716	2022-05-13	td2a_eco/td2a_eco_regressions_lineaires.ipynb	Régressions linéaires avec Statsmodels et Scikit-Learn	True	33.712	12	12	12
209	100%	4.020	2022-05-13	td2a_eco/td2a_eco_sql.ipynb	2A.eco - Python et la logique SQL	True	8.056	26	26	26
210	100%	5.762	2022-05-13	td2a_eco/td2a_eco_sql_correction.ipynb	2A.eco - Python et la logique SQL - correction	True	10.421	36	36	36
211	100%	38.166	2022-04-24	td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb	TD7 - Analyse de texte	True	42.406	29	29	29
212	100%	38.590	2022-04-24	td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb	TD7 - Analyse de texte - correction	True	43.011	29	29	29
213	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
214	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
215	100%	50.718	2022-04-24	td2a_eco2/td2a_eco_NLP_tf_idf_ngrams_LDA_word2vec_sur_des_extraits_litteraires.ipynb	2A.eco - Introduction au text mining	True	55.033	69	69	69
216	100%	527.399	2022-05-13	td2a_ml/gradient_boosting.ipynb	Gradient Boosting	True	531.585	37	37	37
217	100%	678.368	2022-04-24	td2a_ml/ml_a_tree_overfitting.ipynb	2A.ml - Tree, hyperparamètres, overfitting	True	682.663	28	28	28
218	100%	189.626	2022-05-13	td2a_ml/ml_b_imbalanced.ipynb	2A.ml - Imbalanced dataset	True	194.347	22	22	22
219	100%	17.392	2022-05-13	td2a_ml/ml_c_machine_learning_problems.ipynb	2A.ml - Problèmes classiques de machine learning illustrés	True	21.492	41	41	41
220	100%	0.400	2022-05-13	td2a_ml/ml_cc_machine_learning_problems2.ipynb	2A.ml - Boosting, random forest, gradient - les features qu’ils aiment	True	4.394	4	4	4
221	100%	8.513	2022-05-13	td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb	2A.ml - Interprétabilité et corrélations des variables	True	12.530	27	27	27
222	100%	132.278	2022-05-13	td2a_ml/ml_lasso_rf_grid_search_correction.ipynb	Hyperparamètres, LassoRandomForestRregressor et grid_search (correction)	True	136.260	15	15	15
223	100%	5.618	2022-05-13	td2a_ml/ml_lasso_rf_grid_search_enonce.ipynb	Hyperparamètres, LassoRandomForestRregressor et grid_search (énoncé)	True	9.931	4	4	4
224	100%	4.028	2022-05-13	td2a_ml/ml_scikit_learn_simple.ipynb	Rappels sur scikit-learn et le machine learning	True	7.990	12	12	12
225	100%	17.432	2022-05-13	td2a_ml/ml_scikit_learn_simple_correction.ipynb	Rappels sur scikit-learn et le machine learning (correction)	True	21.912	21	21	21
226	100%	28.432	2022-05-13	td2a_ml/seasonal_timeseries.ipynb	Timeseries	True	32.732	42	42	42
227	100%	111.830	2022-04-24	td2a_ml/td2a_cenonce_session_3A.ipynb	2A.ml - Statistiques descriptives avec scikit-learn	True	125.123	18	18	18
228	100%	179.956	2022-04-24	td2a_ml/td2a_cenonce_session_3B.ipynb	2A.ml - Arbres de décision / Random Forest	True	194.500	16	16	16
229	100%	5.079	2022-05-13	td2a_ml/td2a_cenonce_session_4A.ipynb	2A.ml - Machine Learning et Marketting	True	9.125	9	9	9
230	100%	5.859	2022-05-13	td2a_ml/td2a_clustering.ipynb	2A.ml - Clustering	True	9.835	6	6	6
231	100%	57.139	2022-05-13	td2a_ml/td2a_clustering_correction.ipynb	2A.ml - Clustering - correction	True	61.150	25	25	25
232	100%	65.108	2022-05-13	td2a_ml/td2a_correction_cl_reg_anomaly.ipynb	2A.data - Classification, régression, anomalies - correction	True	69.176	33	33	33
233	100%	1657.597	2022-04-24	td2a_ml/td2a_correction_session_3A.ipynb	2A.ml - Statistiques descriptives avec scikit-learn - correction	True	1662.127	24	24	24
234	100%	628.926	2022-04-24	td2a_ml/td2a_correction_session_3B.ipynb	2A.ml - Arbres de décision / Random Forest - correction	True	633.736	26	26	26
235	100%	209.830	2022-05-13	td2a_ml/td2a_correction_session_4A.ipynb	2A.ml - Machine Learning et Marketting - correction	True	213.940	26	26	26
236	100%	6.612	2022-05-13	td2a_ml/td2a_enonce_cl_reg_anomaly.ipynb	2A.data - Classification, régression, anomalies - énoncé	True	10.586	9	9	9
237	96%	17.725	2022-04-24	td2a_ml/td2a_ethics.ipynb	Machine Learning éthique	True	21.801	31	30	30
238	100%	0.147	2022-04-24	td2a_ml/td2a_ethics_correction.ipynb	Machine Learning éthique - correction	True	4.276	2	2	2
239	100%	33.841	2022-05-13	td2a_ml/td2a_pipeline_tree_selection_correction.ipynb	2A.ml - Pipeline pour un réduction d’une forêt aléatoire - correction	True	37.825	24	24	24
240	100%	7.786	2022-05-13	td2a_ml/td2a_pipeline_tree_selection_enonce.ipynb	2A.ml - Pipeline pour un réduction d’une forêt aléatoire - énoncé	True	12.878	11	11	11
241	100%	6.343	2022-05-13	td2a_ml/td2a_sentiment_analysis.ipynb	2A.ml - Analyse de sentiments	True	10.920	6	6	6
242	100%	34.666	2022-05-13	td2a_ml/td2a_sentiment_analysis_correction.ipynb	2A.ml - Analyse de sentiments - correction	True	38.679	44	44	44
243	100%	8.834	2022-05-13	td2a_ml/td2a_timeseries.ipynb	2A.ml - Séries temporelles	True	12.745	15	15	15
244	100%	27.241	2022-05-13	td2a_ml/td2a_timeseries_correction.ipynb	2A.ml - Séries temporelles - correction	True	31.271	15	15	15
245	100%	169.689	2022-05-13	td2a_ml/td2a_tree_selection_correction.ipynb	2A.ml - Réduction d’une forêt aléatoire - correction	True	174.030	19	19	19
246	100%	5.483	2022-05-13	td2a_ml/td2a_tree_selection_enonce.ipynb	2A.ml - Réduction d’une forêt aléatoire - énoncé	True	9.545	8	8	8

précédent

Hyperparamètres, LassoRandomForestRregressor et grid_search (énoncé)

suivant

Index