Notebooks Coverage

Report on last executions.

76% 2019-06-19

_images/nbcov-2019-06-19.png

index

coverage

exe time

last execution

name

title

success

time

nb cells

nb runs

nb valid

0

100%

8.388

2019-06-12

1a/code_liste_tuple.ipynb

1A.1 - Liste, tuple, ensemble, dictionnaire, liste chaînée, coût des opérations

True

10.057

4

4

4

1

100%

2.313

2019-06-12

1a/code_multinomial.ipynb

1A.1 - Simuler une loi multinomiale

True

4.051

12

12

12

2

100%

0.411

2019-06-12

1a/exercice_echelle.ipynb

1A.algo - Calculer le nombre de façons de monter une échelle.

True

3.036

6

6

6

3

100%

1.262

2019-06-12

1a/exercice_morse.ipynb

1A.algo - Décoder du Morse sans espaces

True

3.038

16

16

16

4

100%

1.459

2019-06-12

1a/exercice_plus_grande_somme.ipynb

1A.algo - La sous-séquence de plus grande somme

True

4.056

15

15

15

5

100%

0.223

2019-06-12

1a/exercice_xn.ipynb

1A.algo - Calculer x**n le plus rapidement possible

True

2.035

4

4

4

6

100%

0.561

2019-06-12

1a/histogramme_rapide.ipynb

1A.1 - Histogramme et dictionnaire

True

3.048

8

8

8

7

100%

3.476

2019-06-12

1a/profiling_example.ipynb

1A.soft - Exemple de profiling

True

6.050

11

11

11

8

100%

0.620

2019-06-12

1a/recherche_dichotomique.ipynb

1A.algo - Recherche dichotomique

True

3.053

9

9

9

9

100%

2.378

2019-06-12

1a/structures_donnees_conversion.ipynb

1A.1 - D’une structure de données à l’autre

True

5.053

29

29

29

10

100%

0.660

2019-06-12

1a/tableau_contingence.ipynb

1A.1 - Calculer un chi 2 sur un tableau de contingence

True

3.058

8

8

8

11

100%

19.156

2019-06-12

1a/tri_nlnd.ipynb

1A.algo - Tri plus rapide que prévu

True

21.076

17

17

17

12

0%

nan

2014-2015/2015_factorisation_matrice.ipynb

3A.mr - 2015 - Factorisation de matrice avec PIG

nan

34

0

13

0%

nan

2014-2015/2015_kmeans.ipynb

3A.mr - 2015 - Kmeans avec PIG

nan

104

0

14

0%

nan

2014-2015/2015_page_rank.ipynb

3A.mr - 2015 - PageRank avec PIG

nan

51

0

15

100%

272.499

2019-06-12

2016-2017/solution_2016_credit_clement.ipynb

2016 - Une solution à la compétition de machine learning 2A

True

274.508

28

28

28

16

100%

3.607

2019-06-12

2016/td2a_eco_competition_comparer_classifieurs.ipynb

2A.ml - 2016 - Compétition - Préparation des données

True

6.084

16

16

16

17

100%

2.858

2019-06-12

2016/td2a_eco_competition_modeles_logistiques.ipynb

2A.ml - 2016 - Compétition ENSAE - Premiers modèles

True

5.143

26

26

26

18

100%

107.896

2019-06-12

2016/td2a_eco_competition_statsdesc.ipynb

2A.ml - 2016 - Compétition - Importation des données

True

110.378

22

22

22

19

100%

5.513

2019-06-12

2017-2018/dimensions_reduction.ipynb

Réduction des dimensions

True

8.053

20

20

20

20

100%

5.584

2019-06-12

2017/prepare_data_2017.ipynb

2A.ml - 2017 - Préparation des données

True

8.048

43

43

43

21

89%

1.718

2019-06-12

2018-2019/2018-09-18_rappels_python.ipynb

2018-09-18 - Rappels sur le langage python

True

4.096

28

25

25

22

100%

2.717

2019-06-12

2018-2019/2018-09-18_rappels_python_pandas_matplotlib.ipynb

2018-09-18 - Rappels sur pandas et maplotlib

True

5.080

29

29

29

23

100%

2.508

2019-06-12

2018-2019/2018-09-18_sklearn_api.ipynb

2018-09-18 - API de scikit-learn

True

5.081

21

21

21

24

100%

0.680

2019-06-12

2018-2019/2018-09-25_distance_entre_mots.ipynb

2018-09-25 - Distance entre mots

True

3.076

11

11

11

25

100%

4.941

2019-06-12

2018-2019/2018-10-02_scraping_recuperer_images.ipynb

2018-10-02 - Scraping, récupérer une image depuis LeMonde

True

7.096

20

20

20

26

100%

36.588

2019-06-12

2018-2019/2018-10-09_ensemble_gradient_boosting.ipynb

2018-10-09 Ensemble, Gradient, Boosting…

True

39.227

18

18

18

27

100%

7.685

2019-06-12

2a/bayesian_with_python.ipynb

2A.ml - Bayesian models with Python

True

10.044

18

18

18

28

100%

147.478

2019-06-12

2a/cffi_linear_regression.ipynb

Optimisation de code avec cffi, numba, cython

True

150.417

92

92

92

29

100%

1.573

2019-06-12

2a/dataframe_matrix_speed.ipynb

2A.i - Mesures de vitesse sur les dataframes

True

4.090

15

15

15

30

100%

6.346

2019-06-12

2a/git_notebook.ipynb

2A.soft - Git depuis le notebook

True

8.042

23

23

23

31

100%

0.707

2019-06-12

2a/jupyter_custom_magics.ipynb

2A.soft - Custom Magics for Jupyter

True

3.129

5

5

5

32

100%

5.842

2019-06-12

2a/ml_timeseries_base.ipynb

2A.ml - Timeseries et machine learning

True

8.100

28

28

28

33

100%

3.573

2019-06-12

2a/notebook_convert.ipynb

2A.soft - Convert a notebook into a document

True

6.057

8

8

8

34

0%

nan

2a/python_r.ipynb

2A.soft - R et notebooks

nan

27

0

35

100%

86.763

2019-06-12

2a/seance_5_dask.ipynb

2A.i - Données non structurées, programmation fonctionnelle : dask

True

89.241

16

16

16

36

100%

36.841

2019-06-12

2a/seance_5_intro_et_json.ipynb

2A.i - Données non structurées, programmation fonctionnelle

True

39.095

20

20

20

37

100%

97.835

2019-06-12

2a/seance_5_prog_fonctionnelle.ipynb

2A.i - programmation fonctionnelle

True

100.143

44

44

44

38

100%

13.258

2019-06-12

2a/timeseries_ssa.ipynb

Single Spectrum Analysis (SSA)

True

15.114

27

27

27

39

100%

0.837

2019-06-12

exams/interro_rapide_20_minutes_2014_09.ipynb

1A.e - Correction de l’interrogation écrite du 26 septembre 2014

True

3.051

12

12

12

40

100%

1.379

2019-06-12

exams/interro_rapide_20_minutes_2014_10.ipynb

1A.e - Correction de l’interrogation écrite du 10 octobre 2014

True

4.069

17

17

17

41

82%

2.861

2019-06-12

exams/interro_rapide_20_minutes_2014_11.ipynb

1A.e - Correction de l’interrogation écrite du 14 novembre 2014

True

5.057

35

29

29

42

100%

0.996

2019-06-12

exams/interro_rapide_20_minutes_2014_12.ipynb

1A.e - Correction de l’interrogation écrite du 14 novembre 2014

True

3.061

15

15

15

43

100%

0.480

2019-06-12

exams/interro_rapide_20_minutes_2015_09.ipynb

1A.e - Correction de l’interrogation écrite du 26 septembre 2015

True

3.062

12

12

12

44

100%

0.803

2019-06-12

exams/interro_rapide_20_minutes_2015_11.ipynb

1A.e - Correction de l’interrogation écrite du 6 novembre 2015

True

3.050

16

16

16

45

100%

6.985

2019-06-12

exams/td_note_2013_bout_de_code_coloriage.ipynb

1A.e - TD noté, 27 novembre 2012 (éléments de code pour le coloriage)

True

9.066

6

6

6

46

100%

16.353

2019-06-12

exams/td_note_2013_coloriage_correction.ipynb

1A.e - TD noté, 27 novembre 2012 (coloriage, correction)

True

18.083

14

14

14

47

100%

2.561

2019-06-12

exams/td_note_2015.ipynb

1A.e - TD noté, 5 décembre 2014

True

5.054

36

36

36

48

100%

0.143

2019-06-12

exams/td_note_2015_rattrapage_enonce.ipynb

1A.e - TD noté 2015 rattrapage (énoncé, écrit et oral)

True

2.050

6

6

6

49

100%

2.986

2019-06-12

exams/td_note_2016.ipynb

1A.e - TD noté, 11 décembre 2015

True

5.059

26

26

26

50

100%

1.804

2019-06-12

exams/td_note_2017.ipynb

1A.e - TD noté, 16 décembre 2016

True

4.055

23

23

23

51

100%

1.394

2019-06-12

exams/td_note_2017_2.ipynb

1A.e - TD noté, 21 février 2017

True

3.038

21

21

21

52

100%

4.847

2019-06-12

exams/td_note_2018_1.ipynb

1A.e - Enoncé 12 décembre 2017 (1)

True

7.056

25

25

25

53

100%

3.964

2019-06-12

exams/td_note_2018_2.ipynb

1A.e - Enoncé 12 décembre 2017 (2)

True

6.055

21

21

21

54

100%

19.347

2019-06-12

exams/td_note_2019_1.ipynb

1A.e - Enoncé 23 octobre 2018 (1)

True

21.074

17

17

17

55

100%

7.906

2019-06-12

exams/td_note_2019_2.ipynb

1A.e - Enoncé 23 octobre 2018 (2)

True

10.046

18

18

18

56

100%

12.748

2019-06-12

expose/BJKST.ipynb

2A.algo - Algorithmes de streaming : généralités

True

15.076

39

39

39

57

100%

5.517

2019-06-12

expose/expose_TSP.ipynb

2A.algo - Réflexions autour du voyage de commerce (TSP)

True

8.066

11

11

11

58

100%

1.197

2019-06-12

expose/expose_einstein_riddle.ipynb

2A.algo - L’énigme d’Einstein et sa résolution

True

3.085

4

4

4

59

100%

2.076

2019-06-12

expose/expose_graphe_et_map_reduce.ipynb

3A.mr - Graphes et Map Reduce

True

4.058

11

11

11

60

100%

0.421

2019-06-12

expose/expose_rwr_recommandation.ipynb

3A.mr - Random Walk with Restart (système de recommandations)

True

3.031

4

4

4

61

100%

5.473

2019-06-12

expose/expose_vigenere.ipynb

1A.algo - Casser le code de Vigenère

True

8.058

9

9

9

62

100%

29.422

2019-06-12

expose/hash_distribution.ipynb

2A.algo - Hash et distribution

True

31.107

14

14

14

63

100%

12.000

2019-06-12

expose/ml_features_model.ipynb

2A.ml - Features ou modèle

True

14.076

15

15

15

64

100%

7.321

2019-06-12

expose/ml_huge_datasets.ipynb

2A.i - Huge datasets, datasets hiérarchiques

True

9.144

21

21

21

65

100%

534.632

2019-06-12

expose/ml_rue_paris_parcours.ipynb

2A.algo - Parcourir les rues de Paris

True

536.855

24

24

24

66

100%

170.379

2019-06-12

expose/ml_table_mortalite.ipynb

2A.i - Table de mortalité dans plusieurs containers

True

172.334

34

34

34

67

100%

1.860

2019-06-12

sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb

2A.ML101.0: What is machine learning?

True

4.050

13

13

13

68

100%

2.398

2019-06-12

sklearn_ensae_course/01_data_manipulation.ipynb

2A.ML101.1: Introduction to data manipulation with scientific Python

True

4.076

18

18

18

69

100%

3.043

2019-06-12

sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb

2A.ML101.2: Basic principles of machine learning with scikit-learn

True

5.077

15

15

15

70

100%

5.993

2019-06-12

sklearn_ensae_course/03_supervised_classification.ipynb

2A.ML101.3: Supervised Learning: Classification of Handwritten Digits

True

8.093

12

12

12

71

100%

4.187

2019-06-12

sklearn_ensae_course/04_supervised_regression.ipynb

2A.ML101.4: Supervised Learning: Regression of Housing Data

True

6.068

12

12

12

72

100%

5.258

2019-06-12

sklearn_ensae_course/05_measuring_prediction_performance.ipynb

2A.ML101.5: Measuring prediction performance

True

7.091

23

23

23

73

100%

7.258

2019-06-12

sklearn_ensae_course/06_unsupervised_dimreduction.ipynb

2A.ML101.6: Unsupervised Learning: Dimensionality Reduction and Visualization

True

9.095

18

18

18

74

100%

5.760

2019-06-12

sklearn_ensae_course/07_application_to_face_recognition.ipynb

2A.ML101.7: Example from Image Processing

True

8.075

19

19

19

75

100%

3.528

2019-06-12

sklearn_ensae_course/08_validation_and_learning_curves.ipynb

2A.ML101.8: Parameter selection, Validation & Testing

True

6.060

15

15

15

76

100%

0.303

2019-06-12

td1a/integrale_rectangle.ipynb

1A.1 - Intégrale et la méthode des rectangles

True

2.060

6

6

6

77

100%

2.649

2019-06-12

td1a/integrale_rectangle_correction.ipynb

1A.1 - Intégrale et la méthode des rectangles - correction

True

5.057

30

30

30

78

100%

0.225

2019-06-12

td1a/j2048.ipynb

1A.2 - 2048 - stratégie gagnante

True

2.039

3

3

3

79

100%

0.736

2019-06-12

td1a/j2048_correction.ipynb

1A.2 - 2048 - stratégie gagnante - correction

True

3.052

11

11

11

80

0%

nan

td1a/matrix_dictionary.ipynb

Produit matriciel avec une matrice creuse

nan

36

0

81

100%

0.232

2019-06-12

td1a/pp_exo_deviner_un_nombre.ipynb

1A.1 - Deviner un nombre aléatoire

True

2.055

5

5

5

82

100%

0.570

2019-06-12

td1a/pp_exo_deviner_un_nombre_correction.ipynb

1A.1 - Deviner un nombre aléatoire (correction)

True

3.040

7

7

7

83

75%

0.870

2019-06-12

td1a/td1a_cenonce_session1.ipynb

1A.0 - Premiers pas en Python

True

3.027

16

12

12

84

100%

2.027

2019-06-12

td1a/td1a_cenonce_session2.ipynb

1A.1 - Variables, boucles, tests

True

4.039

30

30

30

85

100%

1.301

2019-06-12

td1a/td1a_cenonce_session3.ipynb

1A.1 - Dictionnaires, fonctions, code de Vigenère

True

3.322

26

26

26

86

100%

2.022

2019-06-12

td1a/td1a_cenonce_session4.ipynb

1A.2 - Modules, fichiers, expressions régulières

True

4.057

20

20

20

87

100%

1.103

2019-06-12

td1a/td1a_cenonce_session5.ipynb

1A.2 - Classes, méthodes, attributs, opérateurs et carré magique

True

3.050

17

17

17

88

100%

0.636

2019-06-12

td1a/td1a_cenonce_session6.ipynb

1A.2 - Classes, héritage

True

3.043

11

11

11

89

100%

0.844

2019-06-12

td1a/td1a_correction_session1.ipynb

1A.0 - Premiers pas en Python (correction)

True

3.054

13

13

13

90

100%

0.596

2019-06-12

td1a/td1a_correction_session2.ipynb

1A.1 - Variables, boucles, tests (correction)

True

3.053

8

8

8

91

100%

0.548

2019-06-12

td1a/td1a_correction_session3.ipynb

1A.1 - Dictionnaires, fonctions, code de Vigenère (correction)

True

3.033

9

9

9

92

100%

2.088

2019-06-12

td1a/td1a_correction_session4.ipynb

1A.2 - Modules, fichiers, expressions régulières (correction)

True

4.058

20

20

20

93

100%

9.763

2019-06-12

td1a/td1a_correction_session5.ipynb

1A.2 - Classes, méthodes, attributs, opérateurs et carré magique (correction)

True

12.035

12

12

12

94

100%

0.414

2019-06-12

td1a/td1a_correction_session6.ipynb

1A.2 - Classes, héritage (correction)

True

3.033

5

5

5

95

100%

0.564

2019-06-12

td1a/td1a_pyramide_bigarree.ipynb

1A.1 - Tracer une pyramide bigarrée

True

3.042

5

5

5

96

100%

1.708

2019-06-12

td1a/td1a_pyramide_bigarree_correction.ipynb

1A.1 - Tracer une pyramide bigarrée - correction

True

4.060

11

11

11

97

100%

0.740

2019-06-12

td1a/texte_langue.ipynb

1A.2 - Deviner la langue d’un texte

True

3.041

6

6

6

98

100%

4.557

2019-06-12

td1a/texte_langue_correction.ipynb

1A.2 - Deviner la langue d’un texte (correction)

True

7.061

23

23

23

99

100%

0.249

2019-06-12

td1a_algo/BJKST_enonce.ipynb

1A.algo - BJKST - calculer le nombre d’éléments distincts

True

2.076

4

4

4

100

100%

0.860

2019-06-12

td1a_algo/graph1exo_parcours.ipynb

1A.algo - Parcours de graphe

True

3.040

8

8

8

101

100%

0.970

2019-06-12

td1a_algo/graph1exo_parcours_correction.ipynb

1A.algo - Parcours de graphe - correction

True

3.044

9

9

9

102

100%

0.546

2019-06-12

td1a_algo/graph4exos.ipynb

1A.algo - Des problèmes de graphes

True

3.039

6

6

6

103

100%

0.705

2019-06-12

td1a_algo/graph_spectral_clustering.ipynb

1A.algo - Spectral Clustering

True

3.056

6

6

6

104

100%

1.137

2019-06-12

td1a_algo/graph_spectral_clustering_correction.ipynb

1A.algo - Spectral Clustering - correction

True

3.058

11

11

11

105

100%

0.084

2019-06-12

td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb

1A.algo - distance de Jaccard (dictionnaires)

True

2.037

4

4

4

106

100%

3.486

2019-06-12

td1a_algo/td1a_cenonce_session7.ipynb

1A.algo - Programmation dynamique et plus court chemin

True

6.049

17

17

17

107

100%

0.294

2019-06-12

td1a_algo/td1a_cenonce_session7_edition.ipynb

1A.algo - La distance d’édition

True

2.037

8

8

8

108

100%

0.301

2019-06-12

td1a_algo/td1a_cenonce_session8.ipynb

1A.algo - Arbre et Trie

True

3.036

10

10

10

109

100%

0.093

2019-06-12

td1a_algo/td1a_cenonce_session8_wikiroot.ipynb

1A.algo - Parcours dans un graphe (wikipédia)

True

2.035

4

4

4

110

100%

0.369

2019-06-12

td1a_algo/td1a_cenonce_session9.ipynb

1A.algo - Optimisation sous contrainte

True

2.036

6

6

6

111

100%

3.939

2019-06-12

td1a_algo/td1a_correction_session4_5_jaccard.ipynb

1A.algo - distance de Jaccard (dictionnaires) - correction

True

6.060

17

17

17

112

100%

4.492

2019-06-12

td1a_algo/td1a_correction_session7.ipynb

1A.algo - Programmation dynamique et plus court chemin (correction)

True

7.050

15

15

15

113

100%

1.504

2019-06-12

td1a_algo/td1a_correction_session7_edition.ipynb

1A.algo - La distance d’édition (correction)

True

4.043

20

20

20

114

100%

63.175

2019-06-12

td1a_algo/td1a_correction_session8.ipynb

1A.algo - Arbre et Trie (correction)

True

65.203

20

20

20

115

100%

2.391

2019-06-12

td1a_algo/td1a_correction_session8_wikiroot.ipynb

1A.algo - Parcours dans un graphe (wikipédia) - correction

True

5.049

5

5

5

116

100%

0.720

2019-06-12

td1a_algo/td1a_correction_session9.ipynb

1A.algo - Optimisation sous contrainte (correction)

True

3.103

7

7

7

117

100%

0.000

2019-06-12

td1a_algo/td1a_plus_grande_somme.ipynb

1A.algo - la sous-séquence de plus grande somme

True

2.048

1

1

1

118

100%

135.635

2019-06-12

td1a_algo/td1a_plus_grande_somme_correction.ipynb

1A.algo - la sous-séquence de plus grande somme - correction

True

138.173

10

10

10

119

87%

1.193

2019-06-12

td1a_algo/td1a_quicksort.ipynb

1A.algo - Quicksort

True

3.057

8

7

7

120

100%

1.889

2019-06-12

td1a_algo/td1a_quicksort_correction.ipynb

1A.algo - quicksort - correction

True

4.038

10

10

10

121

100%

0.696

2019-06-12

td1a_algo/td1a_sobel.ipynb

1A.algo - filtre de Sobel

True

3.057

6

6

6

122

100%

4.866

2019-06-12

td1a_algo/td1a_sobel_correction.ipynb

1A.algo - filtre de Sobel - correction

True

7.039

8

8

8

123

100%

0.088

2019-06-12

td1a_dfnp/decorrelation.ipynb

1A.data - Décorrélation de variables aléatoires

True

2.042

7

7

7

124

100%

0.995

2019-06-12

td1a_dfnp/decorrelation_correction.ipynb

1A.data - Décorrélation de variables aléatoires - correction

True

3.059

15

15

15

125

100%

4.374

2019-06-12

td1a_dfnp/td1a_cenonce_session_10.ipynb

1A.data - DataFrame et Matrice

True

7.054

51

51

51

126

100%

11.368

2019-06-12

td1a_dfnp/td1a_cenonce_session_12_carte.ipynb

1A.data - Visualisation des données - cartes

True

14.064

22

22

22

127

100%

5.622

2019-06-12

td1a_dfnp/td1a_cenonce_session_12_js.ipynb

1A.data - Visualisation des données - graphes interactifs

True

8.128

9

9

9

128

87%

17.493

2019-06-12

td1a_dfnp/td1a_cenonce_session_12_plot.ipynb

1A.data - Visualisation des données

True

20.125

16

14

14

129

100%

2.396

2019-06-12

td1a_dfnp/td1a_correction_session_10.ipynb

1A.data - DataFrame et Matrice (correction)

True

5.121

18

18

18

130

100%

36.037

2019-06-12

td1a_dfnp/td1a_correction_session_12.ipynb

1A.data - visualisation des données - correction

True

38.113

14

14

14

131

100%

1.514

2019-06-12

td1a_soft/td1a_cython_edit.ipynb

1A.soft - Calcul numérique et Cython

True

4.064

15

15

15

132

100%

2.497

2019-06-12

td1a_soft/td1a_cython_edit_correction.ipynb

1A.soft - Calcul numérique et Cython - correction

True

5.033

8

8

8

133

100%

60.699

2019-06-12

td1a_soft/td1a_sql.ipynb

1A.soft - Notions de SQL

True

63.182

34

34

34

134

100%

53.562

2019-06-12

td1a_soft/td1a_sql_correction.ipynb

1A.soft - Notions de SQL - correction

True

56.101

15

15

15

135

100%

3.348

2019-06-12

td1a_soft/td1a_unit_test_ci.ipynb

1A.soft - Tests unitaires, setup et ingéniérie logicielle

True

5.063

14

14

14

136

100%

0.705

2019-06-12

td2a/ml_crypted_data.ipynb

2A.ml - Machine Learning et données cryptées

True

3.064

9

9

9

137

100%

7.717

2019-06-12

td2a/ml_crypted_data_correction.ipynb

2A.ml - Machine Learning et données cryptées - correction

True

10.045

38

38

38

138

100%

0.720

2019-06-12

td2a/pandas_iterator.ipynb

2A.data - Pandas et itérateurs

True

3.056

8

8

8

139

100%

2.176

2019-06-12

td2a/pandas_iterator_correction.ipynb

2A.data - Pandas et itérateurs - correction

True

4.040

19

19

19

140

100%

0.088

2019-06-12

td2a/td2a_bigdata_memory.ipynb

2A.i - Stratégies et grandes matrices en mémoire

True

2.041

8

8

8

141

96%

22.316

2019-06-12

td2a/td2a_cenonce_session_1.ipynb

2A.data - DataFrame et Graphes

True

24.280

75

72

72

142

100%

5.049

2019-06-12

td2a/td2a_cenonce_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation

True

8.068

71

71

71

143

100%

0.337

2019-06-12

td2a/td2a_cenonce_session_2C.ipynb

2A.soft - Jupyter et commandes magiques

True

2.046

5

5

5

144

0%

nan

td2a/td2a_cenonce_session_2D_jupyter.ipynb

2A.i - Jupyter et calcul distribué

nan

72

0

145

0%

nan

td2a/td2a_cenonce_session_2D_parallelisation_local.ipynb

2A.i - Parallélisation locale (énoncé)

nan

7

0

146

100%

0.610

2019-06-12

td2a/td2a_cenonce_session_2E.ipynb

2A.i - Sérialisation

True

3.053

8

8

8

147

100%

1.419

2019-06-12

td2a/td2a_cenonce_session_5.ipynb

2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien

True

4.060

20

20

20

148

100%

12.158

2019-06-12

td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb

2A.i - Données non structurées et programmation fonctionnelle

True

14.053

30

30

30

149

96%

26.763

2019-06-12

td2a/td2a_correction_session_1.ipynb

2A.data - DataFrame et Graphes - correction

True

29.087

27

26

26

150

100%

2.230

2019-06-12

td2a/td2a_correction_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation - correction

True

4.146

13

13

13

151

100%

0.927

2019-06-12

td2a/td2a_correction_session_2C.ipynb

2A.soft - IPython et commandes magiques - correction

True

3.063

6

6

6

152

100%

21.842

2019-06-12

td2a/td2a_correction_session_2E.ipynb

2A.i - Sérialisation - correction

True

24.242

22

22

22

153

100%

0.518

2019-06-12

td2a/td2a_correction_session_5.ipynb

2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien - correction

True

3.084

3

3

3

154

100%

24.932

2019-06-12

td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb

2A.i - Données non structurées, programmation fonctionnelle - correction

True

27.138

33

33

33

155

100%

4.095

2019-06-12

td2a/td2a_ml_text_features.ipynb

2A.ml - Classification binaire avec features textuelles

True

6.070

18

18

18

156

100%

28.426

2019-06-12

td2a/td2a_ml_text_features_correction.ipynb

2A.ml - Classification binaire avec features textuelles - correction

True

30.090

23

23

23

157

100%

11.312

2019-06-12

td2a/td2a_progressbar.ipynb

2A.i - ProgressBar et fusion de random forest - énoncé

True

13.050

6

6

6

158

100%

9.315

2019-06-12

td2a/td2a_some_nlp.ipynb

2A.ml - Texte et machine learning

True

11.153

29

29

29

159

90%

45.196

2019-06-12

td2a/td2a_visualisation.ipynb

2A.data - Matplotlib

True

47.129

42

38

38

160

100%

0.087

2019-06-12

td2a_algo/gentry_integer_encryption.ipynb

Cryptage homomorphic de Craig Gentry

True

2.072

6

6

6

161

100%

0.091

2019-06-12

td2a_algo/gentry_integer_encryption_correction.ipynb

Cryptage homomorphic de Craig Gentry - correction

True

2.078

6

6

6

162

100%

6.653

2019-06-12

td2a_algo/knn_high_dimension.ipynb

2A.algo - Plus proches voisins en grande dimension

True

9.084

8

8

8

163

100%

29.434

2019-06-12

td2a_algo/knn_high_dimension_correction.ipynb

2A.algo - Plus proches voisins en grande dimension - correction

True

31.116

20

20

20

164

100%

0.110

2019-06-12

td2a_algo/td2a_cenonce_session_6A.ipynb

2A.algo - Puzzles algorithmiques (1)

True

2.035

6

6

6

165

100%

0.085

2019-06-12

td2a_algo/td2a_cenonce_session_6B.ipynb

2A.algo - Puzzles algorithmiques (2)

True

2.065

5

5

5

166

100%

0.363

2019-06-12

td2a_algo/td2a_correction_session_6A.ipynb

2A.algo - Puzzles algorithmes (1) - correction

True

2.060

6

6

6

167

100%

0.087

2019-06-12

td2a_algo/td2a_correction_session_6B.ipynb

2A.algo - Puzzles algorithmes (2) - correction

True

2.050

6

6

6

168

100%

46.602

2019-06-12

td2a_eco/TD2A_Eco_Web_Scraping.ipynb

2A.eco - Web-Scraping

True

49.090

29

29

29

169

100%

11.234

2019-06-12

td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb

2A.eco - Web-Scraping - correction

True

13.109

6

6

6

170

100%

1.053

2019-06-12

td2a_eco/TD2A_eco_API_SNCF.ipynb

2A.eco - Exercice API SNCF

True

3.061

8

8

8

171

100%

52.973

2019-06-12

td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb

2A.eco - Exercice API SNCF corrigé

True

55.094

35

35

35

172

100%

1.045

2019-06-12

td2a_eco/TD2A_eco_debuter_flask.ipynb

2A.eco - Débuter avec Flask

True

3.030

14

14

14

173

100%

3.444

2019-06-12

td2a_eco/TD2A_eco_les_API.ipynb

2A.eco - API, API REST

True

6.067

14

14

14

174

100%

2.133

2019-06-12

td2a_eco/td2_eco_rappels_1a.ipynb

2A.eco - Rappel de ce que vous savez déjà mais avez peut-être oublié

True

4.319

29

29

29

175

100%

5.090

2019-06-12

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb

2A.eco - Traitement automatique de la langue en Python

True

7.216

34

34

34

176

100%

8.521

2019-06-12

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb

2A.eco - Traitement automatique de la langue en Python - correction

True

11.099

35

35

35

177

100%

0.000

2019-06-12

td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb

2A.eco - Exercice Python - Eco Séance 2

True

2.033

1

1

1

178

100%

0.468

2019-06-12

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

3.038

3

3

3

179

100%

1.205

2019-06-12

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

3.062

10

10

10

180

100%

3.122

2019-06-12

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

5.064

16

16

16

181

100%

3.417

2019-06-12

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

6.044

14

14

14

182

100%

8.157

2019-06-12

td2a_eco/td2a_eco_regressions_lineaires.ipynb

Régressions linéaires avec Statsmodels et Scikit-Learn

True

10.071

12

12

12

183

100%

2.125

2019-06-12

td2a_eco/td2a_eco_sql.ipynb

2A.eco - Python et la logique SQL

True

4.195

26

26

26

184

100%

2.833

2019-06-12

td2a_eco/td2a_eco_sql_correction.ipynb

2A.eco - Python et la logique SQL - correction

True

5.066

36

36

36

185

0%

nan

td2a_eco2/td2A_eco_API_pocket_et_Webscraping_correction.ipynb

2A.eco - Web Scrapping et API avec Pocket - correction

nan

123

0

186

0%

nan

td2a_eco2/td2a_NLP_pocket.ipynb

NLP, Scrapping avec Pocket

nan

65

0

187

0%

nan

td2a_eco2/td2a_NLP_pocket_correction.ipynb

NLP, Scrapping avec Pocket - correction

nan

108

0

188

0%

nan

td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb

TD7 - Analyse de texte

nan

61

0

189

0%

nan

td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb

TD7 - Analyse de texte - correction

nan

61

0

190

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

191

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

192

0%

nan

td2a_eco2/td2a_eco_API_pocket_et_Webscraping.ipynb

2A.eco - Web Scrapping et API avec Pocket

nan

94

0

193

0%

nan

td2a_eco2/td2a_eco_NLP_tf_idf_ngrams_LDA_word2vec_sur_des_extraits_litteraires.ipynb

2A.eco - Introduction au text mining

nan

109

0

194

100%

109.041

2019-06-12

td2a_ml/ml_a_tree_overfitting.ipynb

2A.ml - Tree, hyperparamètres, overfitting

True

111.317

27

27

27

195

100%

36.593

2019-06-12

td2a_ml/ml_b_imbalanced.ipynb

2A.ml - Imbalanced dataset

True

39.121

20

20

20

196

100%

5.305

2019-06-12

td2a_ml/ml_c_machine_learning_problems.ipynb

2A.ml - Problèmes classiques de machine learning illustrés

True

7.093

41

41

41

197

100%

0.191

2019-06-12

td2a_ml/ml_cc_machine_learning_problems2.ipynb

2A.ml - Boosting, random forest, gradient - les features qu’ils aiment

True

2.034

4

4

4

198

100%

2.454

2019-06-12

td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb

2A.ml - Interprétabilité et corrélations des variables

True

5.041

26

26

26

199

100%

7.778

2019-06-12

td2a_ml/ml_d_libraries.ipynb

2A.ml - Librairies de machine learning

True

11.400

21

21

21

200

0%

nan

td2a_ml/ml_d_library_h2o.ipynb

2A.ml - Machine Learning avec H2O et Python

nan

18

0

201

100%

0.515

2019-06-12

td2a_ml/ml_scikit_learn_simple.ipynb

Rappels sur scikit-learn et le machine learning

True

3.081

12

12

12

202

100%

4.060

2019-06-12

td2a_ml/ml_scikit_learn_simple_correction.ipynb

Rappels sur scikit-learn et le machine learning (correction)

True

6.206

21

21

21

203

100%

238.261

2019-06-12

td2a_ml/td2a_cenonce_session_3A.ipynb

2A.ml - Statistiques descriptives avec scikit-learn

True

240.447

21

21

21

204

100%

43.079

2019-06-12

td2a_ml/td2a_cenonce_session_3B.ipynb

2A.ml - Arbres de décision / Random Forest

True

45.228

16

16

16

205

100%

0.970

2019-06-12

td2a_ml/td2a_cenonce_session_4A.ipynb

2A.ml - Machine Learning et Marketting

True

3.206

9

9

9

206

100%

1.201

2019-06-12

td2a_ml/td2a_clustering.ipynb

2A.ml - Clustering

True

3.042

6

6

6

207

100%

25.591

2019-06-12

td2a_ml/td2a_clustering_correction.ipynb

2A.ml - Clustering - correction

True

28.104

25

25

25

208

100%

326.726

2019-06-12

td2a_ml/td2a_correction_session_3A.ipynb

2A.ml - Statistiques descriptives avec scikit-learn - correction

True

329.795

23

23

23

209

100%

134.010

2019-06-12

td2a_ml/td2a_correction_session_3B.ipynb

2A.ml - Arbres de décision / Random Forest - correction

True

136.508

26

26

26

210

100%

8.697

2019-06-12

td2a_ml/td2a_correction_session_4A.ipynb

2A.ml - Machine Learning et Marketting - correction

True

11.216

26

26

26

211

81%

3.019

2019-06-12

td2a_ml/td2a_ethics.ipynb

Machine Learning éthique

True

5.035

16

13

13

212

100%

0.092

2019-06-12

td2a_ml/td2a_ethics_correction.ipynb

Machine Learning éthique - correction

True

2.056

2

2

2

213

100%

0.673

2019-06-12

td2a_ml/td2a_sentiment_analysis.ipynb

2A.ml - Analyse de sentiments

True

3.058

6

6

6

214

100%

91.153

2019-06-12

td2a_ml/td2a_sentiment_analysis_correction.ipynb

2A.ml - Analyse de sentiments - correction

True

93.160

44

44

44

215

100%

1.450

2019-06-12

td2a_ml/td2a_timeseries.ipynb

2A.ml - Séries temporelles

True

4.063

15

15

15

216

100%

5.254

2019-06-12

td2a_ml/td2a_timeseries_correction.ipynb

2A.ml - Séries temporelles - correction

True

7.054

16

16

16

_images/nbcov.png