Notebooks Coverage

Report on last executions.

78% 2018-07-11

_images/nbcov-2018-07-11.png
index coverage exe time last execution name title success time nb cells nb runs nb valid
0 100% 12.870 2018-07-11 1a/code_liste_tuple.ipynb 1A.1 - Liste, tuple, ensemble, dictionnaire, liste chaînée, coût des opérations True 17.096 4 4 4
1 100% 3.309 2018-07-11 1a/code_multinomial.ipynb 1A.1 - Simuler une loi multinomiale True 7.117 12 12 12
2 100% 0.189 2018-07-11 1a/exercice_echelle.ipynb 1A.algo - Calculer le nombre de façons de monter une échelle. True 4.088 6 6 6
3 100% 0.086 2018-07-11 1a/exercice_morse.ipynb 1A.algo - Décoder du Morse sans espaces True 5.110 4 4 4
4 100% 1.171 2018-07-11 1a/exercice_plus_grande_somme.ipynb 1A.algo - La sous-séquence de plus grande somme True 5.118 15 15 15
5 100% 0.119 2018-07-11 1a/exercice_xn.ipynb 1A.algo - Calculer x**n le plus rapidement possible True 4.094 4 4 4
6 100% 0.261 2018-07-11 1a/histogramme_rapide.ipynb 1A.1 - Histogramme et dictionnaire True 5.099 8 8 8
7 100% 5.515 2018-07-11 1a/profiling_example.ipynb 1A.soft - Exemple de profiling True 10.155 11 11 11
8 100% 1.151 2018-07-11 1a/recherche_dichotomique.ipynb 1A.algo - Recherche dichotomique True 6.116 9 9 9
9 100% 1.539 2018-07-11 1a/structures_donnees_conversion.ipynb 1A.1 - D’une structure de données à l’autre True 6.116 28 28 28
10 100% 0.853 2018-07-11 1a/tableau_contingence.ipynb 1A.1 - Calculer un chi 2 sur un tableau de contingence True 5.109 8 8 8
11 100% 28.688 2018-07-11 1a/tri_nlnd.ipynb 1A.algo - Tri plus rapide que prévu True 33.144 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% 54.669 2018-07-11 2016-2017/solution_2016_credit_clement.ipynb 2016 - Une solution à la compétition de machine learning 2A True 59.202 28 28 28
16 100% 6.434 2018-07-04 2016/td2a_eco_competition_comparer_classifieurs.ipynb 2A.ml - 2016 - Compétition - Préparation des données True 11.148 16 16 16
17 100% 6.669 2018-07-04 2016/td2a_eco_competition_modeles_logistiques.ipynb 2A.ml - 2016 - Compétition ENSAE - Premiers modèles True 11.153 26 26 26
18 100% 122.773 2018-07-04 2016/td2a_eco_competition_statsdesc.ipynb 2A.ml - 2016 - Compétition - Importation des données True 127.317 22 22 22
19 100% 6.171 2018-07-11 2017-2018/dimensions_reduction.ipynb Réduction des dimensions True 10.126 20 20 20
20 100% 7.768 2018-07-09 2017/prepare_data_2017.ipynb 2A.ml - 2017 - Préparation des données True 12.168 43 43 43
21 100% 4.691 2018-07-04 2a/bayesian_with_python.ipynb 2A.ml - Bayesian models with Python True 9.117 18 18 18
22 100% 117.201 2018-07-04 2a/cffi_linear_regression.ipynb Optimisation de code avec cffi, numba, cython True 121.283 75 75 75
23 100% 1.975 2018-07-11 2a/dataframe_matrix_speed.ipynb 2A.i - Mesures de vitesse sur les dataframes True 6.122 15 15 15
24 100% 7.182 2018-07-11 2a/git_notebook.ipynb 2A.soft - Git depuis le notebook True 11.104 23 23 23
25 100% 0.857 2018-07-11 2a/jupyter_custom_magics.ipynb 2A.soft - Custom Magics for Jupyter True 6.116 5 5 5
26 100% 7.230 2018-07-11 2a/ml_timeseries_base.ipynb 2A.ml - Timeseries et machine learning True 11.132 28 28 28
27 100% 2.563 2018-07-11 2a/notebook_convert.ipynb 2A.soft - Convert a notebook into a document True 7.114 8 8 8
28 100% 6.900 2018-07-04 2a/python_r.ipynb 2A.soft - R et notebooks True 11.247 17 17 17
29 100% 223.577 2018-07-04 2a/seance_5_dask.ipynb 2A.i - Données non structurées, programmation fonctionnelle : dask True 228.737 16 16 16
30 100% 56.965 2018-07-04 2a/seance_5_intro_et_json.ipynb 2A.i - Données non structurées, programmation fonctionnelle True 61.190 20 20 20
31 100% 104.151 2018-07-04 2a/seance_5_prog_fonctionnelle.ipynb 2A.i - programmation fonctionnelle True 108.226 44 44 44
32 100% 0.337 2018-07-11 exams/interro_rapide_20_minutes_2014_09.ipynb 1A.e - Correction de l’interrogation écrite du 26 septembre 2014 True 4.101 12 12 12
33 100% 1.242 2018-07-11 exams/interro_rapide_20_minutes_2014_10.ipynb 1A.e - Correction de l’interrogation écrite du 10 octobre 2014 True 5.105 17 17 17
34 82% 3.311 2018-07-11 exams/interro_rapide_20_minutes_2014_11.ipynb 1A.e - Correction de l’interrogation écrite du 14 novembre 2014 True 8.105 35 29 29
35 100% 0.410 2018-07-11 exams/interro_rapide_20_minutes_2014_12.ipynb 1A.e - Correction de l’interrogation écrite du 14 novembre 2014 True 5.103 15 15 15
36 100% 0.231 2018-07-11 exams/interro_rapide_20_minutes_2015_09.ipynb 1A.e - Correction de l’interrogation écrite du 26 septembre 2015 True 4.100 12 12 12
37 100% 0.340 2018-07-11 exams/interro_rapide_20_minutes_2015_11.ipynb 1A.e - Correction de l’interrogation écrite du 6 novembre 2015 True 5.101 16 16 16
38 100% 11.173 2018-07-11 exams/td_note_2013_bout_de_code_coloriage.ipynb 1A.e - TD noté, 27 novembre 2012 (éléments de code pour le coloriage) True 15.138 6 6 6
39 100% 30.610 2018-07-11 exams/td_note_2013_coloriage_correction.ipynb 1A.e - TD noté, 27 novembre 2012 (coloriage, correction) True 35.186 14 14 14
40 100% 1.075 2018-07-11 exams/td_note_2015.ipynb 1A.e - TD noté, 5 décembre 2014 True 6.117 36 36 36
41 100% 0.087 2018-07-11 exams/td_note_2015_rattrapage_enonce.ipynb 1A.e - TD noté 2015 rattrapage (énoncé, écrit et oral) True 5.110 6 6 6
42 100% 4.914 2018-07-11 exams/td_note_2016.ipynb 1A.e - TD noté, 11 décembre 2015 True 9.134 26 26 26
43 100% 1.365 2018-07-11 exams/td_note_2017.ipynb 1A.e - TD noté, 16 décembre 2016 True 6.112 23 23 23
44 100% 0.803 2018-07-11 exams/td_note_2017_2.ipynb 1A.e - TD noté, 21 février 2017 True 5.107 21 21 21
45 100% 7.254 2018-07-11 exams/td_note_2018_1.ipynb 1A.e - Enoncé 12 décembre 2017 (1) True 12.123 25 25 25
46 100% 6.851 2018-07-11 exams/td_note_2018_2.ipynb 1A.e - Enoncé 12 décembre 2017 (2) True 11.124 21 21 21
47 100% 23.188 2018-07-11 expose/BJKST.ipynb 2A.algo - Algorithmes de streaming : généralités True 27.138 39 39 39
48 100% 7.563 2018-07-09 expose/expose_TSP.ipynb 2A.algo - Réflexions autour du voyage de commerce (TSP) True 13.149 11 11 11
49 100% 1.908 2018-07-11 expose/expose_einstein_riddle.ipynb 2A.algo - L’énigme d’Einstein et sa résolution True 6.080 4 4 4
50 100% 2.403 2018-07-11 expose/expose_graphe_et_map_reduce.ipynb 3A.mr - Graphes et Map Reduce True 7.111 11 11 11
51 100% 0.464 2018-07-11 expose/expose_rwr_recommandation.ipynb 3A.mr - Random Walk with Restart (système de recommandations) True 5.090 4 4 4
52 100% 455.561 2018-07-04 expose/expose_velib.ipynb 2A.ml - Déterminer la vitesse moyenne des vélib True 459.632 7 7 7
53 100% 2.056 2018-07-09 expose/expose_vigenere.ipynb 1A.algo - Casser le code de Vigenère True 6.119 9 9 9
54 100% 55.053 2018-07-11 expose/hash_distribution.ipynb 2A.algo - Hash et distribution True 60.179 14 14 14
55 100% 4.853 2018-07-11 expose/ml_features_model.ipynb 2A.ml - Features ou modèle True 9.111 16 16 16
56 0% nan   expose/ml_huge_datasets.ipynb 2A.i - Huge datasets, datasets hiérarchiques   nan 30 0  
57 100% 814.395 2018-07-04 expose/ml_rue_paris_parcours.ipynb 2A.algo - Parcourir les rues de Paris True 819.214 24 24 24
58 100% 173.558 2018-07-04 expose/ml_table_mortalite.ipynb 2A.i - Table de mortalité dans plusieurs containers True 178.680 34 34 34
59 100% 2.340 2018-07-11 sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb 2A.ML101.0: What is machine learning? True 7.113 13 13 13
60 100% 2.490 2018-07-11 sklearn_ensae_course/01_data_manipulation.ipynb 2A.ML101.1: Introduction to data manipulation with scientific Python True 7.113 18 18 18
61 100% 3.238 2018-07-11 sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb 2A.ML101.2: Basic principles of machine learning with scikit-learn True 7.130 15 15 15
62 100% 5.921 2018-07-11 sklearn_ensae_course/03_supervised_classification.ipynb 2A.ML101.3: Supervised Learning: Classification of Handwritten Digits True 10.130 12 12 12
63 100% 4.038 2018-07-11 sklearn_ensae_course/04_supervised_regression.ipynb 2A.ML101.4: Supervised Learning: Regression of Housing Data True 8.123 13 13 13
64 100% 7.421 2018-07-11 sklearn_ensae_course/05_measuring_prediction_performance.ipynb 2A.ML101.5: Measuring prediction performance True 12.145 23 23 23
65 100% 9.998 2018-07-11 sklearn_ensae_course/06_unsupervised_dimreduction.ipynb 2A.ML101.6: Unsupervised Learning: Dimensionality Reduction and Visualization True 15.161 18 18 18
66 100% 6.740 2018-07-11 sklearn_ensae_course/07_application_to_face_recognition.ipynb 2A.ML101.7: Example from Image Processing True 12.157 19 19 19
67 100% 5.186 2018-07-11 sklearn_ensae_course/08_validation_and_learning_curves.ipynb 2A.ML101.8: Parameter selection, Validation & Testing True 9.127 15 15 15
68 100% 1.049 2018-07-11 td1a/integrale_rectangle.ipynb 1A.1 - Intégrale et la méthode des rectangles True 6.089 6 6 6
69 100% 3.397 2018-07-11 td1a/integrale_rectangle_correction.ipynb 1A.1 - Intégrale et la méthode des rectangles - correction True 8.132 30 30 30
70 100% 1.178 2018-07-11 td1a/j2048.ipynb 1A.2 - 2048 - stratégie gagnante True 6.108 3 3 3
71 100% 1.736 2018-07-11 td1a/j2048_correction.ipynb 1A.2 - 2048 - stratégie gagnante - correction True 7.121 11 11 11
72 100% 0.088 2018-07-11 td1a/pp_exo_deviner_un_nombre.ipynb 1A.1 - Deviner un nombre aléatoire True 4.085 5 5 5
73 100% 0.208 2018-07-11 td1a/pp_exo_deviner_un_nombre_correction.ipynb 1A.1 - Deviner un nombre aléatoire (correction) True 4.104 7 7 7
74 75% 0.741 2018-07-11 td1a/td1a_cenonce_session1.ipynb 1A.0 - Premiers pas en Python True 5.084 16 12 12
75 100% 0.871 2018-07-11 td1a/td1a_cenonce_session2.ipynb 1A.1 - Variables, boucles, tests True 5.087 30 30 30
76 100% 0.560 2018-07-11 td1a/td1a_cenonce_session3.ipynb 1A.1 - Dictionnaires, fonctions, code de Vigenère True 5.110 26 26 26
77 100% 2.120 2018-07-11 td1a/td1a_cenonce_session4.ipynb 1A.2 - Modules, fichiers, expressions régulières True 7.123 18 18 18
78 100% 0.415 2018-07-11 td1a/td1a_cenonce_session5.ipynb 1A.2 - Classes, méthodes, attributs, opérateurs et carré magique True 5.108 17 17 17
79 100% 0.286 2018-07-11 td1a/td1a_cenonce_session6.ipynb 1A.2 - Classes, héritage True 5.095 11 11 11
80 100% 0.347 2018-07-11 td1a/td1a_correction_session1.ipynb 1A.0 - Premiers pas en Python (correction) True 5.107 13 13 13
81 100% 0.319 2018-07-11 td1a/td1a_correction_session2.ipynb 1A.1 - Variables, boucles, tests (correction) True 4.115 8 8 8
82 100% 0.266 2018-07-11 td1a/td1a_correction_session3.ipynb 1A.1 - Dictionnaires, fonctions, code de Vigenère (correction) True 16.115 9 9 9
83 100% 2.069 2018-07-11 td1a/td1a_correction_session4.ipynb 1A.2 - Modules, fichiers, expressions régulières (correction) True 7.127 12 12 12
84 100% 14.692 2018-07-11 td1a/td1a_correction_session5.ipynb 1A.2 - Classes, méthodes, attributs, opérateurs et carré magique (correction) True 19.088 12 12 12
85 100% 0.191 2018-07-11 td1a/td1a_correction_session6.ipynb 1A.2 - Classes, héritage (correction) True 5.081 5 5 5
86 100% 1.538 2018-07-11 td1a/td1a_pyramide_bigarree.ipynb 1A.1 - Tracer une pyramide bigarrée True 6.107 5 5 5
87 100% 2.760 2018-07-11 td1a/td1a_pyramide_bigarree_correction.ipynb 1A.1 - Tracer une pyramide bigarrée - correction True 7.124 11 11 11
88 100% 0.917 2018-07-11 td1a/texte_langue.ipynb 1A.2 - Deviner la langue d’un texte True 5.087 6 6 6
89 100% 5.641 2018-07-11 td1a/texte_langue_correction.ipynb 1A.2 - Deviner la langue d’un texte (correction) True 10.128 23 23 23
90 100% 1.337 2018-07-11 td1a_algo/BJKST_enonce.ipynb 1A.algo - BJKST - calculer le nombre d’éléments distincts True 6.125 4 4 4
91 100% 1.805 2018-07-11 td1a_algo/graph1exo_parcours.ipynb 1A.algo - Parcours de graphe True 6.104 8 8 8
92 100% 1.853 2018-07-11 td1a_algo/graph1exo_parcours_correction.ipynb 1A.algo - Parcours de graphe - correction True 6.117 9 9 9
93 100% 1.802 2018-07-11 td1a_algo/graph4exos.ipynb 1A.algo - Des problèmes de graphes True 17.127 6 6 6
94 100% 1.791 2018-07-11 td1a_algo/graph_spectral_clustering.ipynb 1A.algo - Spectral Clustering True 6.090 6 6 6
95 100% 2.308 2018-07-11 td1a_algo/graph_spectral_clustering_correction.ipynb 1A.algo - Spectral Clustering - correction True 6.123 11 11 11
96 100% 0.056 2018-07-11 td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb 1A.algo - distance de Jaccard (dictionnaires) True 4.085 4 4 4
97 100% 3.582 2018-07-11 td1a_algo/td1a_cenonce_session7.ipynb 1A.algo - Programmation dynamique et plus court chemin True 8.105 17 17 17
98 100% 0.138 2018-07-11 td1a_algo/td1a_cenonce_session7_edition.ipynb 1A.algo - La distance d’édition True 5.106 8 8 8
99 100% 1.079 2018-07-11 td1a_algo/td1a_cenonce_session8.ipynb 1A.algo - Arbre et Trie True 5.096 10 10 10
100 100% 0.057 2018-07-11 td1a_algo/td1a_cenonce_session8_wikiroot.ipynb 1A.algo - Parcours dans un graphe (wikipédia) True 4.083 4 4 4
101 100% 0.401 2018-07-04 td1a_algo/td1a_cenonce_session9.ipynb 1A.algo - Optimisation sous contrainte True 5.110 6 6 6
102 100% 5.302 2018-07-11 td1a_algo/td1a_correction_session4_5_jaccard.ipynb 1A.algo - distance de Jaccard (dictionnaires) - correction True 9.114 17 17 17
103 100% 5.619 2018-07-11 td1a_algo/td1a_correction_session7.ipynb 1A.algo - Programmation dynamique et plus court chemin (correction) True 10.108 15 15 15
104 100% 0.730 2018-07-11 td1a_algo/td1a_correction_session7_edition.ipynb 1A.algo - La distance d’édition (correction) True 6.116 20 20 20
105 100% 88.162 2018-07-04 td1a_algo/td1a_correction_session8.ipynb 1A.algo - Arbre et Trie (correction) True 92.396 20 20 20
106 100% 3.271 2018-07-11 td1a_algo/td1a_correction_session8_wikiroot.ipynb 1A.algo - Parcours dans un graphe (wikipédia) - correction True 7.114 5 5 5
107 100% 0.480 2018-07-04 td1a_algo/td1a_correction_session9.ipynb 1A.algo - Optimisation sous contrainte (correction) True 5.278 7 7 7
108 100% 0.000 2018-07-11 td1a_algo/td1a_plus_grande_somme.ipynb 1A.algo - la sous-séquence de plus grande somme True 5.103 1 1 1
109 100% 115.360 2018-07-11 td1a_algo/td1a_plus_grande_somme_correction.ipynb 1A.algo - la sous-séquence de plus grande somme - correction True 119.196 10 10 10
110 87% 1.826 2018-07-11 td1a_algo/td1a_quicksort.ipynb 1A.algo - Quicksort True 6.109 8 7 7
111 100% 3.416 2018-07-11 td1a_algo/td1a_quicksort_correction.ipynb 1A.algo - quicksort - correction True 8.130 10 10 10
112 100% 1.019 2018-07-11 td1a_algo/td1a_sobel.ipynb 1A.algo - filtre de Sobel True 6.123 5 5 5
113 100% 7.290 2018-07-11 td1a_algo/td1a_sobel_correction.ipynb 1A.algo - filtre de Sobel - correction True 12.137 8 8 8
114 100% 0.057 2018-07-11 td1a_dfnp/decorrelation.ipynb 1A.data - Décorrélation de variables aléatoires True 4.076 7 7 7
115 100% 0.576 2018-07-11 td1a_dfnp/decorrelation_correction.ipynb 1A.data - Décorrélation de variables aléatoires - correction True 5.113 15 15 15
116 100% 3.456 2018-07-11 td1a_dfnp/td1a_cenonce_session_10.ipynb 1A.data - DataFrame et Matrice True 8.113 51 51 51
117 94% 84.306 2018-07-04 td1a_dfnp/td1a_cenonce_session_12.ipynb 1A.data - Visualisation des données True 88.295 38 36 36
118 100% 3.000 2018-07-04 td1a_dfnp/td1a_correction_session_10.ipynb 1A.data - DataFrame et Matrice (correction) True 7.305 18 18 18
119 100% 128.504 2018-07-04 td1a_dfnp/td1a_correction_session_12.ipynb 1A.data - visualisation des données - correction True 133.337 14 14 14
120 100% 3.317 2018-07-11 td1a_soft/td1a_cython_edit.ipynb 1A.soft - Calcul numérique et Cython True 8.111 15 15 15
121 100% 3.497 2018-07-11 td1a_soft/td1a_cython_edit_correction.ipynb 1A.soft - Calcul numérique et Cython - correction True 9.143 8 8 8
122 100% 71.156 2018-07-11 td1a_soft/td1a_sql.ipynb 1A.soft - Notions de SQL True 76.383 34 34 34
123 100% 12.309 2018-07-11 td1a_soft/td1a_sql_correction.ipynb 1A.soft - Notions de SQL - correction True 16.145 15 15 15
124 100% 5.779 2018-07-11 td1a_soft/td1a_unit_test_ci.ipynb 1A.soft - Tests unitaires, setup et ingéniérie logicielle True 10.134 14 14 14
125 100% 1.205 2018-07-11 td2a/ml_crypted_data.ipynb 2A.ml - Machine Learning et données cryptées True 6.109 9 9 9
126 100% 7.180 2018-07-11 td2a/ml_crypted_data_correction.ipynb 2A.ml - Machine Learning et données cryptées - correction True 12.150 38 38 38
127 100% 1.641 2018-07-11 td2a/pandas_iterator.ipynb 2A.data - Pandas et itérateurs True 6.103 8 8 8
128 100% 2.468 2018-07-11 td2a/pandas_iterator_correction.ipynb 2A.data - Pandas et itérateurs - correction True 7.143 19 19 19
129 100% 0.056 2018-07-11 td2a/td2a_bigdata_memory.ipynb 2A.i - Stratégies et grandes matrices en mémoire True 4.082 8 8 8
130 96% 27.277 2018-07-04 td2a/td2a_cenonce_session_1.ipynb 2A.data - DataFrame et Graphes True 32.283 75 72 72
131 100% 3.693 2018-07-11 td2a/td2a_cenonce_session_2A.ipynb 2A.data - Calcul Matriciel, Optimisation True 8.134 71 71 71
132 100% 0.132 2018-07-11 td2a/td2a_cenonce_session_2C.ipynb 2A.soft - Jupyter et commandes magiques True 6.108 5 5 5
133 0% nan   td2a/td2a_cenonce_session_2D_jupyter.ipynb 2A.i - Jupyter et calcul distribué   nan 72 0  
134 0% nan   td2a/td2a_cenonce_session_2D_parallelisation_local.ipynb 2A.i - Parallélisation locale (énoncé)   nan 7 0  
135 100% 1.185 2018-07-11 td2a/td2a_cenonce_session_2E.ipynb 2A.i - Sérialisation True 6.128 8 8 8
136 100% 1.460 2018-07-04 td2a/td2a_cenonce_session_5.ipynb 2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien True 6.122 20 20 20
137 100% 16.102 2018-07-04 td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb 2A.i - Données non structurées et programmation fonctionnelle True 20.145 30 30 30
138 96% 28.186 2018-07-04 td2a/td2a_correction_session_1.ipynb 2A.data - DataFrame et Graphes - correction True 32.185 27 26 26
139 100% 3.135 2018-07-04 td2a/td2a_correction_session_2A.ipynb 2A.data - Calcul Matriciel, Optimisation - correction True 7.135 13 13 13
140 100% 1.721 2018-07-04 td2a/td2a_correction_session_2C.ipynb 2A.soft - IPython et commandes magiques - correction True 6.113 6 6 6
141 100% 18.106 2018-07-04 td2a/td2a_correction_session_2E.ipynb 2A.i - Sérialisation - correction True 22.168 22 22 22
142 100% 0.780 2018-07-04 td2a/td2a_correction_session_5.ipynb 2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien - correction True 6.106 3 3 3
143 100% 61.510 2018-07-04 td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb 2A.i - Données non structurées, programmation fonctionnelle - correction True 66.208 33 33 33
144 100% 15.024 2018-07-04 td2a/td2a_ml_text_features.ipynb 2A.ml - Classification binaire avec features textuelles True 20.171 18 18 18
145 100% 8.821 2018-07-04 td2a/td2a_ml_text_features_correction.ipynb 2A.ml - Classification binaire avec features textuelles - correction True 14.206 23 23 23
146 100% 12.297 2018-07-11 td2a/td2a_progressbar.ipynb 2A.i - ProgressBar et fusion de random forest - énoncé True 17.120 6 6 6
147 100% 10.825 2018-07-11 td2a/td2a_some_nlp.ipynb 2A.ml - Texte et machine learning True 15.123 29 29 29
148 90% 48.206 2018-07-11 td2a/td2a_visualisation.ipynb 2A.data - Matplotlib True 52.280 42 38 38
149 100% 0.058 2018-07-11 td2a_algo/gentry_integer_encryption.ipynb Cryptage homomorphic de Craig Gentry True 4.078 6 6 6
150 100% 0.058 2018-07-11 td2a_algo/gentry_integer_encryption_correction.ipynb Cryptage homomorphic de Craig Gentry - correction True 5.112 6 6 6
151 100% 8.254 2018-07-11 td2a_algo/knn_high_dimension.ipynb 2A.algo - Plus proches voisins en grande dimension True 13.134 8 8 8
152 100% 33.078 2018-07-11 td2a_algo/knn_high_dimension_correction.ipynb 2A.algo - Plus proches voisins en grande dimension - correction True 37.175 20 20 20
153 100% 0.056 2018-07-11 td2a_algo/td2a_cenonce_session_6A.ipynb 2A.algo - Puzzles algorithmiques (1) True 4.103 6 6 6
154 100% 0.056 2018-07-11 td2a_algo/td2a_cenonce_session_6B.ipynb 2A.algo - Puzzles algorithmiques (2) True 5.106 5 5 5
155 100% 0.226 2018-07-11 td2a_algo/td2a_correction_session_6A.ipynb 2A.algo - Puzzles algorithmes (1) - correction True 4.104 6 6 6
156 100% 0.058 2018-07-11 td2a_algo/td2a_correction_session_6B.ipynb 2A.algo - Puzzles algorithmes (2) - correction True 5.110 6 6 6
157 100% 57.384 2018-07-04 td2a_eco/TD2A_Eco_Web_Scraping.ipynb 2A.eco - Web-Scraping True 61.318 28 28 28
158 100% 2.615 2018-07-04 td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb 2A.eco - Web-Scraping - correction True 17.139 2 2 2
159 100% 1.800 2018-07-02 td2a_eco/TD2A_eco_API_SNCF.ipynb 2A.eco - Exercice API SNCF True 8.154 8 8 8
160 100% 126.093 2018-07-02 td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb 2A.eco - Exercice API SNCF corrigé True 132.272 35 35 35
161 100% 1.386 2018-07-11 td2a_eco/TD2A_eco_debuter_flask.ipynb 2A.eco - Débuter avec Flask True 6.111 14 14 14
162 100% 4.856 2018-07-11 td2a_eco/TD2A_eco_les_API.ipynb 2A.eco - API, API REST True 10.131 14 14 14
163 100% 1.355 2018-07-11 td2a_eco/td2_eco_rappels_1a.ipynb 2A.eco - Rappel de ce que vous savez déjà mais avez peut-être oublié True 5.122 29 29 29
164 100% 11.524 2018-07-11 td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb 2A.eco - Traitement automatique de la langue en Python True 16.131 28 28 28
165 100% 12.004 2018-07-11 td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb 2A.eco - Traitement automatique de la langue en Python - correction True 16.163 35 35 35
166 100% 0.000 2018-07-11 td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb 2A.eco - Exercice Python - Eco Séance 2 True 4.093 1 1 1
167 100% 2.114 2018-07-11 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 6.093 3 3 3
168 100% 1.704 2018-07-11 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 6.124 10 10 10
169 100% 3.492 2018-07-11 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 8.129 16 16 16
170 100% 3.084 2018-07-11 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 7.129 14 14 14
171 100% 5.477 2018-07-11 td2a_eco/td2a_eco_regressions_lineaires.ipynb Régressions linéaires avec Statsmodels et Scikit-Learn True 10.144 12 12 12
172 100% 1.510 2018-07-11 td2a_eco/td2a_eco_sql.ipynb 2A.eco - Python et la logique SQL True 6.100 26 26 26
173 100% 2.066 2018-07-11 td2a_eco/td2a_eco_sql_correction.ipynb 2A.eco - Python et la logique SQL - correction True 6.127 36 36 36
174 0% nan   td2a_eco2/td2A_eco_API_pocket_et_Webscraping_correction.ipynb 2A.eco - Web Scrapping et API avec Pocket - correction   nan 123 0  
175 0% nan   td2a_eco2/td2a_NLP_pocket.ipynb NLP, Scrapping avec Pocket   nan 65 0  
176 0% nan   td2a_eco2/td2a_NLP_pocket_correction.ipynb NLP, Scrapping avec Pocket - correction   nan 108 0  
177 0% nan   td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb TD7 - Analyse de texte   nan 61 0  
178 0% nan   td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb TD7 - Analyse de texte - correction   nan 61 0  
179 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  
180 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 8 0  
181 0% nan   td2a_eco2/td2a_eco_API_pocket_et_Webscraping.ipynb 2A.eco - Web Scrapping et API avec Pocket   nan 94 0  
182 100% 45.295 2018-07-04 td2a_ml/ml_a_tree_overfitting.ipynb 2A.ml - Tree, overfitting True 50.160 27 27 27
183 100% 21.838 2018-07-11 td2a_ml/ml_b_imbalanced.ipynb 2A.ml - Imbalanced dataset True 26.128 17 17 17
184 100% 6.995 2018-07-11 td2a_ml/ml_c_machine_learning_problems.ipynb 2A.ml - Problèmes classiques de machine learning illustrés True 11.196 41 41 41
185 100% 1.034 2018-07-11 td2a_ml/ml_cc_machine_learning_problems2.ipynb 2A.ml - Boosting, random forest, gradient - les features qu’ils aiment True 6.114 4 4 4
186 100% 6.141 2018-07-11 td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb 2A.ml - Interprétabilité et corrélations des variables True 10.119 26 26 26
187 100% 7.273 2018-07-11 td2a_ml/ml_d_libraries.ipynb 2A.ml - Librairies de machine learning True 11.139 21 21 21
188 0% nan   td2a_ml/ml_d_library_h2o.ipynb 2A.ml - Machine Learning avec H2O et Python   nan 18 0  
189 100% 264.435 2018-07-04 td2a_ml/td2a_cenonce_session_3A.ipynb 2A.ml - Statistiques descriptives avec scikit-learn True 268.515 23 23 23
190 100% 49.796 2018-07-04 td2a_ml/td2a_cenonce_session_3B.ipynb 2A.ml - Arbres de décision / Random Forest True 54.524 16 16 16
191 100% 1.374 2018-07-11 td2a_ml/td2a_cenonce_session_4A.ipynb 2A.ml - Machine Learning et Marketting True 5.089 9 9 9
192 100% 2.140 2018-07-11 td2a_ml/td2a_clustering.ipynb 2A.ml - Clustering True 6.106 7 7 7
193 100% 25.611 2018-07-11 td2a_ml/td2a_clustering_correction.ipynb 2A.ml - Clustering - correction True 30.200 25 25 25
194 100% 347.829 2018-07-04 td2a_ml/td2a_correction_session_3A.ipynb 2A.ml - Statistiques descriptives avec scikit-learn - correction True 353.756 25 25 25
195 100% 151.013 2018-07-04 td2a_ml/td2a_correction_session_3B.ipynb 2A.ml - Arbres de décision / Random Forest - correction True 155.806 26 26 26
196 100% 10.595 2018-07-11 td2a_ml/td2a_correction_session_4A.ipynb 2A.ml - Machine Learning et Marketting - correction True 15.191 26 26 26
197 81% 8.580 2018-07-04 td2a_ml/td2a_ethics.ipynb Machine Learning éthique True 13.294 16 13 13
198 100% 0.058 2018-07-04 td2a_ml/td2a_ethics_correction.ipynb Machine Learning éthique - correction True 5.110 2 2 2
199 100% 2.480 2018-07-11 td2a_ml/td2a_timeseries.ipynb 2A.ml - Séries temporelles True 7.119 15 15 15
200 100% 6.749 2018-07-11 td2a_ml/td2a_timeseries_correction.ipynb 2A.ml - Séries temporelles - correction True 11.166 16 16 16
_images/nbcov.png