Notebooks Coverage

Report on last executions.

75% 2019-02-21

_images/nbcov-2019-02-21.png
index coverage exe time last execution name title success time nb cells nb runs nb valid
0 100% 8.477 2019-02-21 1a/code_liste_tuple.ipynb 1A.1 - Liste, tuple, ensemble, dictionnaire, liste chaînée, coût des opérations True 10.046 4 4 4
1 100% 2.097 2019-02-21 1a/code_multinomial.ipynb 1A.1 - Simuler une loi multinomiale True 3.047 12 12 12
2 100% 0.470 2019-02-21 1a/exercice_echelle.ipynb 1A.algo - Calculer le nombre de façons de monter une échelle. True 2.059 6 6 6
3 100% 0.194 2019-02-21 1a/exercice_morse.ipynb 1A.algo - Décoder du Morse sans espaces True 2.032 4 4 4
4 100% 1.485 2019-02-21 1a/exercice_plus_grande_somme.ipynb 1A.algo - La sous-séquence de plus grande somme True 3.046 15 15 15
5 100% 0.260 2019-02-21 1a/exercice_xn.ipynb 1A.algo - Calculer x**n le plus rapidement possible True 2.074 4 4 4
6 100% 0.865 2019-02-21 1a/histogramme_rapide.ipynb 1A.1 - Histogramme et dictionnaire True 2.090 8 8 8
7 100% 3.985 2019-02-21 1a/profiling_example.ipynb 1A.soft - Exemple de profiling True 5.315 11 11 11
8 100% 2.327 2019-02-21 1a/recherche_dichotomique.ipynb 1A.algo - Recherche dichotomique True 4.047 9 9 9
9 100% 2.921 2019-02-21 1a/structures_donnees_conversion.ipynb 1A.1 - D’une structure de données à l’autre True 4.049 29 29 29
10 100% 0.684 2019-02-21 1a/tableau_contingence.ipynb 1A.1 - Calculer un chi 2 sur un tableau de contingence True 2.066 8 8 8
11 100% 19.070 2019-02-21 1a/tri_nlnd.ipynb 1A.algo - Tri plus rapide que prévu True 20.079 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% 49.181 2019-02-20 2016-2017/solution_2016_credit_clement.ipynb 2016 - Une solution à la compétition de machine learning 2A True 50.611 28 28 28
16 100% 3.554 2019-02-20 2016/td2a_eco_competition_comparer_classifieurs.ipynb 2A.ml - 2016 - Compétition - Préparation des données True 5.053 16 16 16
17 100% 8.090 2019-02-20 2016/td2a_eco_competition_modeles_logistiques.ipynb 2A.ml - 2016 - Compétition ENSAE - Premiers modèles True 9.150 26 26 26
18 100% 82.436 2019-02-20 2016/td2a_eco_competition_statsdesc.ipynb 2A.ml - 2016 - Compétition - Importation des données True 84.424 22 22 22
19 100% 4.757 2019-02-21 2017-2018/dimensions_reduction.ipynb Réduction des dimensions True 6.578 20 20 20
20 100% 6.355 2019-02-20 2017/prepare_data_2017.ipynb 2A.ml - 2017 - Préparation des données True 8.696 43 43 43
21 89% 1.864 2019-02-21 2018-2019/2018-09-18_rappels_python.ipynb 2018-09-18 - Rappels sur le langage python True 3.414 28 25 25
22 100% 3.063 2019-02-21 2018-2019/2018-09-18_rappels_python_pandas_matplotlib.ipynb 2018-09-18 - Rappels sur pandas et maplotlib True 5.068 29 29 29
23 100% 2.653 2019-02-21 2018-2019/2018-09-18_sklearn_api.ipynb 2018-09-18 - API de scikit-learn True 4.034 21 21 21
24 100% 0.698 2019-02-21 2018-2019/2018-09-25_distance_entre_mots.ipynb 2018-09-25 - Distance entre mots True 2.061 11 11 11
25 100% 4.173 2019-02-21 2018-2019/2018-10-02_scraping_recuperer_images.ipynb 2018-10-02 - Scraping, récupérer une image depuis LeMonde True 5.072 20 20 20
26 100% 50.666 2019-02-21 2018-2019/2018-10-09_ensemble_gradient_boosting.ipynb 2018-10-09 Ensemble, Gradient, Boosting… True 52.118 18 18 18
27 100% 8.084 2019-02-21 2a/bayesian_with_python.ipynb 2A.ml - Bayesian models with Python True 10.239 18 18 18
28 100% 69.210 2019-02-20 2a/cffi_linear_regression.ipynb Optimisation de code avec cffi, numba, cython True 70.212 106 106 106
29 100% 1.783 2019-02-21 2a/dataframe_matrix_speed.ipynb 2A.i - Mesures de vitesse sur les dataframes True 3.047 15 15 15
30 100% 7.277 2019-02-21 2a/git_notebook.ipynb 2A.soft - Git depuis le notebook True 9.036 23 23 23
31 100% 0.724 2019-02-21 2a/jupyter_custom_magics.ipynb 2A.soft - Custom Magics for Jupyter True 2.541 5 5 5
32 100% 6.939 2019-02-21 2a/ml_timeseries_base.ipynb 2A.ml - Timeseries et machine learning True 8.577 28 28 28
33 100% 1.168 2019-02-21 2a/notebook_convert.ipynb 2A.soft - Convert a notebook into a document True 2.055 8 8 8
34 0% nan   2a/python_r.ipynb 2A.soft - R et notebooks   nan 27 0  
35 100% 88.979 2019-02-20 2a/seance_5_dask.ipynb 2A.i - Données non structurées, programmation fonctionnelle : dask True 90.255 16 16 16
36 100% 40.688 2019-02-20 2a/seance_5_intro_et_json.ipynb 2A.i - Données non structurées, programmation fonctionnelle True 42.138 20 20 20
37 100% 97.405 2019-02-20 2a/seance_5_prog_fonctionnelle.ipynb 2A.i - programmation fonctionnelle True 99.412 44 44 44
38 100% 9.899 2019-02-21 2a/timeseries_ssa.ipynb Single Spectrum Analysis (SSA) True 11.068 27 27 27
39 100% 0.990 2019-02-21 exams/interro_rapide_20_minutes_2014_09.ipynb 1A.e - Correction de l’interrogation écrite du 26 septembre 2014 True 2.038 12 12 12
40 100% 1.464 2019-02-21 exams/interro_rapide_20_minutes_2014_10.ipynb 1A.e - Correction de l’interrogation écrite du 10 octobre 2014 True 3.047 17 17 17
41 82% 3.210 2019-02-21 exams/interro_rapide_20_minutes_2014_11.ipynb 1A.e - Correction de l’interrogation écrite du 14 novembre 2014 True 5.039 35 29 29
42 100% 1.219 2019-02-21 exams/interro_rapide_20_minutes_2014_12.ipynb 1A.e - Correction de l’interrogation écrite du 14 novembre 2014 True 3.047 15 15 15
43 100% 0.577 2019-02-21 exams/interro_rapide_20_minutes_2015_09.ipynb 1A.e - Correction de l’interrogation écrite du 26 septembre 2015 True 2.060 12 12 12
44 100% 0.964 2019-02-21 exams/interro_rapide_20_minutes_2015_11.ipynb 1A.e - Correction de l’interrogation écrite du 6 novembre 2015 True 2.056 16 16 16
45 100% 7.284 2019-02-21 exams/td_note_2013_bout_de_code_coloriage.ipynb 1A.e - TD noté, 27 novembre 2012 (éléments de code pour le coloriage) True 9.068 6 6 6
46 100% 21.349 2019-02-21 exams/td_note_2013_coloriage_correction.ipynb 1A.e - TD noté, 27 novembre 2012 (coloriage, correction) True 23.077 14 14 14
47 100% 3.039 2019-02-21 exams/td_note_2015.ipynb 1A.e - TD noté, 5 décembre 2014 True 4.032 36 36 36
48 100% 0.185 2019-02-21 exams/td_note_2015_rattrapage_enonce.ipynb 1A.e - TD noté 2015 rattrapage (énoncé, écrit et oral) True 1.044 6 6 6
49 100% 4.356 2019-02-21 exams/td_note_2016.ipynb 1A.e - TD noté, 11 décembre 2015 True 6.037 26 26 26
50 100% 2.075 2019-02-21 exams/td_note_2017.ipynb 1A.e - TD noté, 16 décembre 2016 True 3.057 23 23 23
51 100% 1.766 2019-02-21 exams/td_note_2017_2.ipynb 1A.e - TD noté, 21 février 2017 True 3.063 21 21 21
52 100% 4.203 2019-02-21 exams/td_note_2018_1.ipynb 1A.e - Enoncé 12 décembre 2017 (1) True 6.049 25 25 25
53 100% 3.443 2019-02-21 exams/td_note_2018_2.ipynb 1A.e - Enoncé 12 décembre 2017 (2) True 5.046 21 21 21
54 100% 19.029 2019-02-21 exams/td_note_2019_1.ipynb 1A.e - Enoncé 23 octobre 2018 (1) True 20.073 17 17 17
55 100% 8.051 2019-02-21 exams/td_note_2019_2.ipynb 1A.e - Enoncé 23 octobre 2018 (2) True 9.052 18 18 18
56 100% 15.469 2019-02-21 expose/BJKST.ipynb 2A.algo - Algorithmes de streaming : généralités True 18.051 39 39 39
57 100% 4.046 2019-02-21 expose/expose_TSP.ipynb 2A.algo - Réflexions autour du voyage de commerce (TSP) True 5.056 11 11 11
58 100% 1.225 2019-02-21 expose/expose_einstein_riddle.ipynb 2A.algo - L’énigme d’Einstein et sa résolution True 3.286 4 4 4
59 100% 3.069 2019-02-21 expose/expose_graphe_et_map_reduce.ipynb 3A.mr - Graphes et Map Reduce True 5.163 11 11 11
60 100% 0.522 2019-02-21 expose/expose_rwr_recommandation.ipynb 3A.mr - Random Walk with Restart (système de recommandations) True 3.076 4 4 4
61 100% 2.076 2019-02-20 expose/expose_vigenere.ipynb 1A.algo - Casser le code de Vigenère True 3.040 9 9 9
62 100% 30.464 2019-02-21 expose/hash_distribution.ipynb 2A.algo - Hash et distribution True 32.070 14 14 14
63 100% 12.738 2019-02-21 expose/ml_features_model.ipynb 2A.ml - Features ou modèle True 14.236 15 15 15
64 100% 10.383 2019-02-20 expose/ml_huge_datasets.ipynb 2A.i - Huge datasets, datasets hiérarchiques True 12.281 21 21 21
65 100% 586.887 2019-02-20 expose/ml_rue_paris_parcours.ipynb 2A.algo - Parcourir les rues de Paris True 588.917 24 24 24
66 100% 171.454 2019-02-20 expose/ml_table_mortalite.ipynb 2A.i - Table de mortalité dans plusieurs containers True 176.694 34 34 34
67 100% 2.234 2019-02-21 sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb 2A.ML101.0: What is machine learning? True 4.046 13 13 13
68 100% 1.981 2019-02-21 sklearn_ensae_course/01_data_manipulation.ipynb 2A.ML101.1: Introduction to data manipulation with scientific Python True 3.063 18 18 18
69 100% 2.944 2019-02-21 sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb 2A.ML101.2: Basic principles of machine learning with scikit-learn True 4.046 15 15 15
70 100% 5.285 2019-02-21 sklearn_ensae_course/03_supervised_classification.ipynb 2A.ML101.3: Supervised Learning: Classification of Handwritten Digits True 7.069 12 12 12
71 100% 3.516 2019-02-21 sklearn_ensae_course/04_supervised_regression.ipynb 2A.ML101.4: Supervised Learning: Regression of Housing Data True 5.043 12 12 12
72 100% 5.893 2019-02-21 sklearn_ensae_course/05_measuring_prediction_performance.ipynb 2A.ML101.5: Measuring prediction performance True 7.077 23 23 23
73 100% 7.778 2019-02-21 sklearn_ensae_course/06_unsupervised_dimreduction.ipynb 2A.ML101.6: Unsupervised Learning: Dimensionality Reduction and Visualization True 9.096 18 18 18
74 100% 5.924 2019-02-21 sklearn_ensae_course/07_application_to_face_recognition.ipynb 2A.ML101.7: Example from Image Processing True 7.072 19 19 19
75 100% 3.405 2019-02-21 sklearn_ensae_course/08_validation_and_learning_curves.ipynb 2A.ML101.8: Parameter selection, Validation & Testing True 5.052 15 15 15
76 100% 1.580 2019-02-21 td1a/integrale_rectangle.ipynb 1A.1 - Intégrale et la méthode des rectangles True 3.048 6 6 6
77 100% 3.926 2019-02-21 td1a/integrale_rectangle_correction.ipynb 1A.1 - Intégrale et la méthode des rectangles - correction True 6.097 30 30 30
78 100% 1.785 2019-02-21 td1a/j2048.ipynb 1A.2 - 2048 - stratégie gagnante True 3.028 3 3 3
79 100% 2.146 2019-02-21 td1a/j2048_correction.ipynb 1A.2 - 2048 - stratégie gagnante - correction True 3.100 11 11 11
80 0% nan   td1a/matrix_dictionary.ipynb Produit matriciel avec une matrice creuse   nan 36 0  
81 100% 0.284 2019-02-21 td1a/pp_exo_deviner_un_nombre.ipynb 1A.1 - Deviner un nombre aléatoire True 2.063 5 5 5
82 100% 0.465 2019-02-21 td1a/pp_exo_deviner_un_nombre_correction.ipynb 1A.1 - Deviner un nombre aléatoire (correction) True 2.203 7 7 7
83 75% 0.926 2019-02-21 td1a/td1a_cenonce_session1.ipynb 1A.0 - Premiers pas en Python True 2.031 16 12 12
84 100% 2.551 2019-02-21 td1a/td1a_cenonce_session2.ipynb 1A.1 - Variables, boucles, tests True 4.062 30 30 30
85 100% 1.676 2019-02-21 td1a/td1a_cenonce_session3.ipynb 1A.1 - Dictionnaires, fonctions, code de Vigenère True 3.205 26 26 26
86 100% 3.176 2019-02-21 td1a/td1a_cenonce_session4.ipynb 1A.2 - Modules, fichiers, expressions régulières True 4.088 20 20 20
87 100% 1.294 2019-02-21 td1a/td1a_cenonce_session5.ipynb 1A.2 - Classes, méthodes, attributs, opérateurs et carré magique True 3.059 17 17 17
88 100% 0.752 2019-02-21 td1a/td1a_cenonce_session6.ipynb 1A.2 - Classes, héritage True 2.552 11 11 11
89 100% 1.061 2019-02-21 td1a/td1a_correction_session1.ipynb 1A.0 - Premiers pas en Python (correction) True 2.066 13 13 13
90 100% 0.673 2019-02-21 td1a/td1a_correction_session2.ipynb 1A.1 - Variables, boucles, tests (correction) True 2.067 8 8 8
91 100% 0.711 2019-02-21 td1a/td1a_correction_session3.ipynb 1A.1 - Dictionnaires, fonctions, code de Vigenère (correction) True 2.050 9 9 9
92 100% 2.410 2019-02-21 td1a/td1a_correction_session4.ipynb 1A.2 - Modules, fichiers, expressions régulières (correction) True 4.048 20 20 20
93 100% 9.846 2019-02-21 td1a/td1a_correction_session5.ipynb 1A.2 - Classes, méthodes, attributs, opérateurs et carré magique (correction) True 11.058 12 12 12
94 100% 0.429 2019-02-21 td1a/td1a_correction_session6.ipynb 1A.2 - Classes, héritage (correction) True 2.112 5 5 5
95 100% 1.810 2019-02-21 td1a/td1a_pyramide_bigarree.ipynb 1A.1 - Tracer une pyramide bigarrée True 3.031 5 5 5
96 100% 2.695 2019-02-21 td1a/td1a_pyramide_bigarree_correction.ipynb 1A.1 - Tracer une pyramide bigarrée - correction True 4.068 11 11 11
97 100% 0.847 2019-02-21 td1a/texte_langue.ipynb 1A.2 - Deviner la langue d’un texte True 2.036 6 6 6
98 100% 4.402 2019-02-21 td1a/texte_langue_correction.ipynb 1A.2 - Deviner la langue d’un texte (correction) True 6.074 23 23 23
99 100% 1.542 2019-02-21 td1a_algo/BJKST_enonce.ipynb 1A.algo - BJKST - calculer le nombre d’éléments distincts True 3.049 4 4 4
100 100% 2.897 2019-02-21 td1a_algo/graph1exo_parcours.ipynb 1A.algo - Parcours de graphe True 5.034 8 8 8
101 100% 2.276 2019-02-21 td1a_algo/graph1exo_parcours_correction.ipynb 1A.algo - Parcours de graphe - correction True 4.046 9 9 9
102 100% 1.829 2019-02-21 td1a_algo/graph4exos.ipynb 1A.algo - Des problèmes de graphes True 3.045 6 6 6
103 100% 1.901 2019-02-21 td1a_algo/graph_spectral_clustering.ipynb 1A.algo - Spectral Clustering True 4.032 6 6 6
104 100% 2.326 2019-02-21 td1a_algo/graph_spectral_clustering_correction.ipynb 1A.algo - Spectral Clustering - correction True 4.053 11 11 11
105 100% 0.108 2019-02-21 td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb 1A.algo - distance de Jaccard (dictionnaires) True 2.070 4 4 4
106 100% 3.304 2019-02-21 td1a_algo/td1a_cenonce_session7.ipynb 1A.algo - Programmation dynamique et plus court chemin True 5.073 17 17 17
107 100% 0.337 2019-02-21 td1a_algo/td1a_cenonce_session7_edition.ipynb 1A.algo - La distance d’édition True 2.027 8 8 8
108 100% 1.535 2019-02-21 td1a_algo/td1a_cenonce_session8.ipynb 1A.algo - Arbre et Trie True 3.030 10 10 10
109 100% 0.093 2019-02-21 td1a_algo/td1a_cenonce_session8_wikiroot.ipynb 1A.algo - Parcours dans un graphe (wikipédia) True 1.076 4 4 4
110 100% 0.418 2019-02-21 td1a_algo/td1a_cenonce_session9.ipynb 1A.algo - Optimisation sous contrainte True 2.065 6 6 6
111 100% 4.126 2019-02-21 td1a_algo/td1a_correction_session4_5_jaccard.ipynb 1A.algo - distance de Jaccard (dictionnaires) - correction True 5.058 17 17 17
112 100% 5.992 2019-02-21 td1a_algo/td1a_correction_session7.ipynb 1A.algo - Programmation dynamique et plus court chemin (correction) True 7.086 15 15 15
113 100% 1.687 2019-02-21 td1a_algo/td1a_correction_session7_edition.ipynb 1A.algo - La distance d’édition (correction) True 3.047 20 20 20
114 100% 68.968 2019-02-20 td1a_algo/td1a_correction_session8.ipynb 1A.algo - Arbre et Trie (correction) True 70.190 20 20 20
115 100% 2.313 2019-02-21 td1a_algo/td1a_correction_session8_wikiroot.ipynb 1A.algo - Parcours dans un graphe (wikipédia) - correction True 4.041 5 5 5
116 100% 0.850 2019-02-21 td1a_algo/td1a_correction_session9.ipynb 1A.algo - Optimisation sous contrainte (correction) True 2.026 7 7 7
117 100% 0.000 2019-02-21 td1a_algo/td1a_plus_grande_somme.ipynb 1A.algo - la sous-séquence de plus grande somme True 1.037 1 1 1
118 100% 136.425 2019-02-21 td1a_algo/td1a_plus_grande_somme_correction.ipynb 1A.algo - la sous-séquence de plus grande somme - correction True 138.183 10 10 10
119 87% 2.086 2019-02-21 td1a_algo/td1a_quicksort.ipynb 1A.algo - Quicksort True 3.084 8 7 7
120 100% 2.944 2019-02-21 td1a_algo/td1a_quicksort_correction.ipynb 1A.algo - quicksort - correction True 4.122 10 10 10
121 100% 0.813 2019-02-21 td1a_algo/td1a_sobel.ipynb 1A.algo - filtre de Sobel True 2.028 6 6 6
122 100% 6.522 2019-02-21 td1a_algo/td1a_sobel_correction.ipynb 1A.algo - filtre de Sobel - correction True 8.118 8 8 8
123 100% 0.117 2019-02-21 td1a_dfnp/decorrelation.ipynb 1A.data - Décorrélation de variables aléatoires True 1.085 7 7 7
124 100% 1.165 2019-02-21 td1a_dfnp/decorrelation_correction.ipynb 1A.data - Décorrélation de variables aléatoires - correction True 2.044 15 15 15
125 100% 5.204 2019-02-21 td1a_dfnp/td1a_cenonce_session_10.ipynb 1A.data - DataFrame et Matrice True 7.038 51 51 51
126 100% 12.350 2019-02-20 td1a_dfnp/td1a_cenonce_session_12_carte.ipynb 1A.data - Visualisation des données - cartes True 14.583 23 23 23
127 100% 9.440 2019-02-20 td1a_dfnp/td1a_cenonce_session_12_js.ipynb 1A.data - Visualisation des données - graphes interactifs True 11.167 9 9 9
128 87% 19.077 2019-02-20 td1a_dfnp/td1a_cenonce_session_12_plot.ipynb 1A.data - Visualisation des données True 20.123 16 14 14
129 100% 3.830 2019-02-20 td1a_dfnp/td1a_correction_session_10.ipynb 1A.data - DataFrame et Matrice (correction) True 5.266 18 18 18
130 100% 34.870 2019-02-20 td1a_dfnp/td1a_correction_session_12.ipynb 1A.data - visualisation des données - correction True 36.225 14 14 14
131 100% 3.566 2019-02-21 td1a_soft/td1a_cython_edit.ipynb 1A.soft - Calcul numérique et Cython True 5.064 15 15 15
132 100% 1.729 2019-02-21 td1a_soft/td1a_cython_edit_correction.ipynb 1A.soft - Calcul numérique et Cython - correction True 3.037 8 8 8
133 100% 63.294 2019-02-21 td1a_soft/td1a_sql.ipynb 1A.soft - Notions de SQL True 65.168 34 34 34
134 100% 57.281 2019-02-21 td1a_soft/td1a_sql_correction.ipynb 1A.soft - Notions de SQL - correction True 59.128 15 15 15
135 100% 5.121 2019-02-21 td1a_soft/td1a_unit_test_ci.ipynb 1A.soft - Tests unitaires, setup et ingéniérie logicielle True 6.047 14 14 14
136 100% 1.002 2019-02-21 td2a/ml_crypted_data.ipynb 2A.ml - Machine Learning et données cryptées True 2.050 9 9 9
137 100% 6.948 2019-02-21 td2a/ml_crypted_data_correction.ipynb 2A.ml - Machine Learning et données cryptées - correction True 8.035 38 38 38
138 100% 1.172 2019-02-21 td2a/pandas_iterator.ipynb 2A.data - Pandas et itérateurs True 3.046 8 8 8
139 100% 2.389 2019-02-21 td2a/pandas_iterator_correction.ipynb 2A.data - Pandas et itérateurs - correction True 4.032 19 19 19
140 100% 0.100 2019-02-21 td2a/td2a_bigdata_memory.ipynb 2A.i - Stratégies et grandes matrices en mémoire True 2.026 8 8 8
141 96% 25.158 2019-02-20 td2a/td2a_cenonce_session_1.ipynb 2A.data - DataFrame et Graphes True 26.103 75 72 72
142 100% 6.499 2019-02-21 td2a/td2a_cenonce_session_2A.ipynb 2A.data - Calcul Matriciel, Optimisation True 8.055 71 71 71
143 100% 0.362 2019-02-21 td2a/td2a_cenonce_session_2C.ipynb 2A.soft - Jupyter et commandes magiques True 2.050 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% 0.643 2019-02-21 td2a/td2a_cenonce_session_2E.ipynb 2A.i - Sérialisation True 2.064 8 8 8
147 100% 1.820 2019-02-20 td2a/td2a_cenonce_session_5.ipynb 2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien True 3.378 20 20 20
148 100% 14.450 2019-02-20 td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb 2A.i - Données non structurées et programmation fonctionnelle True 16.118 30 30 30
149 96% 26.943 2019-02-20 td2a/td2a_correction_session_1.ipynb 2A.data - DataFrame et Graphes - correction True 28.080 27 26 26
150 100% 2.110 2019-02-20 td2a/td2a_correction_session_2A.ipynb 2A.data - Calcul Matriciel, Optimisation - correction True 3.085 13 13 13
151 100% 0.850 2019-02-20 td2a/td2a_correction_session_2C.ipynb 2A.soft - IPython et commandes magiques - correction True 2.073 6 6 6
152 100% 22.486 2019-02-20 td2a/td2a_correction_session_2E.ipynb 2A.i - Sérialisation - correction True 24.060 22 22 22
153 100% 0.559 2019-02-20 td2a/td2a_correction_session_5.ipynb 2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien - correction True 2.078 3 3 3
154 100% 25.929 2019-02-20 td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb 2A.i - Données non structurées, programmation fonctionnelle - correction True 27.103 33 33 33
155 100% 4.211 2019-02-20 td2a/td2a_ml_text_features.ipynb 2A.ml - Classification binaire avec features textuelles True 6.075 18 18 18
156 100% 16.830 2019-02-20 td2a/td2a_ml_text_features_correction.ipynb 2A.ml - Classification binaire avec features textuelles - correction True 19.128 23 23 23
157 100% 11.726 2019-02-21 td2a/td2a_progressbar.ipynb 2A.i - ProgressBar et fusion de random forest - énoncé True 13.258 6 6 6
158 100% 10.870 2019-02-21 td2a/td2a_some_nlp.ipynb 2A.ml - Texte et machine learning True 12.073 29 29 29
159 90% 38.938 2019-02-21 td2a/td2a_visualisation.ipynb 2A.data - Matplotlib True 41.101 42 38 38
160 100% 0.092 2019-02-21 td2a_algo/gentry_integer_encryption.ipynb Cryptage homomorphic de Craig Gentry True 2.027 6 6 6
161 100% 0.116 2019-02-21 td2a_algo/gentry_integer_encryption_correction.ipynb Cryptage homomorphic de Craig Gentry - correction True 1.067 6 6 6
162 100% 9.947 2019-02-21 td2a_algo/knn_high_dimension.ipynb 2A.algo - Plus proches voisins en grande dimension True 11.071 8 8 8
163 100% 31.182 2019-02-21 td2a_algo/knn_high_dimension_correction.ipynb 2A.algo - Plus proches voisins en grande dimension - correction True 32.080 20 20 20
164 100% 0.208 2019-02-21 td2a_algo/td2a_cenonce_session_6A.ipynb 2A.algo - Puzzles algorithmiques (1) True 2.058 6 6 6
165 100% 0.100 2019-02-21 td2a_algo/td2a_cenonce_session_6B.ipynb 2A.algo - Puzzles algorithmiques (2) True 1.064 5 5 5
166 100% 0.677 2019-02-21 td2a_algo/td2a_correction_session_6A.ipynb 2A.algo - Puzzles algorithmes (1) - correction True 2.119 6 6 6
167 100% 0.132 2019-02-21 td2a_algo/td2a_correction_session_6B.ipynb 2A.algo - Puzzles algorithmes (2) - correction True 2.142 6 6 6
168 0% nan   td2a_eco/TD2A_Eco_Web_Scraping.ipynb 2A.eco - Web-Scraping   nan 62 0  
169 0% nan   td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb 2A.eco - Web-Scraping - correction   nan 5 0  
170 100% 0.796 2019-02-20 td2a_eco/TD2A_eco_API_SNCF.ipynb 2A.eco - Exercice API SNCF True 2.044 8 8 8
171 100% 65.296 2019-02-20 td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb 2A.eco - Exercice API SNCF corrigé True 67.097 35 35 35
172 100% 2.401 2019-02-21 td2a_eco/TD2A_eco_debuter_flask.ipynb 2A.eco - Débuter avec Flask True 4.098 14 14 14
173 100% 3.462 2019-02-21 td2a_eco/TD2A_eco_les_API.ipynb 2A.eco - API, API REST True 5.046 14 14 14
174 100% 2.667 2019-02-21 td2a_eco/td2_eco_rappels_1a.ipynb 2A.eco - Rappel de ce que vous savez déjà mais avez peut-être oublié True 4.063 29 29 29
175 100% 11.129 2019-02-21 td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb 2A.eco - Traitement automatique de la langue en Python True 12.085 28 28 28
176 100% 8.340 2019-02-21 td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb 2A.eco - Traitement automatique de la langue en Python - correction True 10.079 35 35 35
177 100% 0.000 2019-02-21 td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb 2A.eco - Exercice Python - Eco Séance 2 True 1.061 1 1 1
178 100% 0.509 2019-02-21 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 2.057 3 3 3
179 100% 1.336 2019-02-21 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 3.045 10 10 10
180 100% 2.685 2019-02-21 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 4.050 16 16 16
181 100% 3.057 2019-02-21 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 4.187 14 14 14
182 100% 4.688 2019-02-21 td2a_eco/td2a_eco_regressions_lineaires.ipynb Régressions linéaires avec Statsmodels et Scikit-Learn True 6.037 12 12 12
183 100% 2.581 2019-02-21 td2a_eco/td2a_eco_sql.ipynb 2A.eco - Python et la logique SQL True 4.032 26 26 26
184 100% 3.690 2019-02-21 td2a_eco/td2a_eco_sql_correction.ipynb 2A.eco - Python et la logique SQL - correction True 5.049 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% 159.002 2019-02-20 td2a_ml/ml_a_tree_overfitting.ipynb 2A.ml - Tree, hyperparamètres, overfitting True 161.242 27 27 27
195 100% 36.953 2019-02-21 td2a_ml/ml_b_imbalanced.ipynb 2A.ml - Imbalanced dataset True 38.077 20 20 20
196 100% 5.971 2019-02-21 td2a_ml/ml_c_machine_learning_problems.ipynb 2A.ml - Problèmes classiques de machine learning illustrés True 7.063 41 41 41
197 100% 1.470 2019-02-21 td2a_ml/ml_cc_machine_learning_problems2.ipynb 2A.ml - Boosting, random forest, gradient - les features qu’ils aiment True 3.028 4 4 4
198 100% 4.352 2019-02-21 td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb 2A.ml - Interprétabilité et corrélations des variables True 6.038 26 26 26
199 100% 7.269 2019-02-21 td2a_ml/ml_d_libraries.ipynb 2A.ml - Librairies de machine learning True 9.610 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% 0.554 2019-02-21 td2a_ml/ml_scikit_learn_simple.ipynb Rappels sur scikit-learn et le machine learning True 2.043 12 12 12
202 100% 4.177 2019-02-21 td2a_ml/ml_scikit_learn_simple_correction.ipynb Rappels sur scikit-learn et le machine learning (correction) True 5.035 21 21 21
203 100% 232.489 2019-02-20 td2a_ml/td2a_cenonce_session_3A.ipynb 2A.ml - Statistiques descriptives avec scikit-learn True 235.353 21 21 21
204 100% 43.167 2019-02-20 td2a_ml/td2a_cenonce_session_3B.ipynb 2A.ml - Arbres de décision / Random Forest True 45.301 16 16 16
205 100% 0.977 2019-02-21 td2a_ml/td2a_cenonce_session_4A.ipynb 2A.ml - Machine Learning et Marketting True 2.328 9 9 9
206 100% 1.161 2019-02-21 td2a_ml/td2a_clustering.ipynb 2A.ml - Clustering True 3.031 6 6 6
207 100% 24.754 2019-02-21 td2a_ml/td2a_clustering_correction.ipynb 2A.ml - Clustering - correction True 26.082 25 25 25
208 100% 325.513 2019-02-20 td2a_ml/td2a_correction_session_3A.ipynb 2A.ml - Statistiques descriptives avec scikit-learn - correction True 326.428 23 23 23
209 100% 135.109 2019-02-20 td2a_ml/td2a_correction_session_3B.ipynb 2A.ml - Arbres de décision / Random Forest - correction True 136.345 26 26 26
210 100% 7.900 2019-02-21 td2a_ml/td2a_correction_session_4A.ipynb 2A.ml - Machine Learning et Marketting - correction True 9.205 26 26 26
211 81% 5.964 2019-02-21 td2a_ml/td2a_ethics.ipynb Machine Learning éthique True 8.175 16 13 13
212 100% 0.108 2019-02-21 td2a_ml/td2a_ethics_correction.ipynb Machine Learning éthique - correction True 1.060 2 2 2
213 100% 0.692 2019-02-21 td2a_ml/td2a_sentiment_analysis.ipynb 2A.ml - Analyse de sentiments True 2.040 6 6 6
214 100% 129.774 2019-02-21 td2a_ml/td2a_sentiment_analysis_correction.ipynb 2A.ml - Analyse de sentiments - correction True 131.187 44 44 44
215 100% 1.321 2019-02-21 td2a_ml/td2a_timeseries.ipynb 2A.ml - Séries temporelles True 3.045 15 15 15
216 100% 4.318 2019-02-21 td2a_ml/td2a_timeseries_correction.ipynb 2A.ml - Séries temporelles - correction True 6.035 16 16 16
_images/nbcov.png