Notebooks Coverage

Report on last executions.

93% 2021-09-23

_images/nbcov-2021-09-23.png

index

coverage

exe time

last execution

name

title

success

time

nb cells

nb runs

nb valid

0

100%

22.823

2021-09-23

1a/code_liste_tuple.ipynb

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

True

25.713327846024185

4

4

4

1

100%

12.086

2021-09-23

1a/code_multinomial.ipynb

1A.1 - Simuler une loi multinomiale

True

16.39190257899463

12

12

12

2

100%

13.762

2021-09-23

1a/coloriage_carre.ipynb

Jeux de coloriage

True

18.195786086842418

23

23

23

3

100%

0.709

2021-09-23

1a/exercice_echelle.ipynb

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

True

5.0281237699091434

6

6

6

4

100%

1.966

2021-09-23

1a/exercice_morse.ipynb

1A.algo - Décoder du Morse sans espaces

True

5.052890202961862

16

16

16

5

100%

4.721

2021-09-23

1a/exercice_plus_grande_somme.ipynb

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

True

8.93297268403694

15

15

15

6

100%

0.508

2021-09-23

1a/exercice_xn.ipynb

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

True

3.4603001507930458

4

4

4

7

100%

1.498

2021-09-23

1a/histogramme_rapide.ipynb

1A.1 - Histogramme et dictionnaire

True

5.689487240742892

8

8

8

8

100%

69.106

2021-09-23

1a/nbheap.ipynb

Heap

True

71.84278347203508

15

15

15

9

100%

14.171

2021-09-23

1a/profiling_example.ipynb

1A.soft - Exemple de profiling

True

18.393915447872132

11

11

11

10

100%

1.121

2021-09-23

1a/recherche_dichotomique.ipynb

1A.algo - Recherche dichotomique

True

3.772264365106821

9

9

9

11

100%

5.314

2021-09-23

1a/structures_donnees_conversion.ipynb

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

True

8.160512171220034

29

29

29

12

100%

3.169

2021-09-23

1a/tableau_contingence.ipynb

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

True

7.2107938709668815

8

8

8

13

100%

82.982

2021-09-23

1a/tri_nlnd.ipynb

1A.algo - Tri plus rapide que prévu

True

85.64544964302331

17

17

17

14

100%

453.842

2021-08-24

2016-2017/solution_2016_credit_clement.ipynb

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

True

456.27317640197

28

28

28

15

100%

17.258

2021-08-24

2016/td2a_eco_competition_comparer_classifieurs.ipynb

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

True

19.689911649969872

16

16

16

16

100%

12.965

2021-08-24

2016/td2a_eco_competition_modeles_logistiques.ipynb

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

True

16.878496293036733

26

26

26

17

100%

310.888

2021-08-24

2016/td2a_eco_competition_statsdesc.ipynb

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

True

313.4340956080123

22

22

22

18

100%

30.501

2021-09-23

2017-2018/dimensions_reduction.ipynb

Réduction des dimensions

True

38.05003913631663

20

20

20

19

100%

15.990

2021-08-24

2017/prepare_data_2017.ipynb

2A.ml - 2017 - Préparation des données

True

18.447618520003743

43

43

43

20

89%

3.027

2021-09-23

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

2018-09-18 - Rappels sur le langage python

True

5.758098992053419

28

25

25

21

100%

10.185

2021-09-23

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

2018-09-18 - Rappels sur pandas et maplotlib

True

13.680638803169131

29

29

29

22

100%

10.275

2021-09-23

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

2018-09-18 - API de scikit-learn

True

13.396453822031617

21

21

21

23

100%

1.119

2021-09-23

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

2018-09-25 - Distance entre mots

True

3.73266409477219

11

11

11

24

100%

30.057

2021-09-23

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

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

True

32.894092448055744

20

20

20

25

100%

215.147

2021-09-23

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

2018-10-09 Ensemble, Gradient, Boosting…

True

218.4888142729178

18

18

18

26

100%

13.472

2021-09-23

2a/bayesian_with_python.ipynb

2A.ml - Bayesian models with Python

True

16.906160332262516

19

19

19

27

100%

373.161

2021-08-24

2a/cffi_linear_regression.ipynb

Optimisation de code avec cffi, numba, cython

True

375.8109438379761

92

92

92

28

100%

5.169

2021-09-23

2a/dataframe_matrix_speed.ipynb

2A.i - Mesures de vitesse sur les dataframes

True

8.371873755007982

15

15

15

29

100%

14.039

2021-09-23

2a/git_notebook.ipynb

2A.soft - Git depuis le notebook

True

16.889223786070943

23

23

23

30

100%

1.914

2021-09-23

2a/jupyter_custom_magics.ipynb

2A.soft - Custom Magics for Jupyter

True

4.672102521173656

5

5

5

31

100%

28.546

2021-09-23

2a/ml_timeseries_base.ipynb

2A.ml - Timeseries et machine learning

True

31.404948544688523

28

28

28

32

100%

4.710

2021-09-23

2a/notebook_convert.ipynb

2A.soft - Convert a notebook into a document

True

7.397126714233309

8

8

8

33

0%

nan

2a/seance_5_dask.ipynb

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

nan

28

0

34

0%

nan

2a/seance_5_intro_et_json.ipynb

2A.i - Données non structurées, programmation fonctionnelle

nan

46

0

35

0%

nan

2a/seance_5_prog_fonctionnelle.ipynb

2A.i - programmation fonctionnelle

nan

78

0

36

100%

65.760

2021-09-23

2a/timeseries_ssa.ipynb

Single Spectrum Analysis (SSA)

True

68.58600028604269

27

27

27

37

100%

5273.247

2021-08-24

data/data_irep.ipynb

IREP: registre des émissions polluantes

True

5275.6443903140025

21

21

21

38

100%

16.516

2021-08-24

data/deal_flow_espace_vert.ipynb

Deal flow espaces verts 2018 - 2019

True

18.88960427400889

14

14

14

39

100%

1.258

2021-09-23

exams/interro_rapide_20_minutes_2014_09.ipynb

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

True

3.9916924061253667

12

12

12

40

100%

3.340

2021-09-23

exams/interro_rapide_20_minutes_2014_10.ipynb

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

True

6.060672773048282

17

17

17

41

82%

8.050

2021-09-23

exams/interro_rapide_20_minutes_2014_11.ipynb

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

True

10.922911462374032

35

29

29

42

100%

1.688

2021-09-23

exams/interro_rapide_20_minutes_2014_12.ipynb

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

True

4.435067242011428

15

15

15

43

100%

0.865

2021-09-23

exams/interro_rapide_20_minutes_2015_09.ipynb

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

True

3.7136257919482887

12

12

12

44

100%

1.303

2021-09-23

exams/interro_rapide_20_minutes_2015_11.ipynb

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

True

3.953805466648191

16

16

16

45

100%

34.714

2021-09-23

exams/td_note_2013_bout_de_code_coloriage.ipynb

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

True

37.47546174703166

6

6

6

46

100%

59.821

2021-09-23

exams/td_note_2013_coloriage_correction.ipynb

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

True

62.59694833215326

14

14

14

47

100%

4.518

2021-09-23

exams/td_note_2015.ipynb

1A.e - TD noté, 5 décembre 2014

True

7.2976688030175865

36

36

36

48

100%

0.234

2021-09-23

exams/td_note_2015_rattrapage_enonce.ipynb

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

True

2.8124052598141134

6

6

6

49

100%

9.922

2021-09-23

exams/td_note_2016.ipynb

1A.e - TD noté, 11 décembre 2015

True

12.533109669107944

26

26

26

50

100%

3.724

2021-09-23

exams/td_note_2017.ipynb

1A.e - TD noté, 16 décembre 2016

True

6.481216385029256

23

23

23

51

100%

2.774

2021-09-23

exams/td_note_2017_2.ipynb

1A.e - TD noté, 21 février 2017

True

5.472823791671544

21

21

21

52

100%

18.079

2021-09-23

exams/td_note_2018_1.ipynb

1A.e - Enoncé 12 décembre 2017 (1)

True

20.732002322096378

25

25

25

53

100%

16.083

2021-09-23

exams/td_note_2018_2.ipynb

1A.e - Enoncé 12 décembre 2017 (2)

True

18.841143695171922

21

21

21

54

100%

115.908

2021-09-23

exams/td_note_2019_1.ipynb

1A.e - Enoncé 23 octobre 2018 (1)

True

118.55935395462438

17

17

17

55

100%

48.239

2021-09-23

exams/td_note_2019_2.ipynb

1A.e - Enoncé 23 octobre 2018 (2)

True

51.01923250500113

18

18

18

56

100%

16.650

2021-09-23

exams/td_note_2020_1.ipynb

1A.e - Enoncé 22 octobre 2019 (1)

True

19.372085473965853

29

29

29

57

100%

15.220

2021-09-23

exams/td_note_2020_2.ipynb

1A.e - Enoncé 22 octobre 2019 (2)

True

18.202437119092792

28

28

28

58

100%

27.320

2021-09-23

exams/td_note_2021.ipynb

1A - Enoncé 24 novembre 2020

True

30.021523050032556

24

24

24

59

100%

64.551

2021-09-23

expose/BJKST.ipynb

2A.algo - Algorithmes de streaming : généralités

True

68.08552424097434

39

39

39

60

100%

21.141

2021-09-23

expose/expose_TSP.ipynb

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

True

23.896766079124063

11

11

11

61

100%

5.871

2021-09-23

expose/expose_einstein_riddle.ipynb

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

True

8.969476705882698

4

4

4

62

100%

6.978

2021-09-23

expose/expose_graphe_et_map_reduce.ipynb

3A.mr - Graphes et Map Reduce

True

10.682886800263077

11

11

11

63

100%

2.526

2021-09-23

expose/expose_rwr_recommandation.ipynb

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

True

6.12616540491581

4

4

4

64

100%

2.964

2021-08-24

expose/expose_vigenere.ipynb

1A.algo - Casser le code de Vigenère

True

5.319906322984025

9

9

9

65

100%

35.410

2021-09-23

expose/hash_distribution.ipynb

2A.algo - Hash et distribution

True

38.23985075391829

14

14

14

66

100%

60.226

2021-09-23

expose/ml_features_model.ipynb

2A.ml - Features ou modèle

True

63.32086843671277

15

15

15

67

0%

nan

expose/ml_huge_datasets.ipynb

2A.i - Huge datasets, datasets hiérarchiques

nan

30

0

68

100%

2467.069

2021-08-24

expose/ml_rue_paris_parcours.ipynb

2A.algo - Parcourir les rues de Paris

True

2469.6160354700405

24

24

24

69

100%

718.078

2021-08-24

expose/ml_table_mortalite.ipynb

2A.i - Table de mortalité dans plusieurs containers

True

720.9270171879907

35

35

35

70

100%

8.605

2021-09-23

sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb

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

True

11.287148851901293

13

13

13

71

100%

7.573

2021-09-23

sklearn_ensae_course/01_data_manipulation.ipynb

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

True

10.267211896833032

18

18

18

72

100%

13.307

2021-09-23

sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb

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

True

15.912144090048969

15

15

15

73

100%

34.280

2021-09-23

sklearn_ensae_course/03_supervised_classification.ipynb

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

True

36.88986681215465

12

12

12

74

100%

18.851

2021-09-23

sklearn_ensae_course/04_supervised_regression.ipynb

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

True

21.61169026698917

12

12

12

75

100%

23.673

2021-09-23

sklearn_ensae_course/05_measuring_prediction_performance.ipynb

2A.ML101.5: Measuring prediction performance

True

26.374506330117583

23

23

23

76

100%

25.230

2021-09-23

sklearn_ensae_course/06_unsupervised_dimreduction.ipynb

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

True

27.894406663719565

18

18

18

77

100%

28.661

2021-09-23

sklearn_ensae_course/07_application_to_face_recognition.ipynb

2A.ML101.7: Example from Image Processing

True

31.359047629870474

19

19

19

78

100%

17.095

2021-09-23

sklearn_ensae_course/08_validation_and_learning_curves.ipynb

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

True

19.75256547005847

15

15

15

79

100%

0.581

2021-09-23

td1a/integrale_rectangle.ipynb

1A.1 - Intégrale et la méthode des rectangles

True

3.358172527048737

6

6

6

80

100%

7.134

2021-09-23

td1a/integrale_rectangle_correction.ipynb

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

True

9.78966435464099

30

30

30

81

100%

0.499

2021-09-23

td1a/j2048.ipynb

1A.2 - 2048 - stratégie gagnante

True

4.503613482695073

3

3

3

82

100%

1.641

2021-09-23

td1a/j2048_correction.ipynb

1A.2 - 2048 - stratégie gagnante - correction

True

4.269081748090684

11

11

11

83

100%

67.069

2021-09-23

td1a/matrix_dictionary.ipynb

Produit matriciel avec une matrice creuse

True

69.74802333116531

20

20

20

84

100%

0.362

2021-09-23

td1a/pp_exo_deviner_un_nombre.ipynb

1A.1 - Deviner un nombre aléatoire

True

2.964206581003964

5

5

5

85

100%

0.863

2021-09-23

td1a/pp_exo_deviner_un_nombre_correction.ipynb

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

True

3.5562526788562536

7

7

7

86

75%

1.251

2021-09-23

td1a/td1a_cenonce_session1.ipynb

1A.0 - Premiers pas en Python

True

4.008390072733164

16

12

12

87

100%

3.642

2021-09-23

td1a/td1a_cenonce_session2.ipynb

1A.1 - Variables, boucles, tests

True

6.350221778731793

30

30

30

88

100%

2.584

2021-09-23

td1a/td1a_cenonce_session3.ipynb

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

True

5.421358373947442

26

26

26

89

100%

3.842

2021-09-23

td1a/td1a_cenonce_session4.ipynb

1A.2 - Modules, fichiers, expressions régulières

True

6.63223591260612

20

20

20

90

100%

1.865

2021-09-23

td1a/td1a_cenonce_session5.ipynb

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

True

4.5834710178896785

17

17

17

91

100%

1.090

2021-09-23

td1a/td1a_cenonce_session6.ipynb

1A.2 - Classes, héritage

True

3.8188074831850827

11

11

11

92

100%

1.354

2021-09-23

td1a/td1a_correction_session1.ipynb

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

True

3.9477706803008914

13

13

13

93

100%

0.969

2021-09-23

td1a/td1a_correction_session2.ipynb

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

True

3.562872290145606

8

8

8

94

100%

0.985

2021-09-23

td1a/td1a_correction_session3.ipynb

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

True

3.577608047053218

9

9

9

95

100%

5.672

2021-09-23

td1a/td1a_correction_session4.ipynb

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

True

8.341627267654985

20

20

20

96

100%

59.819

2021-09-23

td1a/td1a_correction_session5.ipynb

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

True

62.41072750929743

12

12

12

97

100%

0.581

2021-09-23

td1a/td1a_correction_session6.ipynb

1A.2 - Classes, héritage (correction)

True

3.209168797824532

5

5

5

98

100%

2.515

2021-09-23

td1a/td1a_pyramide_bigarree.ipynb

1A.1 - Tracer une pyramide bigarrée

True

5.281914805062115

5

5

5

99

100%

6.556

2021-09-23

td1a/td1a_pyramide_bigarree_correction.ipynb

1A.1 - Tracer une pyramide bigarrée - correction

True

9.207804953213781

11

11

11

100

100%

1.833

2021-09-23

td1a/texte_langue.ipynb

1A.2 - Deviner la langue d’un texte

True

4.446673612110317

6

6

6

101

100%

17.426

2021-09-23

td1a/texte_langue_correction.ipynb

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

True

20.07404503505677

23

23

23

102

100%

0.449

2021-09-23

td1a_algo/BJKST_enonce.ipynb

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

True

3.1095690582878888

4

4

4

103

100%

1.750

2021-09-23

td1a_algo/graph1exo_parcours.ipynb

1A.algo - Parcours de graphe

True

4.33173519000411

8

8

8

104

100%

2.029

2021-09-23

td1a_algo/graph1exo_parcours_correction.ipynb

1A.algo - Parcours de graphe - correction

True

4.748519910033792

9

9

9

105

100%

1.202

2021-09-23

td1a_algo/graph4exos.ipynb

1A.algo - Des problèmes de graphes

True

3.9998264820314944

6

6

6

106

100%

1.427

2021-09-23

td1a_algo/graph_spectral_clustering.ipynb

1A.algo - Spectral Clustering

True

4.022493316791952

6

6

6

107

100%

2.391

2021-09-23

td1a_algo/graph_spectral_clustering_correction.ipynb

1A.algo - Spectral Clustering - correction

True

5.0044518150389194

11

11

11

108

100%

0.151

2021-09-23

td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb

1A.algo - distance de Jaccard (dictionnaires)

True

2.7696237419731915

4

4

4

109

100%

4.280

2021-09-23

td1a_algo/td1a_cenonce_session7.ipynb

1A.algo - Programmation dynamique et plus court chemin

True

6.918605402112007

17

17

17

110

100%

0.456

2021-09-23

td1a_algo/td1a_cenonce_session7_edition.ipynb

1A.algo - La distance d’édition

True

3.14420082885772

8

8

8

111

100%

0.593

2021-09-23

td1a_algo/td1a_cenonce_session8.ipynb

1A.algo - Arbre et Trie

True

3.413972449954599

10

10

10

112

100%

0.147

2021-09-23

td1a_algo/td1a_cenonce_session8_wikiroot.ipynb

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

True

2.7448670179583132

4

4

4

113

100%

0.735

2021-09-23

td1a_algo/td1a_cenonce_session9.ipynb

1A.algo - Optimisation sous contrainte

True

5.767009329050779

6

6

6

114

100%

19.455

2021-09-23

td1a_algo/td1a_correction_session4_5_jaccard.ipynb

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

True

22.066893049981445

17

17

17

115

100%

8.166

2021-09-23

td1a_algo/td1a_correction_session7.ipynb

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

True

10.766575755085796

15

15

15

116

100%

2.767

2021-09-23

td1a_algo/td1a_correction_session7_edition.ipynb

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

True

5.390263135079294

20

20

20

117

100%

285.909

2021-08-24

td1a_algo/td1a_correction_session8.ipynb

1A.algo - Arbre et Trie (correction)

True

288.6407423359924

20

20

20

118

100%

3.960

2021-09-23

td1a_algo/td1a_correction_session8_wikiroot.ipynb

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

True

6.622451914940029

5

5

5

119

100%

3.149

2021-09-23

td1a_algo/td1a_correction_session9.ipynb

1A.algo - Optimisation sous contrainte (correction)

True

5.915840641129762

7

7

7

120

100%

0.000

2021-09-23

td1a_algo/td1a_plus_grande_somme.ipynb

1A.algo - la plus grande sous-séquence croissante

True

2.8424804587848485

1

1

1

121

100%

107.182

2021-09-23

td1a_algo/td1a_plus_grande_somme_correction.ipynb

1A.algo - la plus grande sous-séquence croissante - correction

True

109.87596328090876

10

10

10

122

87%

4.738

2021-09-23

td1a_algo/td1a_quicksort.ipynb

1A.algo - Quicksort

True

7.363728998694569

8

7

7

123

100%

6.551

2021-09-23

td1a_algo/td1a_quicksort_correction.ipynb

1A.algo - quicksort - correction

True

9.223350731190294

10

10

10

124

100%

2.001

2021-09-23

td1a_algo/td1a_sobel.ipynb

1A.algo - filtre de Sobel

True

4.826756512280554

6

6

6

125

100%

18.751

2021-09-23

td1a_algo/td1a_sobel_correction.ipynb

1A.algo - filtre de Sobel - correction

True

21.50614018831402

8

8

8

126

100%

0.151

2021-09-23

td1a_dfnp/decorrelation.ipynb

1A.data - Décorrélation de variables aléatoires

True

2.72386470483616

7

7

7

127

100%

1.874

2021-09-23

td1a_dfnp/decorrelation_correction.ipynb

1A.data - Décorrélation de variables aléatoires - correction

True

4.560748212039471

15

15

15

128

100%

9.855

2021-09-23

td1a_dfnp/td1a_cenonce_session_10.ipynb

1A.data - DataFrame et Matrice

True

12.897042326629162

51

51

51

129

100%

101.374

2021-08-24

td1a_dfnp/td1a_cenonce_session_12_carte.ipynb

1A.data - Visualisation des données - cartes

True

103.87452382600168

22

22

22

130

100%

9.468

2021-08-24

td1a_dfnp/td1a_cenonce_session_12_js.ipynb

1A.data - Visualisation des données - graphes interactifs

True

12.20845229004044

9

9

9

131

87%

104.999

2021-08-24

td1a_dfnp/td1a_cenonce_session_12_plot.ipynb

1A.data - Visualisation des données

True

107.65586810401874

16

14

14

132

100%

6.802

2021-08-24

td1a_dfnp/td1a_correction_session_10.ipynb

1A.data - DataFrame et Matrice (correction)

True

9.29726166697219

18

18

18

133

100%

198.190

2021-08-24

td1a_dfnp/td1a_correction_session_12.ipynb

1A.data - visualisation des données - correction

True

200.7067130649812

14

14

14

134

100%

12.416

2021-09-23

td1a_home/2020_carte.ipynb

Tech - carte

True

15.061930511146784

23

23

23

135

100%

67.905

2021-09-23

td1a_home/2020_covid.ipynb

Algo - simulation COVID

True

70.69222173606977

33

33

33

136

100%

2.151

2021-09-23

td1a_home/2020_edit.ipynb

Algo - distance d’édiction

True

4.844862564001232

15

15

15

137

100%

29.806

2021-09-23

td1a_home/2020_graph.ipynb

Algo - Graphe - Composantes connexes

True

32.42860505962744

15

15

15

138

100%

10.631

2021-09-23

td1a_home/2020_json_xml.ipynb

Tech - JSON - XML

True

13.317444159183651

45

45

45

139

100%

34.129

2021-09-23

td1a_home/2020_numpy.ipynb

Tech - calcul matriciel avec numpy

True

36.84818733204156

35

35

35

140

100%

2.305

2021-09-23

td1a_home/2020_ordonnancement.ipynb

Algo - Problème d’ordonnancement

True

4.899024104233831

11

11

11

141

100%

29.293

2021-09-23

td1a_home/2020_pandas.ipynb

Tech - manipulation de données avec pandas

True

32.15113047976047

64

64

64

142

100%

47.429

2021-09-23

td1a_home/2020_profile.ipynb

Tech - profiling

True

50.05795651394874

18

18

18

143

100%

1.151

2021-09-23

td1a_home/2020_regex.ipynb

Tech - expressions régulières

True

3.7647967818193138

14

14

14

144

100%

9.635

2021-09-23

td1a_home/2020_rest.ipynb

Tech - API REST pour deep learning avec FastAPI

True

12.29678354319185

28

28

28

145

100%

4.954

2021-09-23

td1a_home/2020_suffix.ipynb

Algo - jeux de dictionnaires, plus grand suffixe commun

True

7.643638715147972

24

24

24

146

100%

19.779

2021-09-23

td1a_home/2020_surface.ipynb

Algo - Calculs de surface et autres calculs

True

22.37681689625606

16

16

16

147

100%

58.311

2021-09-23

td1a_home/2020_topk.ipynb

Algo - les k premiers éléments

True

60.95820093713701

32

32

32

148

100%

10.766

2021-09-23

td1a_home/2020_tsp.ipynb

Algo - TSP - Traveling Salesman Problem

True

13.464163960888982

14

14

14

149

100%

2.302

2021-09-23

td1a_home/2021_editdist.ipynb

Distance entre deux mots de même longueur et tests unitaires

True

4.9572092718444765

17

17

17

150

100%

6.655

2021-09-23

td1a_home/2021_random_graph.ipynb

Algo - graphes aléatoires

True

9.45272941980511

22

22

22

151

100%

9.916

2021-09-23

td1a_home/2021_tsp.ipynb

Algo - Aparté sur le voyageur de commerce

True

13.11805013101548

9

9

9

152

100%

4.474

2021-09-23

td1a_soft/td1a_cython_edit.ipynb

1A.soft - Calcul numérique et Cython

True

7.080515747889876

15

15

15

153

100%

5.447

2021-09-23

td1a_soft/td1a_cython_edit_correction.ipynb

1A.soft - Calcul numérique et Cython - correction

True

8.039858538191766

8

8

8

154

100%

247.484

2021-09-23

td1a_soft/td1a_sql.ipynb

1A.soft - Notions de SQL

True

250.30469001922756

34

34

34

155

100%

207.054

2021-09-23

td1a_soft/td1a_sql_correction.ipynb

1A.soft - Notions de SQL - correction

True

209.70232410402969

15

15

15

156

100%

8.240

2021-09-23

td1a_soft/td1a_unit_test_ci.ipynb

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

True

10.864027546718717

14

14

14

157

100%

8.471

2021-09-23

td2a/ml_crypted_data.ipynb

2A.ml - Machine Learning et données cryptées

True

12.032983199693263

9

9

9

158

100%

33.594

2021-09-23

td2a/ml_crypted_data_correction.ipynb

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

True

36.74845339497551

38

38

38

159

100%

4.358

2021-09-23

td2a/pandas_iterator.ipynb

2A.data - Pandas et itérateurs

True

7.049272851087153

8

8

8

160

100%

6.967

2021-09-23

td2a/pandas_iterator_correction.ipynb

2A.data - Pandas et itérateurs - correction

True

9.871366381179541

19

19

19

161

100%

0.176

2021-09-23

td2a/td2a_bigdata_memory.ipynb

2A.i - Stratégies et grandes matrices en mémoire

True

2.875217031221837

8

8

8

162

96%

111.674

2021-08-24

td2a/td2a_cenonce_session_1.ipynb

2A.data - DataFrame et Graphes

True

114.3687903760001

75

72

72

163

100%

11.643

2021-09-23

td2a/td2a_cenonce_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation

True

15.024881003890187

71

71

71

164

100%

0.432

2021-09-23

td2a/td2a_cenonce_session_2C.ipynb

2A.soft - Jupyter et commandes magiques

True

3.293702962808311

5

5

5

165

0%

nan

td2a/td2a_cenonce_session_2D_jupyter.ipynb

2A.i - Jupyter et calcul distribué

nan

72

0

166

0%

nan

td2a/td2a_cenonce_session_2D_parallelisation_local.ipynb

2A.i - Parallélisation locale (énoncé)

nan

7

0

167

100%

1.560

2021-09-23

td2a/td2a_cenonce_session_2E.ipynb

2A.i - Sérialisation

True

4.505867118947208

8

8

8

168

100%

3.166

2021-08-24

td2a/td2a_cenonce_session_5.ipynb

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

True

5.675636851054151

20

20

20

169

100%

18.857

2021-08-24

td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb

2A.i - Données non structurées et programmation fonctionnelle

True

21.34707628702745

30

30

30

170

96%

96.521

2021-08-24

td2a/td2a_correction_session_1.ipynb

2A.data - DataFrame et Graphes - correction

True

99.03466410498368

27

26

26

171

100%

9.062

2021-08-24

td2a/td2a_correction_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation - correction

True

11.474768954969477

13

13

13

172

100%

5.191

2021-08-24

td2a/td2a_correction_session_2C.ipynb

2A.soft - IPython et commandes magiques - correction

True

7.553381862002425

6

6

6

173

100%

38.666

2021-08-24

td2a/td2a_correction_session_2E.ipynb

2A.i - Sérialisation - correction

True

41.06002018402796

24

24

24

174

100%

1.693

2021-08-24

td2a/td2a_correction_session_5.ipynb

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

True

4.054786907974631

3

3

3

175

100%

74.292

2021-08-24

td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb

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

True

76.8102721159812

33

33

33

176

100%

13.006

2021-08-24

td2a/td2a_ml_text_features.ipynb

2A.ml - Classification binaire avec features textuelles

True

17.742697518027853

18

18

18

177

100%

35.489

2021-08-24

td2a/td2a_ml_text_features_correction.ipynb

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

True

38.19317107304232

23

23

23

178

100%

16.053

2021-09-23

td2a/td2a_progressbar.ipynb

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

True

19.371280262246728

6

6

6

179

100%

52.272

2021-09-23

td2a/td2a_some_nlp.ipynb

2A.ml - Texte et machine learning

True

55.090670597273856

36

36

36

180

90%

193.112

2021-09-23

td2a/td2a_visualisation.ipynb

2A.data - Matplotlib

True

195.94820535182953

42

38

38

181

100%

0.161

2021-09-23

td2a_algo/gentry_integer_encryption.ipynb

Cryptage homomorphic de Craig Gentry

True

2.7938885712064803

6

6

6

182

100%

0.190

2021-09-23

td2a_algo/gentry_integer_encryption_correction.ipynb

Cryptage homomorphic de Craig Gentry - correction

True

3.1084905099123716

6

6

6

183

100%

18.983

2021-09-23

td2a_algo/knn_high_dimension.ipynb

2A.algo - Plus proches voisins en grande dimension

True

21.6042701844126

8

8

8

184

100%

135.572

2021-09-23

td2a_algo/knn_high_dimension_correction.ipynb

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

True

138.41534276586026

20

20

20

185

100%

0.259

2021-09-23

td2a_algo/td2a_cenonce_session_6A.ipynb

2A.algo - Puzzles algorithmiques (1)

True

3.1732538281939924

6

6

6

186

100%

0.203

2021-09-23

td2a_algo/td2a_cenonce_session_6B.ipynb

2A.algo - Puzzles algorithmiques (2)

True

2.943159449379891

5

5

5

187

100%

0.640

2021-09-23

td2a_algo/td2a_correction_session_6A.ipynb

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

True

3.5275899739935994

6

6

6

188

100%

0.150

2021-09-23

td2a_algo/td2a_correction_session_6B.ipynb

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

True

2.941400596871972

6

6

6

189

100%

22.833

2021-08-24

td2a_eco/TD2A_Eco_Web_Scraping.ipynb

2A.eco - Web-Scraping

True

25.25473767798394

29

29

29

190

100%

22.588

2021-08-24

td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb

2A.eco - Web-Scraping - correction

True

25.53861743095331

6

6

6

191

100%

5.014

2021-08-24

td2a_eco/TD2A_eco_API_SNCF.ipynb

2A.eco - Exercice API SNCF

True

7.626649707031902

11

11

11

192

100%

37.426

2021-08-24

td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb

2A.eco - Exercice API SNCF corrigé

True

39.93658115505241

40

40

40

193

100%

2.300

2021-09-23

td2a_eco/TD2A_eco_debuter_flask.ipynb

2A.eco - Débuter avec Flask

True

4.917029066942632

14

14

14

194

100%

5.609

2021-09-23

td2a_eco/TD2A_eco_les_API.ipynb

2A.eco - API, API REST

True

8.697514628060162

15

15

15

195

100%

4.665

2021-09-23

td2a_eco/td2_eco_rappels_1a.ipynb

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

True

7.389312235638499

29

29

29

196

100%

17.962

2021-09-23

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb

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

True

20.701560308225453

34

34

34

197

100%

38.634

2021-09-23

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb

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

True

41.37942165881395

35

35

35

198

100%

0.000

2021-09-23

td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb

2A.eco - Exercice Python - Eco Séance 2

True

2.8758573038503528

1

1

1

199

100%

1.573

2021-09-23

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

4.259582176338881

3

3

3

200

100%

5.618

2021-09-23

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

8.452732498757541

10

10

10

201

100%

7.583

2021-09-23

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

10.192450399976224

16

16

16

202

100%

9.752

2021-09-23

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

12.42005080729723

14

14

14

203

100%

36.597

2021-09-23

td2a_eco/td2a_eco_regressions_lineaires.ipynb

Régressions linéaires avec Statsmodels et Scikit-Learn

True

39.490050056017935

12

12

12

204

100%

4.551

2021-09-23

td2a_eco/td2a_eco_sql.ipynb

2A.eco - Python et la logique SQL

True

7.221126223914325

26

26

26

205

100%

6.353

2021-09-23

td2a_eco/td2a_eco_sql_correction.ipynb

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

True

9.047727697063237

36

36

36

206

100%

28.660

2021-08-24

td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb

TD7 - Analyse de texte

True

31.142657953023445

29

29

29

207

100%

28.551

2021-08-24

td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb

TD7 - Analyse de texte - correction

True

31.17125740798656

29

29

29

208

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

209

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

210

100%

61.539

2021-08-24

td2a_eco2/td2a_eco_NLP_tf_idf_ngrams_LDA_word2vec_sur_des_extraits_litteraires.ipynb

2A.eco - Introduction au text mining

True

64.38834151497576

69

69

69

211

100%

1368.603

2021-09-23

td2a_ml/gradient_boosting.ipynb

Gradient Boosting

True

1371.6276480420493

37

37

37

212

100%

659.744

2021-08-24

td2a_ml/ml_a_tree_overfitting.ipynb

2A.ml - Tree, hyperparamètres, overfitting

True

662.2126394129591

28

28

28

213

100%

218.558

2021-09-23

td2a_ml/ml_b_imbalanced.ipynb

2A.ml - Imbalanced dataset

True

221.45948558673263

22

22

22

214

100%

19.683

2021-09-23

td2a_ml/ml_c_machine_learning_problems.ipynb

2A.ml - Problèmes classiques de machine learning illustrés

True

22.47271687304601

41

41

41

215

100%

0.384

2021-09-23

td2a_ml/ml_cc_machine_learning_problems2.ipynb

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

True

3.0061779459938407

4

4

4

216

100%

8.919

2021-09-23

td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb

2A.ml - Interprétabilité et corrélations des variables

True

11.61889946134761

26

26

26

217

100%

146.272

2021-09-23

td2a_ml/ml_lasso_rf_grid_search_correction.ipynb

Hyperparamètres, LassoRandomForestRregressor et grid_search (correction)

True

148.90644945111126

15

15

15

218

100%

4.416

2021-09-23

td2a_ml/ml_lasso_rf_grid_search_enonce.ipynb

Hyperparamètres, LassoRandomForestRregressor et grid_search (énoncé)

True

7.039279374759644

4

4

4

219

100%

1.744

2021-09-23

td2a_ml/ml_scikit_learn_simple.ipynb

Rappels sur scikit-learn et le machine learning

True

4.425672559067607

12

12

12

220

100%

19.603

2021-09-23

td2a_ml/ml_scikit_learn_simple_correction.ipynb

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

True

22.321833924856037

21

21

21

221

100%

32.581

2021-09-23

td2a_ml/seasonal_timeseries.ipynb

Timeseries

True

35.45717398589477

42

42

42

222

100%

1400.514

2021-08-24

td2a_ml/td2a_cenonce_session_3A.ipynb

2A.ml - Statistiques descriptives avec scikit-learn

True

1403.8987084389664

18

18

18

223

100%

196.494

2021-08-24

td2a_ml/td2a_cenonce_session_3B.ipynb

2A.ml - Arbres de décision / Random Forest

True

199.2118528370047

16

16

16

224

100%

2.843

2021-09-23

td2a_ml/td2a_cenonce_session_4A.ipynb

2A.ml - Machine Learning et Marketting

True

5.627158686053008

9

9

9

225

100%

3.666

2021-09-23

td2a_ml/td2a_clustering.ipynb

2A.ml - Clustering

True

6.331623530946672

6

6

6

226

100%

66.638

2021-09-23

td2a_ml/td2a_clustering_correction.ipynb

2A.ml - Clustering - correction

True

69.33727726805955

25

25

25

227

100%

77.718

2021-09-23

td2a_ml/td2a_correction_cl_reg_anomaly.ipynb

2A.data - Classification, régression, anomalies - correction

True

80.57299430202693

33

33

33

228

100%

1924.139

2021-08-24

td2a_ml/td2a_correction_session_3A.ipynb

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

True

1926.8156567150145

24

24

24

229

100%

724.030

2021-08-24

td2a_ml/td2a_correction_session_3B.ipynb

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

True

726.8298742800253

26

26

26

230

100%

48.730

2021-09-23

td2a_ml/td2a_correction_session_4A.ipynb

2A.ml - Machine Learning et Marketting - correction

True

51.434677890036255

26

26

26

231

100%

5.994

2021-09-23

td2a_ml/td2a_enonce_cl_reg_anomaly.ipynb

2A.data - Classification, régression, anomalies - énoncé

True

8.763281098101288

9

9

9

232

96%

17.476

2021-08-24

td2a_ml/td2a_ethics.ipynb

Machine Learning éthique

True

19.996125050005503

31

30

30

233

100%

0.115

2021-08-24

td2a_ml/td2a_ethics_correction.ipynb

Machine Learning éthique - correction

True

2.5119440889684483

2

2

2

234

100%

38.283

2021-09-23

td2a_ml/td2a_pipeline_tree_selection_correction.ipynb

2A.ml - Pipeline pour un réduction d’une forêt aléatoire - correction

True

41.07478825887665

24

24

24

235

100%

7.010

2021-09-23

td2a_ml/td2a_pipeline_tree_selection_enonce.ipynb

2A.ml - Pipeline pour un réduction d’une forêt aléatoire - énoncé

True

10.037300494965166

11

11

11

236

100%

2.468

2021-09-23

td2a_ml/td2a_sentiment_analysis.ipynb

2A.ml - Analyse de sentiments

True

5.0118511179462075

6

6

6

237

100%

40.647

2021-09-23

td2a_ml/td2a_sentiment_analysis_correction.ipynb

2A.ml - Analyse de sentiments - correction

True

43.296372429002076

44

44

44

238

100%

10.920

2021-09-23

td2a_ml/td2a_timeseries.ipynb

2A.ml - Séries temporelles

True

13.889987919013947

15

15

15

239

100%

20.382

2021-09-23

td2a_ml/td2a_timeseries_correction.ipynb

2A.ml - Séries temporelles - correction

True

24.344559560064226

15

15

15

240

100%

117.036

2021-09-23

td2a_ml/td2a_tree_selection_correction.ipynb

2A.ml - Réduction d’une forêt aléatoire - correction

True

119.75515598198399

19

19

19

241

100%

4.399

2021-09-23

td2a_ml/td2a_tree_selection_enonce.ipynb

2A.ml - Réduction d’une forêt aléatoire - énoncé

True

6.974771440960467

8

8

8

_images/nbcov.png