Notebooks Coverage

Report on last executions.

84% 2019-08-22

_images/nbcov-2019-08-22.png

index

coverage

exe time

last execution

name

title

success

time

nb cells

nb runs

nb valid

0

100%

8.678

2019-08-22

1a/code_liste_tuple.ipynb

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

True

9.475

4

4

4

1

100%

2.222

2019-08-22

1a/code_multinomial.ipynb

1A.1 - Simuler une loi multinomiale

True

3.004

12

12

12

2

100%

0.402

2019-08-22

1a/exercice_echelle.ipynb

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

True

1.240

6

6

6

3

100%

1.378

2019-08-22

1a/exercice_morse.ipynb

1A.algo - Décoder du Morse sans espaces

True

2.213

16

16

16

4

100%

1.608

2019-08-22

1a/exercice_plus_grande_somme.ipynb

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

True

2.421

15

15

15

5

100%

0.277

2019-08-22

1a/exercice_xn.ipynb

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

True

1.090

4

4

4

6

100%

0.987

2019-08-22

1a/histogramme_rapide.ipynb

1A.1 - Histogramme et dictionnaire

True

1.766

8

8

8

7

100%

3.554

2019-08-22

1a/profiling_example.ipynb

1A.soft - Exemple de profiling

True

4.321

11

11

11

8

100%

0.857

2019-08-22

1a/recherche_dichotomique.ipynb

1A.algo - Recherche dichotomique

True

1.686

9

9

9

9

100%

2.711

2019-08-22

1a/structures_donnees_conversion.ipynb

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

True

3.548

29

29

29

10

100%

0.755

2019-08-22

1a/tableau_contingence.ipynb

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

True

1.581

8

8

8

11

100%

19.876

2019-08-22

1a/tri_nlnd.ipynb

1A.algo - Tri plus rapide que prévu

True

20.674

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%

393.810

2019-08-19

2016-2017/solution_2016_credit_clement.ipynb

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

True

394.799

28

28

28

16

100%

4.421

2019-08-19

2016/td2a_eco_competition_comparer_classifieurs.ipynb

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

True

5.471

16

16

16

17

100%

3.724

2019-08-19

2016/td2a_eco_competition_modeles_logistiques.ipynb

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

True

4.753

26

26

26

18

100%

106.414

2019-08-19

2016/td2a_eco_competition_statsdesc.ipynb

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

True

107.764

22

22

22

19

100%

5.848

2019-08-22

2017-2018/dimensions_reduction.ipynb

Réduction des dimensions

True

6.672

20

20

20

20

100%

6.442

2019-08-08

2017/prepare_data_2017.ipynb

2A.ml - 2017 - Préparation des données

True

7.222

43

43

43

21

89%

1.982

2019-08-22

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

2018-09-18 - Rappels sur le langage python

True

2.773

28

25

25

22

100%

2.910

2019-08-22

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

2018-09-18 - Rappels sur pandas et maplotlib

True

3.744

29

29

29

23

100%

2.562

2019-08-22

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

2018-09-18 - API de scikit-learn

True

3.362

21

21

21

24

100%

2.281

2019-08-22

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

2018-09-25 - Distance entre mots

True

3.111

11

11

11

25

100%

6.015

2019-08-22

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

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

True

6.870

20

20

20

26

100%

57.457

2019-08-22

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

2018-10-09 Ensemble, Gradient, Boosting…

True

58.244

18

18

18

27

100%

8.750

2019-08-22

2a/bayesian_with_python.ipynb

2A.ml - Bayesian models with Python

True

10.215

18

18

18

28

100%

164.357

2019-08-19

2a/cffi_linear_regression.ipynb

Optimisation de code avec cffi, numba, cython

True

165.655

92

92

92

29

100%

1.739

2019-08-22

2a/dataframe_matrix_speed.ipynb

2A.i - Mesures de vitesse sur les dataframes

True

2.550

15

15

15

30

100%

6.026

2019-08-22

2a/git_notebook.ipynb

2A.soft - Git depuis le notebook

True

6.926

23

23

23

31

100%

0.730

2019-08-22

2a/jupyter_custom_magics.ipynb

2A.soft - Custom Magics for Jupyter

True

1.511

5

5

5

32

100%

5.977

2019-08-22

2a/ml_timeseries_base.ipynb

2A.ml - Timeseries et machine learning

True

6.794

28

28

28

33

100%

1.652

2019-08-22

2a/notebook_convert.ipynb

2A.soft - Convert a notebook into a document

True

2.459

8

8

8

34

0%

nan

2a/python_r.ipynb

2A.soft - R et notebooks

nan

27

0

35

100%

82.855

2019-08-19

2a/seance_5_dask.ipynb

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

True

83.837

16

16

16

36

100%

52.682

2019-08-19

2a/seance_5_intro_et_json.ipynb

2A.i - Données non structurées, programmation fonctionnelle

True

53.521

20

20

20

37

100%

99.753

2019-08-19

2a/seance_5_prog_fonctionnelle.ipynb

2A.i - programmation fonctionnelle

True

100.561

44

44

44

38

100%

13.984

2019-08-22

2a/timeseries_ssa.ipynb

Single Spectrum Analysis (SSA)

True

14.834

27

27

27

39

100%

0.968

2019-08-22

exams/interro_rapide_20_minutes_2014_09.ipynb

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

True

1.779

12

12

12

40

100%

1.467

2019-08-22

exams/interro_rapide_20_minutes_2014_10.ipynb

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

True

2.307

17

17

17

41

82%

3.207

2019-08-22

exams/interro_rapide_20_minutes_2014_11.ipynb

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

True

4.025

35

29

29

42

100%

1.353

2019-08-22

exams/interro_rapide_20_minutes_2014_12.ipynb

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

True

2.174

15

15

15

43

100%

0.581

2019-08-22

exams/interro_rapide_20_minutes_2015_09.ipynb

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

True

1.422

12

12

12

44

100%

0.940

2019-08-22

exams/interro_rapide_20_minutes_2015_11.ipynb

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

True

1.752

16

16

16

45

100%

6.843

2019-08-22

exams/td_note_2013_bout_de_code_coloriage.ipynb

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

True

7.650

6

6

6

46

100%

16.554

2019-08-22

exams/td_note_2013_coloriage_correction.ipynb

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

True

17.410

14

14

14

47

100%

2.964

2019-08-22

exams/td_note_2015.ipynb

1A.e - TD noté, 5 décembre 2014

True

3.794

36

36

36

48

100%

0.169

2019-08-22

exams/td_note_2015_rattrapage_enonce.ipynb

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

True

1.026

6

6

6

49

100%

3.118

2019-08-22

exams/td_note_2016.ipynb

1A.e - TD noté, 11 décembre 2015

True

3.936

26

26

26

50

100%

2.105

2019-08-22

exams/td_note_2017.ipynb

1A.e - TD noté, 16 décembre 2016

True

2.935

23

23

23

51

100%

1.767

2019-08-22

exams/td_note_2017_2.ipynb

1A.e - TD noté, 21 février 2017

True

2.608

21

21

21

52

100%

4.538

2019-08-22

exams/td_note_2018_1.ipynb

1A.e - Enoncé 12 décembre 2017 (1)

True

5.395

25

25

25

53

100%

3.732

2019-08-22

exams/td_note_2018_2.ipynb

1A.e - Enoncé 12 décembre 2017 (2)

True

4.567

21

21

21

54

100%

19.762

2019-08-22

exams/td_note_2019_1.ipynb

1A.e - Enoncé 23 octobre 2018 (1)

True

20.572

17

17

17

55

100%

8.760

2019-08-22

exams/td_note_2019_2.ipynb

1A.e - Enoncé 23 octobre 2018 (2)

True

9.552

18

18

18

56

100%

15.695

2019-08-22

expose/BJKST.ipynb

2A.algo - Algorithmes de streaming : généralités

True

16.660

39

39

39

57

100%

4.528

2019-08-22

expose/expose_TSP.ipynb

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

True

5.517

11

11

11

58

100%

1.158

2019-08-22

expose/expose_einstein_riddle.ipynb

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

True

2.111

4

4

4

59

100%

2.156

2019-08-22

expose/expose_graphe_et_map_reduce.ipynb

3A.mr - Graphes et Map Reduce

True

2.936

11

11

11

60

100%

0.717

2019-08-22

expose/expose_rwr_recommandation.ipynb

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

True

1.544

4

4

4

61

100%

2.047

2019-08-08

expose/expose_vigenere.ipynb

1A.algo - Casser le code de Vigenère

True

2.974

9

9

9

62

100%

28.628

2019-08-22

expose/hash_distribution.ipynb

2A.algo - Hash et distribution

True

29.413

14

14

14

63

100%

13.704

2019-08-22

expose/ml_features_model.ipynb

2A.ml - Features ou modèle

True

14.484

15

15

15

64

100%

6.489

2019-08-15

expose/ml_huge_datasets.ipynb

2A.i - Huge datasets, datasets hiérarchiques

True

7.594

21

21

21

65

100%

587.658

2019-08-19

expose/ml_rue_paris_parcours.ipynb

2A.algo - Parcourir les rues de Paris

True

588.740

24

24

24

66

100%

176.236

2019-08-19

expose/ml_table_mortalite.ipynb

2A.i - Table de mortalité dans plusieurs containers

True

177.175

34

34

34

67

100%

1.957

2019-08-22

sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb

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

True

2.778

13

13

13

68

100%

2.491

2019-08-22

sklearn_ensae_course/01_data_manipulation.ipynb

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

True

3.325

18

18

18

69

100%

2.993

2019-08-22

sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb

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

True

3.801

15

15

15

70

100%

6.224

2019-08-22

sklearn_ensae_course/03_supervised_classification.ipynb

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

True

7.034

12

12

12

71

100%

3.954

2019-08-22

sklearn_ensae_course/04_supervised_regression.ipynb

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

True

4.767

12

12

12

72

100%

5.282

2019-08-22

sklearn_ensae_course/05_measuring_prediction_performance.ipynb

2A.ML101.5: Measuring prediction performance

True

6.070

23

23

23

73

100%

7.629

2019-08-22

sklearn_ensae_course/06_unsupervised_dimreduction.ipynb

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

True

8.433

18

18

18

74

100%

6.825

2019-08-22

sklearn_ensae_course/07_application_to_face_recognition.ipynb

2A.ML101.7: Example from Image Processing

True

7.702

19

19

19

75

100%

3.735

2019-08-22

sklearn_ensae_course/08_validation_and_learning_curves.ipynb

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

True

4.592

15

15

15

76

100%

0.634

2019-08-22

td1a/integrale_rectangle.ipynb

1A.1 - Intégrale et la méthode des rectangles

True

1.468

6

6

6

77

100%

3.042

2019-08-22

td1a/integrale_rectangle_correction.ipynb

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

True

3.892

30

30

30

78

100%

0.235

2019-08-22

td1a/j2048.ipynb

1A.2 - 2048 - stratégie gagnante

True

1.120

3

3

3

79

100%

0.898

2019-08-22

td1a/j2048_correction.ipynb

1A.2 - 2048 - stratégie gagnante - correction

True

1.713

11

11

11

80

0%

nan

td1a/matrix_dictionary.ipynb

Produit matriciel avec une matrice creuse

nan

36

0

81

100%

0.256

2019-08-22

td1a/pp_exo_deviner_un_nombre.ipynb

1A.1 - Deviner un nombre aléatoire

True

1.065

5

5

5

82

100%

0.580

2019-08-22

td1a/pp_exo_deviner_un_nombre_correction.ipynb

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

True

1.370

7

7

7

83

75%

0.885

2019-08-22

td1a/td1a_cenonce_session1.ipynb

1A.0 - Premiers pas en Python

True

2.014

16

12

12

84

100%

2.715

2019-08-22

td1a/td1a_cenonce_session2.ipynb

1A.1 - Variables, boucles, tests

True

3.561

30

30

30

85

100%

1.683

2019-08-22

td1a/td1a_cenonce_session3.ipynb

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

True

2.695

26

26

26

86

100%

2.336

2019-08-22

td1a/td1a_cenonce_session4.ipynb

1A.2 - Modules, fichiers, expressions régulières

True

3.172

20

20

20

87

100%

1.318

2019-08-22

td1a/td1a_cenonce_session5.ipynb

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

True

2.129

17

17

17

88

100%

0.672

2019-08-22

td1a/td1a_cenonce_session6.ipynb

1A.2 - Classes, héritage

True

1.547

11

11

11

89

100%

1.014

2019-08-22

td1a/td1a_correction_session1.ipynb

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

True

1.820

13

13

13

90

100%

0.664

2019-08-22

td1a/td1a_correction_session2.ipynb

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

True

1.507

8

8

8

91

100%

0.661

2019-08-22

td1a/td1a_correction_session3.ipynb

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

True

1.476

9

9

9

92

100%

2.130

2019-08-22

td1a/td1a_correction_session4.ipynb

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

True

3.002

20

20

20

93

100%

9.969

2019-08-22

td1a/td1a_correction_session5.ipynb

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

True

10.766

12

12

12

94

100%

0.446

2019-08-22

td1a/td1a_correction_session6.ipynb

1A.2 - Classes, héritage (correction)

True

1.265

5

5

5

95

100%

0.692

2019-08-22

td1a/td1a_pyramide_bigarree.ipynb

1A.1 - Tracer une pyramide bigarrée

True

1.653

5

5

5

96

100%

1.632

2019-08-22

td1a/td1a_pyramide_bigarree_correction.ipynb

1A.1 - Tracer une pyramide bigarrée - correction

True

2.423

11

11

11

97

100%

0.847

2019-08-22

td1a/texte_langue.ipynb

1A.2 - Deviner la langue d’un texte

True

1.629

6

6

6

98

100%

4.538

2019-08-22

td1a/texte_langue_correction.ipynb

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

True

5.376

23

23

23

99

100%

0.284

2019-08-22

td1a_algo/BJKST_enonce.ipynb

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

True

1.258

4

4

4

100

100%

0.798

2019-08-22

td1a_algo/graph1exo_parcours.ipynb

1A.algo - Parcours de graphe

True

1.592

8

8

8

101

100%

0.993

2019-08-22

td1a_algo/graph1exo_parcours_correction.ipynb

1A.algo - Parcours de graphe - correction

True

1.811

9

9

9

102

100%

0.504

2019-08-22

td1a_algo/graph4exos.ipynb

1A.algo - Des problèmes de graphes

True

1.506

6

6

6

103

100%

0.586

2019-08-22

td1a_algo/graph_spectral_clustering.ipynb

1A.algo - Spectral Clustering

True

1.385

6

6

6

104

100%

1.023

2019-08-22

td1a_algo/graph_spectral_clustering_correction.ipynb

1A.algo - Spectral Clustering - correction

True

1.812

11

11

11

105

100%

0.091

2019-08-22

td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb

1A.algo - distance de Jaccard (dictionnaires)

True

0.880

4

4

4

106

100%

3.200

2019-08-22

td1a_algo/td1a_cenonce_session7.ipynb

1A.algo - Programmation dynamique et plus court chemin

True

4.145

17

17

17

107

100%

0.370

2019-08-22

td1a_algo/td1a_cenonce_session7_edition.ipynb

1A.algo - La distance d’édition

True

1.189

8

8

8

108

100%

0.325

2019-08-22

td1a_algo/td1a_cenonce_session8.ipynb

1A.algo - Arbre et Trie

True

1.252

10

10

10

109

100%

0.098

2019-08-22

td1a_algo/td1a_cenonce_session8_wikiroot.ipynb

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

True

0.900

4

4

4

110

100%

1.122

2019-08-22

td1a_algo/td1a_cenonce_session9.ipynb

1A.algo - Optimisation sous contrainte

True

2.021

6

6

6

111

100%

4.141

2019-08-22

td1a_algo/td1a_correction_session4_5_jaccard.ipynb

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

True

4.948

17

17

17

112

100%

4.453

2019-08-22

td1a_algo/td1a_correction_session7.ipynb

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

True

5.237

15

15

15

113

100%

1.812

2019-08-22

td1a_algo/td1a_correction_session7_edition.ipynb

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

True

2.662

20

20

20

114

100%

64.098

2019-08-19

td1a_algo/td1a_correction_session8.ipynb

1A.algo - Arbre et Trie (correction)

True

65.205

20

20

20

115

100%

2.087

2019-08-22

td1a_algo/td1a_correction_session8_wikiroot.ipynb

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

True

2.885

5

5

5

116

100%

1.199

2019-08-22

td1a_algo/td1a_correction_session9.ipynb

1A.algo - Optimisation sous contrainte (correction)

True

2.142

7

7

7

117

100%

0.000

2019-08-22

td1a_algo/td1a_plus_grande_somme.ipynb

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

True

0.966

1

1

1

118

100%

164.236

2019-08-22

td1a_algo/td1a_plus_grande_somme_correction.ipynb

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

True

165.002

10

10

10

119

87%

1.356

2019-08-22

td1a_algo/td1a_quicksort.ipynb

1A.algo - Quicksort

True

2.245

8

7

7

120

100%

2.225

2019-08-22

td1a_algo/td1a_quicksort_correction.ipynb

1A.algo - quicksort - correction

True

3.071

10

10

10

121

100%

0.830

2019-08-22

td1a_algo/td1a_sobel.ipynb

1A.algo - filtre de Sobel

True

1.747

6

6

6

122

100%

4.910

2019-08-22

td1a_algo/td1a_sobel_correction.ipynb

1A.algo - filtre de Sobel - correction

True

5.718

8

8

8

123

100%

0.109

2019-08-22

td1a_dfnp/decorrelation.ipynb

1A.data - Décorrélation de variables aléatoires

True

0.921

7

7

7

124

100%

1.182

2019-08-22

td1a_dfnp/decorrelation_correction.ipynb

1A.data - Décorrélation de variables aléatoires - correction

True

1.984

15

15

15

125

100%

5.064

2019-08-22

td1a_dfnp/td1a_cenonce_session_10.ipynb

1A.data - DataFrame et Matrice

True

6.016

51

51

51

126

100%

11.225

2019-08-19

td1a_dfnp/td1a_cenonce_session_12_carte.ipynb

1A.data - Visualisation des données - cartes

True

12.785

22

22

22

127

100%

13.892

2019-08-19

td1a_dfnp/td1a_cenonce_session_12_js.ipynb

1A.data - Visualisation des données - graphes interactifs

True

14.818

9

9

9

128

87%

18.586

2019-08-19

td1a_dfnp/td1a_cenonce_session_12_plot.ipynb

1A.data - Visualisation des données

True

20.167

16

14

14

129

100%

3.037

2019-08-19

td1a_dfnp/td1a_correction_session_10.ipynb

1A.data - DataFrame et Matrice (correction)

True

4.355

18

18

18

130

100%

37.578

2019-08-19

td1a_dfnp/td1a_correction_session_12.ipynb

1A.data - visualisation des données - correction

True

38.582

14

14

14

131

100%

1.654

2019-08-22

td1a_soft/td1a_cython_edit.ipynb

1A.soft - Calcul numérique et Cython

True

2.511

15

15

15

132

100%

1.879

2019-08-22

td1a_soft/td1a_cython_edit_correction.ipynb

1A.soft - Calcul numérique et Cython - correction

True

2.718

8

8

8

133

100%

62.927

2019-08-22

td1a_soft/td1a_sql.ipynb

1A.soft - Notions de SQL

True

63.799

34

34

34

134

100%

60.245

2019-08-22

td1a_soft/td1a_sql_correction.ipynb

1A.soft - Notions de SQL - correction

True

61.257

15

15

15

135

100%

3.550

2019-08-22

td1a_soft/td1a_unit_test_ci.ipynb

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

True

4.362

14

14

14

136

100%

0.902

2019-08-22

td2a/ml_crypted_data.ipynb

2A.ml - Machine Learning et données cryptées

True

1.808

9

9

9

137

100%

8.121

2019-08-22

td2a/ml_crypted_data_correction.ipynb

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

True

8.935

38

38

38

138

100%

1.007

2019-08-22

td2a/pandas_iterator.ipynb

2A.data - Pandas et itérateurs

True

1.944

8

8

8

139

100%

2.335

2019-08-22

td2a/pandas_iterator_correction.ipynb

2A.data - Pandas et itérateurs - correction

True

3.222

19

19

19

140

100%

0.092

2019-08-22

td2a/td2a_bigdata_memory.ipynb

2A.i - Stratégies et grandes matrices en mémoire

True

0.992

8

8

8

141

96%

30.436

2019-08-19

td2a/td2a_cenonce_session_1.ipynb

2A.data - DataFrame et Graphes

True

31.726

75

72

72

142

100%

7.123

2019-08-22

td2a/td2a_cenonce_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation

True

7.934

71

71

71

143

100%

0.373

2019-08-22

td2a/td2a_cenonce_session_2C.ipynb

2A.soft - Jupyter et commandes magiques

True

1.209

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%

0.733

2019-08-22

td2a/td2a_cenonce_session_2E.ipynb

2A.i - Sérialisation

True

1.562

8

8

8

147

100%

1.758

2019-08-19

td2a/td2a_cenonce_session_5.ipynb

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

True

2.591

20

20

20

148

100%

12.592

2019-08-19

td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb

2A.i - Données non structurées et programmation fonctionnelle

True

13.416

30

30

30

149

96%

27.499

2019-08-19

td2a/td2a_correction_session_1.ipynb

2A.data - DataFrame et Graphes - correction

True

28.564

27

26

26

150

100%

2.806

2019-08-19

td2a/td2a_correction_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation - correction

True

3.689

13

13

13

151

100%

0.897

2019-08-19

td2a/td2a_correction_session_2C.ipynb

2A.soft - IPython et commandes magiques - correction

True

1.687

6

6

6

152

100%

19.987

2019-08-19

td2a/td2a_correction_session_2E.ipynb

2A.i - Sérialisation - correction

True

21.061

22

22

22

153

100%

0.602

2019-08-19

td2a/td2a_correction_session_5.ipynb

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

True

1.404

3

3

3

154

100%

27.122

2019-08-19

td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb

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

True

28.008

33

33

33

155

100%

3.284

2019-08-19

td2a/td2a_ml_text_features.ipynb

2A.ml - Classification binaire avec features textuelles

True

4.091

18

18

18

156

100%

14.615

2019-08-19

td2a/td2a_ml_text_features_correction.ipynb

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

True

17.522

23

23

23

157

100%

11.310

2019-08-22

td2a/td2a_progressbar.ipynb

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

True

12.148

6

6

6

158

100%

14.315

2019-08-22

td2a/td2a_some_nlp.ipynb

2A.ml - Texte et machine learning

True

15.172

29

29

29

159

90%

43.192

2019-08-22

td2a/td2a_visualisation.ipynb

2A.data - Matplotlib

True

44.081

42

38

38

160

100%

0.075

2019-08-22

td2a_algo/gentry_integer_encryption.ipynb

Cryptage homomorphic de Craig Gentry

True

0.884

6

6

6

161

100%

0.089

2019-08-22

td2a_algo/gentry_integer_encryption_correction.ipynb

Cryptage homomorphic de Craig Gentry - correction

True

0.947

6

6

6

162

100%

6.202

2019-08-22

td2a_algo/knn_high_dimension.ipynb

2A.algo - Plus proches voisins en grande dimension

True

7.015

8

8

8

163

100%

30.273

2019-08-22

td2a_algo/knn_high_dimension_correction.ipynb

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

True

31.103

20

20

20

164

100%

0.112

2019-08-22

td2a_algo/td2a_cenonce_session_6A.ipynb

2A.algo - Puzzles algorithmiques (1)

True

0.915

6

6

6

165

100%

0.074

2019-08-22

td2a_algo/td2a_cenonce_session_6B.ipynb

2A.algo - Puzzles algorithmiques (2)

True

0.871

5

5

5

166

100%

0.419

2019-08-22

td2a_algo/td2a_correction_session_6A.ipynb

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

True

1.225

6

6

6

167

100%

0.090

2019-08-22

td2a_algo/td2a_correction_session_6B.ipynb

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

True

0.943

6

6

6

168

100%

46.042

2019-08-15

td2a_eco/TD2A_Eco_Web_Scraping.ipynb

2A.eco - Web-Scraping

True

47.229

29

29

29

169

100%

11.459

2019-08-19

td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb

2A.eco - Web-Scraping - correction

True

12.334

6

6

6

170

100%

0.941

2019-08-08

td2a_eco/TD2A_eco_API_SNCF.ipynb

2A.eco - Exercice API SNCF

True

1.798

8

8

8

171

100%

43.923

2019-08-08

td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb

2A.eco - Exercice API SNCF corrigé

True

44.992

35

35

35

172

100%

1.127

2019-08-22

td2a_eco/TD2A_eco_debuter_flask.ipynb

2A.eco - Débuter avec Flask

True

2.118

14

14

14

173

100%

4.384

2019-08-22

td2a_eco/TD2A_eco_les_API.ipynb

2A.eco - API, API REST

True

5.266

15

15

15

174

100%

2.821

2019-08-22

td2a_eco/td2_eco_rappels_1a.ipynb

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

True

3.784

29

29

29

175

100%

5.083

2019-08-22

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb

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

True

5.886

34

34

34

176

100%

8.797

2019-08-22

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb

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

True

9.667

35

35

35

177

100%

0.000

2019-08-22

td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb

2A.eco - Exercice Python - Eco Séance 2

True

0.896

1

1

1

178

100%

0.650

2019-08-22

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

1.847

3

3

3

179

100%

1.327

2019-08-22

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

2.185

10

10

10

180

100%

2.985

2019-08-22

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

3.887

16

16

16

181

100%

3.215

2019-08-22

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

4.096

14

14

14

182

100%

9.328

2019-08-22

td2a_eco/td2a_eco_regressions_lineaires.ipynb

Régressions linéaires avec Statsmodels et Scikit-Learn

True

10.158

12

12

12

183

100%

2.488

2019-08-22

td2a_eco/td2a_eco_sql.ipynb

2A.eco - Python et la logique SQL

True

3.549

26

26

26

184

100%

3.588

2019-08-22

td2a_eco/td2a_eco_sql_correction.ipynb

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

True

4.463

36

36

36

185

0%

nan

td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb

TD7 - Analyse de texte

nan

61

0

186

0%

nan

td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb

TD7 - Analyse de texte - correction

nan

61

0

187

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

188

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

189

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

190

100%

191.982

2019-08-19

td2a_ml/ml_a_tree_overfitting.ipynb

2A.ml - Tree, hyperparamètres, overfitting

True

193.062

27

27

27

191

100%

44.972

2019-08-22

td2a_ml/ml_b_imbalanced.ipynb

2A.ml - Imbalanced dataset

True

45.829

20

20

20

192

100%

5.539

2019-08-22

td2a_ml/ml_c_machine_learning_problems.ipynb

2A.ml - Problèmes classiques de machine learning illustrés

True

6.409

41

41

41

193

100%

0.242

2019-08-22

td2a_ml/ml_cc_machine_learning_problems2.ipynb

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

True

1.079

4

4

4

194

100%

3.085

2019-08-22

td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb

2A.ml - Interprétabilité et corrélations des variables

True

3.915

26

26

26

195

100%

0.638

2019-08-22

td2a_ml/ml_scikit_learn_simple.ipynb

Rappels sur scikit-learn et le machine learning

True

1.656

12

12

12

196

100%

4.597

2019-08-22

td2a_ml/ml_scikit_learn_simple_correction.ipynb

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

True

5.401

21

21

21

197

100%

9.913

2019-08-22

td2a_ml/seasonal_timeseries.ipynb

Timeseries

True

12.601

42

42

42

198

100%

230.565

2019-08-19

td2a_ml/td2a_cenonce_session_3A.ipynb

2A.ml - Statistiques descriptives avec scikit-learn

True

231.496

21

21

21

199

100%

44.241

2019-08-19

td2a_ml/td2a_cenonce_session_3B.ipynb

2A.ml - Arbres de décision / Random Forest

True

45.289

16

16

16

200

100%

0.989

2019-08-22

td2a_ml/td2a_cenonce_session_4A.ipynb

2A.ml - Machine Learning et Marketting

True

1.771

9

9

9

201

100%

1.053

2019-08-22

td2a_ml/td2a_clustering.ipynb

2A.ml - Clustering

True

2.559

6

6

6

202

100%

25.070

2019-08-22

td2a_ml/td2a_clustering_correction.ipynb

2A.ml - Clustering - correction

True

25.914

25

25

25

203

100%

325.953

2019-08-19

td2a_ml/td2a_correction_session_3A.ipynb

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

True

327.102

23

23

23

204

100%

148.353

2019-08-19

td2a_ml/td2a_correction_session_3B.ipynb

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

True

149.449

26

26

26

205

100%

8.306

2019-08-22

td2a_ml/td2a_correction_session_4A.ipynb

2A.ml - Machine Learning et Marketting - correction

True

9.110

26

26

26

206

81%

3.231

2019-08-22

td2a_ml/td2a_ethics.ipynb

Machine Learning éthique

True

4.025

16

13

13

207

100%

0.091

2019-08-22

td2a_ml/td2a_ethics_correction.ipynb

Machine Learning éthique - correction

True

0.879

2

2

2

208

100%

0.681

2019-08-22

td2a_ml/td2a_sentiment_analysis.ipynb

2A.ml - Analyse de sentiments

True

1.521

6

6

6

209

100%

86.693

2019-08-22

td2a_ml/td2a_sentiment_analysis_correction.ipynb

2A.ml - Analyse de sentiments - correction

True

87.545

44

44

44

210

100%

1.603

2019-08-22

td2a_ml/td2a_timeseries.ipynb

2A.ml - Séries temporelles

True

2.456

15

15

15

211

100%

5.234

2019-08-22

td2a_ml/td2a_timeseries_correction.ipynb

2A.ml - Séries temporelles - correction

True

6.073

16

16

16

_images/nbcov.png