Notebooks Coverage

Report on last executions.

91% 2020-02-13

index	coverage	exe time	last execution	name	title	success	time	nb cells	nb runs	nb valid
0	100%	8.891	2020-02-13	1a/code_liste_tuple.ipynb	1A.1 - Liste, tuple, ensemble, dictionnaire, liste chaînée, coût des opérations	True	9.728	4	4	4
1	100%	2.294	2020-02-13	1a/code_multinomial.ipynb	1A.1 - Simuler une loi multinomiale	True	3.137	12	12	12
2	100%	2.754	2020-02-13	1a/coloriage_carre.ipynb	Jeux de coloriage	True	3.595	23	23	23
3	100%	0.413	2020-02-13	1a/exercice_echelle.ipynb	1A.algo - Calculer le nombre de façons de monter une échelle.	True	1.303	6	6	6
4	100%	1.349	2020-02-13	1a/exercice_morse.ipynb	1A.algo - Décoder du Morse sans espaces	True	2.306	16	16	16
5	100%	1.508	2020-02-13	1a/exercice_plus_grande_somme.ipynb	1A.algo - La sous-séquence de plus grande somme	True	2.359	15	15	15
6	100%	0.203	2020-02-13	1a/exercice_xn.ipynb	1A.algo - Calculer x**n le plus rapidement possible	True	1.069	4	4	4
7	100%	0.840	2020-02-13	1a/histogramme_rapide.ipynb	1A.1 - Histogramme et dictionnaire	True	1.654	8	8	8
8	100%	32.310	2020-02-13	1a/nbheap.ipynb	Heap	True	37.681	15	15	15
9	100%	5.980	2020-02-13	1a/profiling_example.ipynb	1A.soft - Exemple de profiling	True	7.159	11	11	11
10	100%	0.790	2020-02-13	1a/recherche_dichotomique.ipynb	1A.algo - Recherche dichotomique	True	1.634	9	9	9
11	100%	2.698	2020-02-13	1a/structures_donnees_conversion.ipynb	1A.1 - D’une structure de données à l’autre	True	3.540	29	29	29
12	100%	1.490	2020-02-13	1a/tableau_contingence.ipynb	1A.1 - Calculer un chi 2 sur un tableau de contingence	True	2.655	8	8	8
13	100%	21.605	2020-02-13	1a/tri_nlnd.ipynb	1A.algo - Tri plus rapide que prévu	True	22.452	17	17	17
14	0%	nan		2014-2015/2015_factorisation_matrice.ipynb	3A.mr - 2015 - Factorisation de matrice avec PIG		nan	34	0
15	0%	nan		2014-2015/2015_kmeans.ipynb	3A.mr - 2015 - Kmeans avec PIG		nan	104	0
16	0%	nan		2014-2015/2015_page_rank.ipynb	3A.mr - 2015 - PageRank avec PIG		nan	51	0
17	100%	1057.639	2020-02-07	2016-2017/solution_2016_credit_clement.ipynb	2016 - Une solution à la compétition de machine learning 2A	True	1059.042	28	28	28
18	100%	4.378	2020-02-06	2016/td2a_eco_competition_comparer_classifieurs.ipynb	2A.ml - 2016 - Compétition - Préparation des données	True	5.206	16	16	16
19	100%	4.222	2020-02-06	2016/td2a_eco_competition_modeles_logistiques.ipynb	2A.ml - 2016 - Compétition ENSAE - Premiers modèles	True	5.190	26	26	26
20	100%	55.220	2020-02-06	2016/td2a_eco_competition_statsdesc.ipynb	2A.ml - 2016 - Compétition - Importation des données	True	56.340	22	22	22
21	100%	5.283	2020-02-13	2017-2018/dimensions_reduction.ipynb	Réduction des dimensions	True	6.571	20	20	20
22	100%	5.306	2020-02-06	2017/prepare_data_2017.ipynb	2A.ml - 2017 - Préparation des données	True	6.687	43	43	43
23	89%	1.927	2020-02-13	2018-2019/2018-09-18_rappels_python.ipynb	2018-09-18 - Rappels sur le langage python	True	2.957	28	25	25
24	100%	3.370	2020-02-13	2018-2019/2018-09-18_rappels_python_pandas_matplotlib.ipynb	2018-09-18 - Rappels sur pandas et maplotlib	True	4.252	29	29	29
25	100%	2.509	2020-02-13	2018-2019/2018-09-18_sklearn_api.ipynb	2018-09-18 - API de scikit-learn	True	4.697	21	21	21
26	100%	0.872	2020-02-13	2018-2019/2018-09-25_distance_entre_mots.ipynb	2018-09-25 - Distance entre mots	True	1.756	11	11	11
27	100%	5.144	2020-02-13	2018-2019/2018-10-02_scraping_recuperer_images.ipynb	2018-10-02 - Scraping, récupérer une image depuis LeMonde	True	6.010	20	20	20
28	100%	79.904	2020-02-13	2018-2019/2018-10-09_ensemble_gradient_boosting.ipynb	2018-10-09 Ensemble, Gradient, Boosting…	True	80.763	18	18	18
29	100%	6.105	2020-02-13	2a/bayesian_with_python.ipynb	2A.ml - Bayesian models with Python	True	6.948	18	18	18
30	100%	134.846	2020-02-07	2a/cffi_linear_regression.ipynb	Optimisation de code avec cffi, numba, cython	True	136.033	92	92	92
31	100%	1.534	2020-02-13	2a/dataframe_matrix_speed.ipynb	2A.i - Mesures de vitesse sur les dataframes	True	2.500	15	15	15
32	100%	5.980	2020-02-13	2a/git_notebook.ipynb	2A.soft - Git depuis le notebook	True	7.339	23	23	23
33	100%	0.574	2020-02-13	2a/jupyter_custom_magics.ipynb	2A.soft - Custom Magics for Jupyter	True	1.696	5	5	5
34	100%	7.809	2020-02-13	2a/ml_timeseries_base.ipynb	2A.ml - Timeseries et machine learning	True	8.982	28	28	28
35	100%	1.035	2020-02-13	2a/notebook_convert.ipynb	2A.soft - Convert a notebook into a document	True	1.911	8	8	8
36	100%	120.504	2020-02-07	2a/seance_5_dask.ipynb	2A.i - Données non structurées, programmation fonctionnelle : dask	True	121.923	16	16	16
37	100%	57.280	2020-02-07	2a/seance_5_intro_et_json.ipynb	2A.i - Données non structurées, programmation fonctionnelle	True	58.539	20	20	20
38	100%	156.376	2020-02-07	2a/seance_5_prog_fonctionnelle.ipynb	2A.i - programmation fonctionnelle	True	157.628	44	44	44
39	100%	15.826	2020-02-13	2a/timeseries_ssa.ipynb	Single Spectrum Analysis (SSA)	True	16.683	27	27	27
40	100%	1190.441	2020-02-13	data/data_irep.ipynb	IREP: registre des émissions polluantes	True	1192.083	21	21	21
41	100%	4.731	2020-02-13	data/deal_flow_espace_vert.ipynb	Deal flow espaces verts 2018 - 2019	True	6.085	14	14	14
42	100%	0.835	2020-02-13	exams/interro_rapide_20_minutes_2014_09.ipynb	1A.e - Correction de l’interrogation écrite du 26 septembre 2014	True	1.666	12	12	12
43	100%	1.452	2020-02-13	exams/interro_rapide_20_minutes_2014_10.ipynb	1A.e - Correction de l’interrogation écrite du 10 octobre 2014	True	2.336	17	17	17
44	82%	2.693	2020-02-13	exams/interro_rapide_20_minutes_2014_11.ipynb	1A.e - Correction de l’interrogation écrite du 14 novembre 2014	True	3.946	35	29	29
45	100%	1.170	2020-02-13	exams/interro_rapide_20_minutes_2014_12.ipynb	1A.e - Correction de l’interrogation écrite du 14 novembre 2014	True	2.034	15	15	15
46	100%	0.552	2020-02-13	exams/interro_rapide_20_minutes_2015_09.ipynb	1A.e - Correction de l’interrogation écrite du 26 septembre 2015	True	1.399	12	12	12
47	100%	0.823	2020-02-13	exams/interro_rapide_20_minutes_2015_11.ipynb	1A.e - Correction de l’interrogation écrite du 6 novembre 2015	True	1.705	16	16	16
48	100%	6.537	2020-02-13	exams/td_note_2013_bout_de_code_coloriage.ipynb	1A.e - TD noté, 27 novembre 2012 (éléments de code pour le coloriage)	True	7.610	6	6	6
49	100%	15.216	2020-02-13	exams/td_note_2013_coloriage_correction.ipynb	1A.e - TD noté, 27 novembre 2012 (coloriage, correction)	True	16.145	14	14	14
50	100%	2.681	2020-02-13	exams/td_note_2015.ipynb	1A.e - TD noté, 5 décembre 2014	True	3.548	36	36	36
51	100%	0.154	2020-02-13	exams/td_note_2015_rattrapage_enonce.ipynb	1A.e - TD noté 2015 rattrapage (énoncé, écrit et oral)	True	1.052	6	6	6
52	100%	3.130	2020-02-13	exams/td_note_2016.ipynb	1A.e - TD noté, 11 décembre 2015	True	3.991	26	26	26
53	100%	1.936	2020-02-13	exams/td_note_2017.ipynb	1A.e - TD noté, 16 décembre 2016	True	2.819	23	23	23
54	100%	1.763	2020-02-13	exams/td_note_2017_2.ipynb	1A.e - TD noté, 21 février 2017	True	2.623	21	21	21
55	100%	4.421	2020-02-13	exams/td_note_2018_1.ipynb	1A.e - Enoncé 12 décembre 2017 (1)	True	5.299	25	25	25
56	100%	3.738	2020-02-13	exams/td_note_2018_2.ipynb	1A.e - Enoncé 12 décembre 2017 (2)	True	4.671	21	21	21
57	100%	19.929	2020-02-13	exams/td_note_2019_1.ipynb	1A.e - Enoncé 23 octobre 2018 (1)	True	20.785	17	17	17
58	100%	9.039	2020-02-13	exams/td_note_2019_2.ipynb	1A.e - Enoncé 23 octobre 2018 (2)	True	9.899	18	18	18
59	100%	4.264	2020-02-13	exams/td_note_2020_1.ipynb	1A.e - Enoncé 22 octobre 2019 (1)	True	5.239	29	29	29
60	100%	3.873	2020-02-13	exams/td_note_2020_2.ipynb	1A.e - Enoncé 22 octobre 2019 (2)	True	4.739	28	28	28
61	100%	18.445	2020-02-13	expose/BJKST.ipynb	2A.algo - Algorithmes de streaming : généralités	True	19.492	39	39	39
62	100%	4.318	2020-02-13	expose/expose_TSP.ipynb	2A.algo - Réflexions autour du voyage de commerce (TSP)	True	5.135	11	11	11
63	100%	1.258	2020-02-13	expose/expose_einstein_riddle.ipynb	2A.algo - L’énigme d’Einstein et sa résolution	True	2.476	4	4	4
64	100%	6.136	2020-02-13	expose/expose_graphe_et_map_reduce.ipynb	3A.mr - Graphes et Map Reduce	True	7.265	11	11	11
65	100%	0.653	2020-02-13	expose/expose_rwr_recommandation.ipynb	3A.mr - Random Walk with Restart (système de recommandations)	True	1.873	4	4	4
66	100%	62.473	2020-02-06	expose/expose_vigenere.ipynb	1A.algo - Casser le code de Vigenère	True	63.370	9	9	9
67	100%	16.286	2020-02-13	expose/hash_distribution.ipynb	2A.algo - Hash et distribution	True	17.498	14	14	14
68	100%	16.499	2020-02-13	expose/ml_features_model.ipynb	2A.ml - Features ou modèle	True	17.695	15	15	15
69	100%	12.533	2020-02-06	expose/ml_huge_datasets.ipynb	2A.i - Huge datasets, datasets hiérarchiques	True	13.489	21	21	21
70	100%	559.964	2020-02-06	expose/ml_rue_paris_parcours.ipynb	2A.algo - Parcourir les rues de Paris	True	561.162	24	24	24
71	100%	186.129	2020-02-06	expose/ml_table_mortalite.ipynb	2A.i - Table de mortalité dans plusieurs containers	True	187.368	35	35	35
72	100%	3.115	2020-02-13	sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb	2A.ML101.0: What is machine learning?	True	4.096	13	13	13
73	100%	2.340	2020-02-13	sklearn_ensae_course/01_data_manipulation.ipynb	2A.ML101.1: Introduction to data manipulation with scientific Python	True	3.170	18	18	18
74	100%	2.996	2020-02-13	sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb	2A.ML101.2: Basic principles of machine learning with scikit-learn	True	3.897	15	15	15
75	100%	6.185	2020-02-13	sklearn_ensae_course/03_supervised_classification.ipynb	2A.ML101.3: Supervised Learning: Classification of Handwritten Digits	True	7.050	12	12	12
76	100%	3.979	2020-02-13	sklearn_ensae_course/04_supervised_regression.ipynb	2A.ML101.4: Supervised Learning: Regression of Housing Data	True	4.855	12	12	12
77	100%	5.400	2020-02-13	sklearn_ensae_course/05_measuring_prediction_performance.ipynb	2A.ML101.5: Measuring prediction performance	True	6.299	23	23	23
78	100%	8.559	2020-02-13	sklearn_ensae_course/06_unsupervised_dimreduction.ipynb	2A.ML101.6: Unsupervised Learning: Dimensionality Reduction and Visualization	True	9.466	18	18	18
79	100%	6.514	2020-02-13	sklearn_ensae_course/07_application_to_face_recognition.ipynb	2A.ML101.7: Example from Image Processing	True	7.445	19	19	19
80	100%	3.654	2020-02-13	sklearn_ensae_course/08_validation_and_learning_curves.ipynb	2A.ML101.8: Parameter selection, Validation & Testing	True	4.568	15	15	15
81	100%	0.310	2020-02-13	td1a/integrale_rectangle.ipynb	1A.1 - Intégrale et la méthode des rectangles	True	1.151	6	6	6
82	100%	3.011	2020-02-13	td1a/integrale_rectangle_correction.ipynb	1A.1 - Intégrale et la méthode des rectangles - correction	True	4.203	30	30	30
83	100%	0.199	2020-02-13	td1a/j2048.ipynb	1A.2 - 2048 - stratégie gagnante	True	1.423	3	3	3
84	100%	0.914	2020-02-13	td1a/j2048_correction.ipynb	1A.2 - 2048 - stratégie gagnante - correction	True	1.757	11	11	11
85	0%	nan		td1a/matrix_dictionary.ipynb	Produit matriciel avec une matrice creuse		nan	36	0
86	100%	0.290	2020-02-13	td1a/pp_exo_deviner_un_nombre.ipynb	1A.1 - Deviner un nombre aléatoire	True	1.113	5	5	5
87	100%	0.474	2020-02-13	td1a/pp_exo_deviner_un_nombre_correction.ipynb	1A.1 - Deviner un nombre aléatoire (correction)	True	1.720	7	7	7
88	75%	1.019	2020-02-13	td1a/td1a_cenonce_session1.ipynb	1A.0 - Premiers pas en Python	True	2.240	16	12	12
89	100%	2.447	2020-02-13	td1a/td1a_cenonce_session2.ipynb	1A.1 - Variables, boucles, tests	True	3.316	30	30	30
90	100%	1.522	2020-02-13	td1a/td1a_cenonce_session3.ipynb	1A.1 - Dictionnaires, fonctions, code de Vigenère	True	2.672	26	26	26
91	100%	2.684	2020-02-13	td1a/td1a_cenonce_session4.ipynb	1A.2 - Modules, fichiers, expressions régulières	True	3.548	20	20	20
92	100%	1.210	2020-02-13	td1a/td1a_cenonce_session5.ipynb	1A.2 - Classes, méthodes, attributs, opérateurs et carré magique	True	2.107	17	17	17
93	100%	0.769	2020-02-13	td1a/td1a_cenonce_session6.ipynb	1A.2 - Classes, héritage	True	2.035	11	11	11
94	100%	0.872	2020-02-13	td1a/td1a_correction_session1.ipynb	1A.0 - Premiers pas en Python (correction)	True	1.763	13	13	13
95	100%	0.644	2020-02-13	td1a/td1a_correction_session2.ipynb	1A.1 - Variables, boucles, tests (correction)	True	1.521	8	8	8
96	100%	0.760	2020-02-13	td1a/td1a_correction_session3.ipynb	1A.1 - Dictionnaires, fonctions, code de Vigenère (correction)	True	1.999	9	9	9
97	100%	2.533	2020-02-13	td1a/td1a_correction_session4.ipynb	1A.2 - Modules, fichiers, expressions régulières (correction)	True	3.439	20	20	20
98	100%	10.494	2020-02-13	td1a/td1a_correction_session5.ipynb	1A.2 - Classes, méthodes, attributs, opérateurs et carré magique (correction)	True	11.897	12	12	12
99	100%	0.437	2020-02-13	td1a/td1a_correction_session6.ipynb	1A.2 - Classes, héritage (correction)	True	1.685	5	5	5
100	100%	0.582	2020-02-13	td1a/td1a_pyramide_bigarree.ipynb	1A.1 - Tracer une pyramide bigarrée	True	1.758	5	5	5
101	100%	1.821	2020-02-13	td1a/td1a_pyramide_bigarree_correction.ipynb	1A.1 - Tracer une pyramide bigarrée - correction	True	2.665	11	11	11
102	100%	0.720	2020-02-13	td1a/texte_langue.ipynb	1A.2 - Deviner la langue d’un texte	True	2.270	6	6	6
103	100%	4.420	2020-02-13	td1a/texte_langue_correction.ipynb	1A.2 - Deviner la langue d’un texte (correction)	True	5.252	23	23	23
104	100%	0.215	2020-02-13	td1a_algo/BJKST_enonce.ipynb	1A.algo - BJKST - calculer le nombre d’éléments distincts	True	1.210	4	4	4
105	100%	2.376	2020-02-13	td1a_algo/graph1exo_parcours.ipynb	1A.algo - Parcours de graphe	True	3.522	8	8	8
106	100%	1.026	2020-02-13	td1a_algo/graph1exo_parcours_correction.ipynb	1A.algo - Parcours de graphe - correction	True	1.899	9	9	9
107	100%	0.487	2020-02-13	td1a_algo/graph4exos.ipynb	1A.algo - Des problèmes de graphes	True	1.323	6	6	6
108	100%	0.581	2020-02-13	td1a_algo/graph_spectral_clustering.ipynb	1A.algo - Spectral Clustering	True	1.953	6	6	6
109	100%	1.053	2020-02-13	td1a_algo/graph_spectral_clustering_correction.ipynb	1A.algo - Spectral Clustering - correction	True	1.907	11	11	11
110	100%	0.088	2020-02-13	td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb	1A.algo - distance de Jaccard (dictionnaires)	True	1.486	4	4	4
111	100%	3.073	2020-02-13	td1a_algo/td1a_cenonce_session7.ipynb	1A.algo - Programmation dynamique et plus court chemin	True	3.936	17	17	17
112	100%	0.346	2020-02-13	td1a_algo/td1a_cenonce_session7_edition.ipynb	1A.algo - La distance d’édition	True	1.590	8	8	8
113	100%	0.369	2020-02-13	td1a_algo/td1a_cenonce_session8.ipynb	1A.algo - Arbre et Trie	True	1.590	10	10	10
114	100%	0.086	2020-02-13	td1a_algo/td1a_cenonce_session8_wikiroot.ipynb	1A.algo - Parcours dans un graphe (wikipédia)	True	1.371	4	4	4
115	100%	0.418	2020-02-13	td1a_algo/td1a_cenonce_session9.ipynb	1A.algo - Optimisation sous contrainte	True	1.266	6	6	6
116	100%	4.132	2020-02-13	td1a_algo/td1a_correction_session4_5_jaccard.ipynb	1A.algo - distance de Jaccard (dictionnaires) - correction	True	5.062	17	17	17
117	100%	4.300	2020-02-13	td1a_algo/td1a_correction_session7.ipynb	1A.algo - Programmation dynamique et plus court chemin (correction)	True	5.516	15	15	15
118	100%	1.486	2020-02-13	td1a_algo/td1a_correction_session7_edition.ipynb	1A.algo - La distance d’édition (correction)	True	2.347	20	20	20
119	100%	65.272	2020-02-06	td1a_algo/td1a_correction_session8.ipynb	1A.algo - Arbre et Trie (correction)	True	66.369	20	20	20
120	100%	2.789	2020-02-13	td1a_algo/td1a_correction_session8_wikiroot.ipynb	1A.algo - Parcours dans un graphe (wikipédia) - correction	True	3.652	5	5	5
121	100%	0.994	2020-02-13	td1a_algo/td1a_correction_session9.ipynb	1A.algo - Optimisation sous contrainte (correction)	True	2.345	7	7	7
122	100%	0.000	2020-02-13	td1a_algo/td1a_plus_grande_somme.ipynb	1A.algo - la plus grande sous-séquence croissante	True	0.873	1	1	1
123	100%	154.402	2020-02-13	td1a_algo/td1a_plus_grande_somme_correction.ipynb	1A.algo - la plus grande sous-séquence croissante - correction	True	155.683	10	10	10
124	87%	1.125	2020-02-13	td1a_algo/td1a_quicksort.ipynb	1A.algo - Quicksort	True	2.014	8	7	7
125	100%	1.919	2020-02-13	td1a_algo/td1a_quicksort_correction.ipynb	1A.algo - quicksort - correction	True	2.982	10	10	10
126	100%	0.639	2020-02-13	td1a_algo/td1a_sobel.ipynb	1A.algo - filtre de Sobel	True	1.463	6	6	6
127	100%	5.658	2020-02-13	td1a_algo/td1a_sobel_correction.ipynb	1A.algo - filtre de Sobel - correction	True	6.850	8	8	8
128	100%	0.085	2020-02-13	td1a_dfnp/decorrelation.ipynb	1A.data - Décorrélation de variables aléatoires	True	1.293	7	7	7
129	100%	1.181	2020-02-13	td1a_dfnp/decorrelation_correction.ipynb	1A.data - Décorrélation de variables aléatoires - correction	True	2.032	15	15	15
130	100%	4.819	2020-02-13	td1a_dfnp/td1a_cenonce_session_10.ipynb	1A.data - DataFrame et Matrice	True	6.125	51	51	51
131	100%	11.757	2020-02-06	td1a_dfnp/td1a_cenonce_session_12_carte.ipynb	1A.data - Visualisation des données - cartes	True	12.810	22	22	22
132	100%	8.457	2020-02-06	td1a_dfnp/td1a_cenonce_session_12_js.ipynb	1A.data - Visualisation des données - graphes interactifs	True	9.372	9	9	9
133	87%	17.636	2020-02-06	td1a_dfnp/td1a_cenonce_session_12_plot.ipynb	1A.data - Visualisation des données	True	18.558	16	14	14
134	100%	2.355	2020-02-06	td1a_dfnp/td1a_correction_session_10.ipynb	1A.data - DataFrame et Matrice (correction)	True	3.244	18	18	18
135	100%	37.656	2020-02-06	td1a_dfnp/td1a_correction_session_12.ipynb	1A.data - visualisation des données - correction	True	38.751	14	14	14
136	100%	4.327	2020-02-13	td1a_soft/td1a_cython_edit.ipynb	1A.soft - Calcul numérique et Cython	True	5.241	15	15	15
137	100%	3.521	2020-02-13	td1a_soft/td1a_cython_edit_correction.ipynb	1A.soft - Calcul numérique et Cython - correction	True	4.510	8	8	8
138	100%	63.373	2020-02-13	td1a_soft/td1a_sql.ipynb	1A.soft - Notions de SQL	True	64.298	34	34	34
139	100%	58.387	2020-02-13	td1a_soft/td1a_sql_correction.ipynb	1A.soft - Notions de SQL - correction	True	59.457	15	15	15
140	100%	16.975	2020-02-13	td1a_soft/td1a_unit_test_ci.ipynb	1A.soft - Tests unitaires, setup et ingéniérie logicielle	True	18.389	14	14	14
141	100%	0.720	2020-02-13	td2a/ml_crypted_data.ipynb	2A.ml - Machine Learning et données cryptées	True	1.574	9	9	9
142	100%	7.424	2020-02-13	td2a/ml_crypted_data_correction.ipynb	2A.ml - Machine Learning et données cryptées - correction	True	8.998	38	38	38
143	100%	0.679	2020-02-13	td2a/pandas_iterator.ipynb	2A.data - Pandas et itérateurs	True	1.554	8	8	8
144	100%	1.807	2020-02-13	td2a/pandas_iterator_correction.ipynb	2A.data - Pandas et itérateurs - correction	True	2.672	19	19	19
145	100%	0.076	2020-02-13	td2a/td2a_bigdata_memory.ipynb	2A.i - Stratégies et grandes matrices en mémoire	True	1.287	8	8	8
146	96%	26.293	2020-02-07	td2a/td2a_cenonce_session_1.ipynb	2A.data - DataFrame et Graphes	True	28.060	75	72	72
147	100%	5.479	2020-02-13	td2a/td2a_cenonce_session_2A.ipynb	2A.data - Calcul Matriciel, Optimisation	True	6.353	71	71	71
148	100%	0.327	2020-02-13	td2a/td2a_cenonce_session_2C.ipynb	2A.soft - Jupyter et commandes magiques	True	1.181	5	5	5
149	0%	nan		td2a/td2a_cenonce_session_2D_jupyter.ipynb	2A.i - Jupyter et calcul distribué		nan	72	0
150	0%	nan		td2a/td2a_cenonce_session_2D_parallelisation_local.ipynb	2A.i - Parallélisation locale (énoncé)		nan	7	0
151	100%	0.635	2020-02-13	td2a/td2a_cenonce_session_2E.ipynb	2A.i - Sérialisation	True	1.520	8	8	8
152	100%	1.693	2020-02-07	td2a/td2a_cenonce_session_5.ipynb	2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien	True	3.015	20	20	20
153	100%	12.550	2020-02-07	td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb	2A.i - Données non structurées et programmation fonctionnelle	True	13.800	30	30	30
154	96%	37.274	2020-02-07	td2a/td2a_correction_session_1.ipynb	2A.data - DataFrame et Graphes - correction	True	38.311	27	26	26
155	100%	4.579	2020-02-07	td2a/td2a_correction_session_2A.ipynb	2A.data - Calcul Matriciel, Optimisation - correction	True	5.822	13	13	13
156	100%	1.491	2020-02-07	td2a/td2a_correction_session_2C.ipynb	2A.soft - IPython et commandes magiques - correction	True	2.692	6	6	6
157	100%	18.841	2020-02-07	td2a/td2a_correction_session_2E.ipynb	2A.i - Sérialisation - correction	True	20.286	22	22	22
158	100%	0.492	2020-02-06	td2a/td2a_correction_session_5.ipynb	2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien - correction	True	1.299	3	3	3
159	100%	21.618	2020-02-06	td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb	2A.i - Données non structurées, programmation fonctionnelle - correction	True	22.511	33	33	33
160	100%	3.723	2020-02-06	td2a/td2a_ml_text_features.ipynb	2A.ml - Classification binaire avec features textuelles	True	4.547	18	18	18
161	100%	11.491	2020-02-06	td2a/td2a_ml_text_features_correction.ipynb	2A.ml - Classification binaire avec features textuelles - correction	True	12.518	23	23	23
162	100%	11.436	2020-02-13	td2a/td2a_progressbar.ipynb	2A.i - ProgressBar et fusion de random forest - énoncé	True	12.502	6	6	6
163	100%	18.278	2020-02-13	td2a/td2a_some_nlp.ipynb	2A.ml - Texte et machine learning	True	19.112	36	36	36
164	90%	42.874	2020-02-13	td2a/td2a_visualisation.ipynb	2A.data - Matplotlib	True	44.093	42	38	38
165	100%	0.079	2020-02-13	td2a_algo/gentry_integer_encryption.ipynb	Cryptage homomorphic de Craig Gentry	True	1.031	6	6	6
166	100%	0.203	2020-02-13	td2a_algo/gentry_integer_encryption_correction.ipynb	Cryptage homomorphic de Craig Gentry - correction	True	5.404	6	6	6
167	100%	12.359	2020-02-13	td2a_algo/knn_high_dimension.ipynb	2A.algo - Plus proches voisins en grande dimension	True	13.250	8	8	8
168	100%	34.360	2020-02-13	td2a_algo/knn_high_dimension_correction.ipynb	2A.algo - Plus proches voisins en grande dimension - correction	True	35.228	20	20	20
169	100%	0.150	2020-02-13	td2a_algo/td2a_cenonce_session_6A.ipynb	2A.algo - Puzzles algorithmiques (1)	True	1.000	6	6	6
170	100%	0.118	2020-02-13	td2a_algo/td2a_cenonce_session_6B.ipynb	2A.algo - Puzzles algorithmiques (2)	True	1.101	5	5	5
171	100%	0.543	2020-02-13	td2a_algo/td2a_correction_session_6A.ipynb	2A.algo - Puzzles algorithmes (1) - correction	True	6.481	6	6	6
172	100%	0.078	2020-02-13	td2a_algo/td2a_correction_session_6B.ipynb	2A.algo - Puzzles algorithmes (2) - correction	True	1.010	6	6	6
173	100%	34.158	2020-02-06	td2a_eco/TD2A_Eco_Web_Scraping.ipynb	2A.eco - Web-Scraping	True	35.373	29	29	29
174	100%	7.106	2020-02-06	td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb	2A.eco - Web-Scraping - correction	True	7.977	6	6	6
175	100%	1.015	2020-02-06	td2a_eco/TD2A_eco_API_SNCF.ipynb	2A.eco - Exercice API SNCF	True	1.855	9	9	9
176	100%	12.597	2020-02-06	td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb	2A.eco - Exercice API SNCF corrigé	True	13.630	39	39	39
177	100%	1.602	2020-02-13	td2a_eco/TD2A_eco_debuter_flask.ipynb	2A.eco - Débuter avec Flask	True	2.649	14	14	14
178	100%	3.568	2020-02-13	td2a_eco/TD2A_eco_les_API.ipynb	2A.eco - API, API REST	True	4.449	15	15	15
179	100%	2.399	2020-02-13	td2a_eco/td2_eco_rappels_1a.ipynb	2A.eco - Rappel de ce que vous savez déjà mais avez peut-être oublié	True	3.286	29	29	29
180	100%	5.504	2020-02-13	td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb	2A.eco - Traitement automatique de la langue en Python	True	6.715	34	34	34
181	100%	8.651	2020-02-13	td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb	2A.eco - Traitement automatique de la langue en Python - correction	True	9.530	35	35	35
182	100%	0.000	2020-02-13	td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb	2A.eco - Exercice Python - Eco Séance 2	True	0.841	1	1	1
183	100%	0.430	2020-02-13	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	1.222	3	3	3
184	100%	1.081	2020-02-13	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	1.877	10	10	10
185	100%	2.693	2020-02-13	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	3.541	16	16	16
186	100%	3.494	2020-02-13	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	4.669	14	14	14
187	100%	8.373	2020-02-13	td2a_eco/td2a_eco_regressions_lineaires.ipynb	Régressions linéaires avec Statsmodels et Scikit-Learn	True	9.186	12	12	12
188	100%	2.412	2020-02-13	td2a_eco/td2a_eco_sql.ipynb	2A.eco - Python et la logique SQL	True	3.516	26	26	26
189	100%	3.188	2020-02-13	td2a_eco/td2a_eco_sql_correction.ipynb	2A.eco - Python et la logique SQL - correction	True	4.042	36	36	36
190	100%	8.364	2020-02-06	td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb	TD7 - Analyse de texte	True	10.409	29	29	29
191	100%	8.059	2020-02-06	td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb	TD7 - Analyse de texte - correction	True	8.919	29	29	29
192	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
193	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
194	100%	489.939	2020-02-06	td2a_eco2/td2a_eco_NLP_tf_idf_ngrams_LDA_word2vec_sur_des_extraits_litteraires.ipynb	2A.eco - Introduction au text mining	True	491.255	69	69	69
195	100%	102.561	2020-02-13	td2a_ml/gradient_boosting.ipynb	Gradient Boosting	True	103.491	37	37	37
196	100%	443.168	2020-02-07	td2a_ml/ml_a_tree_overfitting.ipynb	2A.ml - Tree, hyperparamètres, overfitting	True	445.037	28	28	28
197	100%	44.292	2020-02-13	td2a_ml/ml_b_imbalanced.ipynb	2A.ml - Imbalanced dataset	True	45.144	22	22	22
198	100%	4.973	2020-02-13	td2a_ml/ml_c_machine_learning_problems.ipynb	2A.ml - Problèmes classiques de machine learning illustrés	True	5.852	41	41	41
199	100%	0.184	2020-02-13	td2a_ml/ml_cc_machine_learning_problems2.ipynb	2A.ml - Boosting, random forest, gradient - les features qu’ils aiment	True	1.022	4	4	4
200	100%	2.657	2020-02-13	td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb	2A.ml - Interprétabilité et corrélations des variables	True	3.931	26	26	26
201	100%	41.011	2020-02-13	td2a_ml/ml_lasso_rf_grid_search_correction.ipynb	Hyperparamètres, LassoRandomForestRregressor et grid_search (correction)	True	41.876	15	15	15
202	100%	0.716	2020-02-13	td2a_ml/ml_lasso_rf_grid_search_enonce.ipynb	Hyperparamètres, LassoRandomForestRregressor et grid_search (énoncé)	True	1.800	4	4	4
203	100%	0.582	2020-02-13	td2a_ml/ml_scikit_learn_simple.ipynb	Rappels sur scikit-learn et le machine learning	True	1.419	12	12	12
204	100%	3.971	2020-02-13	td2a_ml/ml_scikit_learn_simple_correction.ipynb	Rappels sur scikit-learn et le machine learning (correction)	True	4.788	21	21	21
205	100%	8.262	2020-02-13	td2a_ml/seasonal_timeseries.ipynb	Timeseries	True	9.342	42	42	42
206	100%	290.531	2020-02-07	td2a_ml/td2a_cenonce_session_3A.ipynb	2A.ml - Statistiques descriptives avec scikit-learn	True	291.827	18	18	18
207	100%	40.084	2020-02-07	td2a_ml/td2a_cenonce_session_3B.ipynb	2A.ml - Arbres de décision / Random Forest	True	41.283	16	16	16
208	100%	0.884	2020-02-13	td2a_ml/td2a_cenonce_session_4A.ipynb	2A.ml - Machine Learning et Marketting	True	1.818	9	9	9
209	100%	0.971	2020-02-13	td2a_ml/td2a_clustering.ipynb	2A.ml - Clustering	True	2.184	6	6	6
210	100%	29.150	2020-02-13	td2a_ml/td2a_clustering_correction.ipynb	2A.ml - Clustering - correction	True	30.019	25	25	25
211	100%	19.237	2020-02-13	td2a_ml/td2a_correction_cl_reg_anomaly.ipynb	2A.data - Classification, régression, anomalies - correction	True	20.317	33	33	33
212	100%	375.120	2020-02-07	td2a_ml/td2a_correction_session_3A.ipynb	2A.ml - Statistiques descriptives avec scikit-learn - correction	True	376.608	23	23	23
213	100%	123.401	2020-02-07	td2a_ml/td2a_correction_session_3B.ipynb	2A.ml - Arbres de décision / Random Forest - correction	True	124.897	26	26	26
214	100%	8.346	2020-02-13	td2a_ml/td2a_correction_session_4A.ipynb	2A.ml - Machine Learning et Marketting - correction	True	9.468	26	26	26
215	100%	1.058	2020-02-13	td2a_ml/td2a_enonce_cl_reg_anomaly.ipynb	2A.data - Classification, régression, anomalies - énoncé	True	1.920	9	9	9
216	96%	8.375	2020-02-06	td2a_ml/td2a_ethics.ipynb	Machine Learning éthique	True	9.189	31	30	30
217	100%	0.067	2020-02-06	td2a_ml/td2a_ethics_correction.ipynb	Machine Learning éthique - correction	True	0.903	2	2	2
218	100%	10.774	2020-02-13	td2a_ml/td2a_pipeline_tree_selection_correction.ipynb	2A.ml - Pipeline pour un réduction d’une forêt aléatoire - correction	True	11.879	24	24	24
219	100%	1.282	2020-02-13	td2a_ml/td2a_pipeline_tree_selection_enonce.ipynb	2A.ml - Pipeline pour un réduction d’une forêt aléatoire - énoncé	True	2.118	11	11	11
220	100%	0.661	2020-02-13	td2a_ml/td2a_sentiment_analysis.ipynb	2A.ml - Analyse de sentiments	True	1.476	6	6	6
221	100%	82.320	2020-02-13	td2a_ml/td2a_sentiment_analysis_correction.ipynb	2A.ml - Analyse de sentiments - correction	True	83.214	44	44	44
222	100%	1.394	2020-02-13	td2a_ml/td2a_timeseries.ipynb	2A.ml - Séries temporelles	True	2.281	15	15	15
223	100%	4.599	2020-02-13	td2a_ml/td2a_timeseries_correction.ipynb	2A.ml - Séries temporelles - correction	True	5.404	16	16	16
224	100%	37.128	2020-02-13	td2a_ml/td2a_tree_selection_correction.ipynb	2A.ml - Réduction d’une forêt aléatoire - correction	True	38.062	19	19	19
225	100%	0.677	2020-02-13	td2a_ml/td2a_tree_selection_enonce.ipynb	2A.ml - Réduction d’une forêt aléatoire - énoncé	True	1.528	8	8	8