Notebooks Coverage#

Report on last executions.

83% 2022-12-02

_images/nbcov-2022-12-02.png

index

coverage

exe time

last execution

name

title

success

time

nb cells

nb runs

nb valid

0

100%

23.413

2022-12-02

1a/code_liste_tuple.ipynb

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

True

27.687

4

4

4

1

100%

8.503

2022-12-02

1a/code_multinomial.ipynb

1A.1 - Simuler une loi multinomiale

True

12.592

12

12

12

2

100%

11.080

2022-12-02

1a/coloriage_carre.ipynb

Jeux de coloriage

True

15.328

23

23

23

3

100%

0.555

2022-12-02

1a/exercice_echelle.ipynb

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

True

4.621

6

6

6

4

100%

1.785

2022-12-02

1a/exercice_morse.ipynb

1A.algo - Décoder du Morse sans espaces

True

5.895

16

16

16

5

100%

4.175

2022-12-02

1a/exercice_plus_grande_somme.ipynb

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

True

8.234

15

15

15

6

100%

0.319

2022-12-02

1a/exercice_xn.ipynb

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

True

4.398

4

4

4

7

100%

1.241

2022-12-02

1a/histogramme_rapide.ipynb

1A.1 - Histogramme et dictionnaire

True

5.557

8

8

8

8

100%

58.645

2022-12-02

1a/nbheap.ipynb

Heap

True

62.754

15

15

15

9

100%

11.938

2022-12-02

1a/profiling_example.ipynb

1A.soft - Exemple de profiling

True

16.343

11

11

11

10

100%

0.971

2022-12-02

1a/recherche_dichotomique.ipynb

1A.algo - Recherche dichotomique

True

5.120

9

9

9

11

100%

4.994

2022-12-02

1a/structures_donnees_conversion.ipynb

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

True

9.164

29

29

29

12

100%

2.549

2022-12-02

1a/tableau_contingence.ipynb

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

True

6.867

8

8

8

13

100%

72.474

2022-12-02

1a/tri_nlnd.ipynb

1A.algo - Tri plus rapide que prévu

True

76.847

17

17

17

14

100%

438.357

2022-11-24

2016-2017/solution_2016_credit_clement.ipynb

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

True

443.637

28

28

28

15

0%

nan

2016/td2a_eco_competition_comparer_classifieurs.ipynb

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

nan

24

0

16

0%

nan

2016/td2a_eco_competition_modeles_logistiques.ipynb

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

nan

35

0

17

0%

nan

2016/td2a_eco_competition_statsdesc.ipynb

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

nan

33

0

18

100%

17.780

2022-12-02

2017-2018/dimensions_reduction.ipynb

Réduction des dimensions

True

21.869

20

20

20

19

100%

51.284

2022-11-24

2017/prepare_data_2017.ipynb

2A.ml - 2017 - Préparation des données

True

56.487

43

43

43

20

89%

2.786

2022-12-02

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

2018-09-18 - Rappels sur le langage python

True

6.955

28

25

25

21

100%

8.292

2022-12-02

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

2018-09-18 - Rappels sur pandas et maplotlib

True

12.430

29

29

29

22

100%

6.778

2022-12-02

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

2018-09-18 - API de scikit-learn

True

10.892

21

21

21

23

100%

0.969

2022-12-02

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

2018-09-25 - Distance entre mots

True

5.059

11

11

11

24

100%

13.359

2022-12-02

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

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

True

17.457

20

20

20

25

100%

195.028

2022-12-02

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

2018-10-09 Ensemble, Gradient, Boosting…

True

199.155

19

19

19

26

100%

13.124

2022-12-02

2a/bayesian_with_python.ipynb

2A.ml - Bayesian models with Python

True

18.110

19

19

19

27

100%

199.278

2022-11-24

2a/cffi_linear_regression.ipynb

Optimisation de code avec cffi, numba, cython

True

202.542

92

92

92

28

100%

4.163

2022-12-02

2a/dataframe_matrix_speed.ipynb

2A.i - Mesures de vitesse sur les dataframes

True

8.284

15

15

15

29

100%

10.994

2022-12-02

2a/git_notebook.ipynb

2A.soft - Git depuis le notebook

True

15.135

23

23

23

30

100%

1.513

2022-12-02

2a/jupyter_custom_magics.ipynb

2A.soft - Custom Magics for Jupyter

True

5.577

5

5

5

31

100%

19.913

2022-12-02

2a/ml_timeseries_base.ipynb

2A.ml - Timeseries et machine learning

True

24.064

28

28

28

32

100%

3.906

2022-12-02

2a/notebook_convert.ipynb

2A.soft - Convert a notebook into a document

True

8.006

8

8

8

33

100%

83.692

2022-11-24

2a/seance_5_dask.ipynb

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

True

89.449

16

16

16

34

100%

28.351

2022-11-24

2a/seance_5_intro_et_json.ipynb

2A.i - Données non structurées, programmation fonctionnelle

True

33.557

20

20

20

35

100%

292.579

2022-11-24

2a/seance_5_prog_fonctionnelle.ipynb

2A.i - programmation fonctionnelle

True

297.811

44

44

44

36

100%

45.156

2022-12-02

2a/timeseries_ssa.ipynb

Single Spectrum Analysis (SSA)

True

49.284

27

27

27

37

0%

nan

data/data_irep.ipynb

IREP: registre des émissions polluantes

nan

30

0

38

0%

nan

data/deal_flow_espace_vert.ipynb

Deal flow espaces verts 2018 - 2019

nan

21

0

39

100%

1.932

2022-12-02

exams/interro_rapide_20_minutes_2014_09.ipynb

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

True

6.154

12

12

12

40

100%

3.275

2022-12-02

exams/interro_rapide_20_minutes_2014_10.ipynb

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

True

7.413

17

17

17

41

82%

3.463

2022-12-02

exams/interro_rapide_20_minutes_2014_11.ipynb

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

True

7.629

35

29

29

42

100%

1.785

2022-12-02

exams/interro_rapide_20_minutes_2014_12.ipynb

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

True

5.981

15

15

15

43

100%

0.923

2022-12-02

exams/interro_rapide_20_minutes_2015_09.ipynb

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

True

5.014

12

12

12

44

100%

1.658

2022-12-02

exams/interro_rapide_20_minutes_2015_11.ipynb

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

True

5.840

16

16

16

45

100%

22.797

2022-12-02

exams/td_note_2013_bout_de_code_coloriage.ipynb

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

True

26.993

6

6

6

46

100%

51.687

2022-12-02

exams/td_note_2013_coloriage_correction.ipynb

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

True

55.881

14

14

14

47

100%

5.950

2022-12-02

exams/td_note_2015.ipynb

1A.e - TD noté, 5 décembre 2014

True

10.094

36

36

36

48

100%

0.311

2022-12-02

exams/td_note_2015_rattrapage_enonce.ipynb

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

True

4.378

6

6

6

49

100%

10.106

2022-12-02

exams/td_note_2016.ipynb

1A.e - TD noté, 11 décembre 2015

True

14.219

26

26

26

50

100%

4.640

2022-12-02

exams/td_note_2017.ipynb

1A.e - TD noté, 16 décembre 2016

True

8.851

23

23

23

51

100%

2.575

2022-12-02

exams/td_note_2017_2.ipynb

1A.e - TD noté, 21 février 2017

True

6.643

21

21

21

52

100%

17.098

2022-12-02

exams/td_note_2018_1.ipynb

1A.e - Enoncé 12 décembre 2017 (1)

True

21.301

25

25

25

53

100%

15.043

2022-12-02

exams/td_note_2018_2.ipynb

1A.e - Enoncé 12 décembre 2017 (2)

True

19.155

21

21

21

54

100%

66.891

2022-12-02

exams/td_note_2019_1.ipynb

1A.e - Enoncé 23 octobre 2018 (1)

True

71.149

17

17

17

55

100%

35.645

2022-12-02

exams/td_note_2019_2.ipynb

1A.e - Enoncé 23 octobre 2018 (2)

True

39.723

18

18

18

56

100%

14.651

2022-12-02

exams/td_note_2020_1.ipynb

1A.e - Enoncé 22 octobre 2019 (1)

True

18.855

29

29

29

57

100%

13.564

2022-12-02

exams/td_note_2020_2.ipynb

1A.e - Enoncé 22 octobre 2019 (2)

True

17.726

28

28

28

58

100%

40.719

2022-12-02

exams/td_note_2021.ipynb

1A - Enoncé 24 novembre 2020

True

44.935

24

24

24

59

100%

24.936

2022-12-02

exams/td_note_2022.ipynb

1A - Enoncé 3 novembre 2021

True

29.135

31

31

31

60

100%

1.277

2022-12-02

exams/td_note_2022_rattrapage.ipynb

1A - Enoncé 15 novembre 2021 - rattrapage

True

5.389

9

9

9

61

100%

7.268

2022-12-02

exams/td_note_2022_rattrapage2.ipynb

1A - Enoncé 3 mars 2022- rattrapage

True

11.368

10

10

10

62

100%

49.899

2022-12-02

exams/td_note_2023.ipynb

1A - Enoncé 26 octobre 2022

True

54.004

17

17

17

63

100%

43.592

2022-12-02

expose/BJKST.ipynb

2A.algo - Algorithmes de streaming : généralités

True

47.751

39

39

39

64

100%

16.997

2022-12-02

expose/expose_TSP.ipynb

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

True

21.042

11

11

11

65

100%

5.948

2022-12-02

expose/expose_einstein_riddle.ipynb

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

True

10.024

6

6

6

66

100%

5.809

2022-12-02

expose/expose_graphe_et_map_reduce.ipynb

3A.mr - Graphes et Map Reduce

True

9.878

11

11

11

67

100%

1.044

2022-12-02

expose/expose_rwr_recommandation.ipynb

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

True

5.119

4

4

4

68

0%

nan

expose/expose_vigenere.ipynb

1A.algo - Casser le code de Vigenère

nan

18

0

69

100%

31.351

2022-12-02

expose/hash_distribution.ipynb

2A.algo - Hash et distribution

True

35.540

14

14

14

70

100%

56.008

2022-12-02

expose/ml_features_model.ipynb

2A.ml - Features ou modèle

True

60.139

15

15

15

71

0%

nan

expose/ml_huge_datasets.ipynb

2A.i - Huge datasets, datasets hiérarchiques

nan

30

0

72

100%

1807.315

2022-11-24

expose/ml_rue_paris_parcours.ipynb

2A.algo - Parcourir les rues de Paris

True

1810.606

24

24

24

73

100%

492.157

2022-11-24

expose/ml_table_mortalite.ipynb

2A.i - Table de mortalité dans plusieurs containers

True

495.712

35

35

35

74

100%

7.626

2022-12-02

sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb

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

True

11.920

13

13

13

75

100%

8.425

2022-12-02

sklearn_ensae_course/01_data_manipulation.ipynb

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

True

12.713

18

18

18

76

100%

12.117

2022-12-02

sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb

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

True

16.283

15

15

15

77

100%

29.328

2022-12-02

sklearn_ensae_course/03_supervised_classification.ipynb

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

True

33.745

12

12

12

78

100%

15.738

2022-12-02

sklearn_ensae_course/04_supervised_regression.ipynb

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

True

19.941

12

12

12

79

100%

21.083

2022-12-02

sklearn_ensae_course/05_measuring_prediction_performance.ipynb

2A.ML101.5: Measuring prediction performance

True

25.559

23

23

23

80

100%

23.813

2022-12-02

sklearn_ensae_course/06_unsupervised_dimreduction.ipynb

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

True

28.554

18

18

18

81

100%

24.223

2022-12-02

sklearn_ensae_course/07_application_to_face_recognition.ipynb

2A.ML101.7: Example from Image Processing

True

28.627

19

19

19

82

100%

14.696

2022-12-02

sklearn_ensae_course/08_validation_and_learning_curves.ipynb

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

True

18.876

15

15

15

83

100%

0.708

2022-12-02

td1a/integrale_rectangle.ipynb

1A.1 - Intégrale et la méthode des rectangles

True

4.975

6

6

6

84

100%

8.000

2022-12-02

td1a/integrale_rectangle_correction.ipynb

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

True

12.234

30

30

30

85

100%

0.320

2022-12-02

td1a/j2048.ipynb

1A.2 - 2048 - stratégie gagnante

True

4.320

3

3

3

86

100%

2.572

2022-12-02

td1a/j2048_correction.ipynb

1A.2 - 2048 - stratégie gagnante - correction

True

7.113

11

11

11

87

100%

53.093

2022-12-02

td1a/matrix_dictionary.ipynb

Produit matriciel avec une matrice creuse

True

57.212

20

20

20

88

100%

0.443

2022-12-02

td1a/pp_exo_deviner_un_nombre.ipynb

1A.1 - Deviner un nombre aléatoire

True

4.475

5

5

5

89

100%

0.678

2022-12-02

td1a/pp_exo_deviner_un_nombre_correction.ipynb

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

True

4.744

7

7

7

90

75%

1.181

2022-12-02

td1a/td1a_cenonce_session1.ipynb

1A.0 - Premiers pas en Python

True

5.260

16

12

12

91

100%

6.259

2022-12-02

td1a/td1a_cenonce_session2.ipynb

1A.1 - Variables, boucles, tests

True

10.635

30

30

30

92

100%

3.766

2022-12-02

td1a/td1a_cenonce_session3.ipynb

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

True

7.930

26

26

26

93

100%

11.477

2022-12-02

td1a/td1a_cenonce_session4.ipynb

1A.2 - Modules, fichiers, expressions régulières

True

16.035

20

20

20

94

100%

3.331

2022-12-02

td1a/td1a_cenonce_session5.ipynb

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

True

7.544

17

17

17

95

100%

1.048

2022-12-02

td1a/td1a_cenonce_session6.ipynb

1A.2 - Classes, héritage

True

5.103

11

11

11

96

100%

3.110

2022-12-02

td1a/td1a_correction_session1.ipynb

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

True

7.308

13

13

13

97

100%

1.966

2022-12-02

td1a/td1a_correction_session2.ipynb

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

True

6.323

8

8

8

98

100%

1.885

2022-12-02

td1a/td1a_correction_session3.ipynb

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

True

6.161

9

9

9

99

100%

8.110

2022-12-02

td1a/td1a_correction_session4.ipynb

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

True

12.385

20

20

20

100

100%

54.604

2022-12-02

td1a/td1a_correction_session5.ipynb

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

True

58.737

12

12

12

101

100%

0.663

2022-12-02

td1a/td1a_correction_session6.ipynb

1A.2 - Classes, héritage (correction)

True

4.782

5

5

5

102

100%

2.399

2022-12-02

td1a/td1a_pyramide_bigarree.ipynb

1A.1 - Tracer une pyramide bigarrée

True

6.455

5

5

5

103

100%

6.739

2022-12-02

td1a/td1a_pyramide_bigarree_correction.ipynb

1A.1 - Tracer une pyramide bigarrée - correction

True

11.031

11

11

11

104

100%

1.811

2022-12-02

td1a/texte_langue.ipynb

1A.2 - Deviner la langue d’un texte

True

6.050

6

6

6

105

100%

17.797

2022-12-02

td1a/texte_langue_correction.ipynb

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

True

22.020

23

23

23

106

100%

0.416

2022-12-02

td1a_algo/BJKST_enonce.ipynb

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

True

4.455

4

4

4

107

100%

1.703

2022-12-02

td1a_algo/graph1exo_parcours.ipynb

1A.algo - Parcours de graphe

True

5.883

8

8

8

108

100%

1.987

2022-12-02

td1a_algo/graph1exo_parcours_correction.ipynb

1A.algo - Parcours de graphe - correction

True

6.080

9

9

9

109

100%

1.063

2022-12-02

td1a_algo/graph4exos.ipynb

1A.algo - Des problèmes de graphes

True

5.130

6

6

6

110

100%

3.108

2022-12-02

td1a_algo/graph_spectral_clustering.ipynb

1A.algo - Spectral Clustering

True

7.827

6

6

6

111

100%

2.305

2022-12-02

td1a_algo/graph_spectral_clustering_correction.ipynb

1A.algo - Spectral Clustering - correction

True

6.409

11

11

11

112

100%

0.206

2022-12-02

td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb

1A.algo - distance de Jaccard (dictionnaires)

True

4.393

4

4

4

113

100%

4.480

2022-12-02

td1a_algo/td1a_cenonce_session7.ipynb

1A.algo - Programmation dynamique et plus court chemin

True

8.683

17

17

17

114

100%

0.530

2022-12-02

td1a_algo/td1a_cenonce_session7_edition.ipynb

1A.algo - La distance d’édition

True

4.626

8

8

8

115

100%

0.464

2022-12-02

td1a_algo/td1a_cenonce_session8.ipynb

1A.algo - Arbre et Trie

True

4.531

10

10

10

116

100%

0.158

2022-12-02

td1a_algo/td1a_cenonce_session8_wikiroot.ipynb

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

True

4.334

4

4

4

117

100%

0.428

2022-12-02

td1a_algo/td1a_cenonce_session9.ipynb

1A.algo - Optimisation sous contrainte

True

4.447

6

6

6

118

100%

17.710

2022-12-02

td1a_algo/td1a_correction_session4_5_jaccard.ipynb

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

True

21.799

17

17

17

119

100%

7.651

2022-12-02

td1a_algo/td1a_correction_session7.ipynb

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

True

11.777

15

15

15

120

100%

2.732

2022-12-02

td1a_algo/td1a_correction_session7_edition.ipynb

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

True

6.860

20

20

20

121

100%

197.832

2022-11-24

td1a_algo/td1a_correction_session8.ipynb

1A.algo - Arbre et Trie (correction)

True

201.214

20

20

20

122

100%

3.652

2022-12-02

td1a_algo/td1a_correction_session8_wikiroot.ipynb

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

True

7.825

5

5

5

123

100%

1.936

2022-12-02

td1a_algo/td1a_correction_session9.ipynb

1A.algo - Optimisation sous contrainte (correction)

True

5.976

7

7

7

124

100%

0.000

2022-12-02

td1a_algo/td1a_plus_grande_somme.ipynb

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

True

4.079

1

1

1

125

100%

60.644

2022-12-02

td1a_algo/td1a_plus_grande_somme_correction.ipynb

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

True

64.749

10

10

10

126

87%

3.250

2022-12-02

td1a_algo/td1a_quicksort.ipynb

1A.algo - Quicksort

True

7.558

8

7

7

127

100%

5.677

2022-12-02

td1a_algo/td1a_quicksort_correction.ipynb

1A.algo - quicksort - correction

True

10.106

10

10

10

128

100%

1.629

2022-12-02

td1a_algo/td1a_sobel.ipynb

1A.algo - filtre de Sobel

True

5.729

6

6

6

129

100%

18.864

2022-12-02

td1a_algo/td1a_sobel_correction.ipynb

1A.algo - filtre de Sobel - correction

True

23.313

8

8

8

130

100%

0.231

2022-12-02

td1a_dfnp/decorrelation.ipynb

1A.data - Décorrélation de variables aléatoires

True

4.402

7

7

7

131

100%

2.754

2022-12-02

td1a_dfnp/decorrelation_correction.ipynb

1A.data - Décorrélation de variables aléatoires - correction

True

7.181

15

15

15

132

100%

7.498

2022-12-02

td1a_dfnp/td1a_cenonce_session_10.ipynb

1A.data - DataFrame et Matrice

True

11.736

51

51

51

133

0%

nan

td1a_dfnp/td1a_cenonce_session_12_carte.ipynb

1A.data - Visualisation des données - cartes

nan

38

0

134

0%

nan

td1a_dfnp/td1a_cenonce_session_12_js.ipynb

1A.data - Visualisation des données - graphes interactifs

nan

17

0

135

0%

nan

td1a_dfnp/td1a_cenonce_session_12_plot.ipynb

1A.data - Visualisation des données

nan

29

0

136

0%

nan

td1a_dfnp/td1a_correction_session_10.ipynb

1A.data - DataFrame et Matrice (correction)

nan

28

0

137

0%

nan

td1a_dfnp/td1a_correction_session_12.ipynb

1A.data - visualisation des données - correction

nan

24

0

138

100%

18.840

2022-12-02

td1a_home/2020_carte.ipynb

Tech - carte

True

23.022

23

23

23

139

100%

74.065

2022-12-02

td1a_home/2020_covid.ipynb

Algo - simulation COVID

True

78.356

33

33

33

140

100%

2.904

2022-12-02

td1a_home/2020_edit.ipynb

Algo - distance d’édiction

True

7.264

15

15

15

141

100%

25.602

2022-12-02

td1a_home/2020_graph.ipynb

Algo - Graphe - Composantes connexes

True

29.731

15

15

15

142

100%

9.113

2022-12-02

td1a_home/2020_json_xml.ipynb

Tech - JSON - XML

True

13.291

45

45

45

143

100%

36.703

2022-12-02

td1a_home/2020_numpy.ipynb

Tech - calcul matriciel avec numpy

True

40.859

35

35

35

144

100%

2.999

2022-12-02

td1a_home/2020_ordonnancement.ipynb

Algo - Problème d’ordonnancement

True

7.077

11

11

11

145

100%

28.071

2022-12-02

td1a_home/2020_pandas.ipynb

Tech - manipulation de données avec pandas

True

32.320

64

64

64

146

100%

43.194

2022-12-02

td1a_home/2020_profile.ipynb

Tech - profiling

True

47.400

18

18

18

147

100%

1.271

2022-12-02

td1a_home/2020_regex.ipynb

Tech - expressions régulières

True

5.438

14

14

14

148

100%

14.665

2022-12-02

td1a_home/2020_rest.ipynb

Tech - API REST pour deep learning avec FastAPI

True

18.818

28

28

28

149

100%

5.103

2022-12-02

td1a_home/2020_suffix.ipynb

Algo - jeux de dictionnaires, plus grand suffixe commun

True

9.291

24

24

24

150

100%

20.715

2022-12-02

td1a_home/2020_surface.ipynb

Algo - Calculs de surface et autres calculs

True

24.830

16

16

16

151

100%

51.115

2022-12-02

td1a_home/2020_topk.ipynb

Algo - les k premiers éléments

True

55.307

32

32

32

152

100%

10.676

2022-12-02

td1a_home/2020_tsp.ipynb

Algo - TSP - Traveling Salesman Problem

True

14.842

14

14

14

153

100%

32.692

2022-12-02

td1a_home/2021_2048_classe.ipynb

2048 et les classes

True

36.943

19

19

19

154

100%

50.969

2022-12-02

td1a_home/2021_covid_pickle.ipynb

Sérialisation, pickle, COVID

True

55.165

24

24

24

155

100%

2.312

2022-12-02

td1a_home/2021_editdist.ipynb

Distance entre deux mots de même longueur et tests unitaires

True

6.437

17

17

17

156

100%

6.597

2022-12-02

td1a_home/2021_random_graph.ipynb

Algo - graphes aléatoires

True

10.890

22

22

22

157

100%

9.674

2022-12-02

td1a_home/2021_tsp.ipynb

Algo - Aparté sur le voyageur de commerce

True

14.264

9

9

9

158

100%

1.016

2022-12-02

td1a_home/2022_classes.ipynb

Un bref aperçu des classes

True

5.123

10

10

10

159

100%

23.651

2022-12-02

td1a_home/2022_hash.ipynb

Répartition, table de hashage

True

27.840

16

16

16

160

100%

11.479

2022-12-02

td1a_home/2022_profiling.ipynb

Profiling, application à la convolution

True

15.571

17

17

17

161

100%

10.643

2022-12-02

td1a_home/2022_serialisation.ipynb

Tech - Sérialisation

True

14.745

15

15

15

162

100%

1.201

2022-12-02

td1a_home/2022_unit_test.ipynb

Test unitaires

True

5.268

14

14

14

163

100%

4.476

2022-12-02

td1a_soft/td1a_cython_edit.ipynb

1A.soft - Calcul numérique et Cython

True

8.663

15

15

15

164

100%

5.549

2022-12-02

td1a_soft/td1a_cython_edit_correction.ipynb

1A.soft - Calcul numérique et Cython - correction

True

9.693

8

8

8

165

100%

175.995

2022-12-02

td1a_soft/td1a_sql.ipynb

1A.soft - Notions de SQL

True

180.215

34

34

34

166

100%

176.384

2022-12-02

td1a_soft/td1a_sql_correction.ipynb

1A.soft - Notions de SQL - correction

True

180.525

15

15

15

167

100%

12.721

2022-12-02

td1a_soft/td1a_unit_test_ci.ipynb

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

True

16.893

14

14

14

168

100%

3.631

2022-12-02

td2a/ml_crypted_data.ipynb

2A.ml - Machine Learning et données cryptées

True

7.627

9

9

9

169

100%

24.303

2022-12-02

td2a/ml_crypted_data_correction.ipynb

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

True

28.387

38

38

38

170

100%

2.684

2022-12-02

td2a/pandas_iterator.ipynb

2A.data - Pandas et itérateurs

True

6.739

8

8

8

171

100%

4.489

2022-12-02

td2a/pandas_iterator_correction.ipynb

2A.data - Pandas et itérateurs - correction

True

8.552

19

19

19

172

100%

0.198

2022-12-02

td2a/td2a_bigdata_memory.ipynb

2A.i - Stratégies et grandes matrices en mémoire

True

4.233

8

8

8

173

96%

74.927

2022-11-24

td2a/td2a_cenonce_session_1.ipynb

2A.data - DataFrame et Graphes

True

78.168

75

72

72

174

100%

13.066

2022-12-02

td2a/td2a_cenonce_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation

True

17.341

71

71

71

175

100%

0.437

2022-12-02

td2a/td2a_cenonce_session_2C.ipynb

2A.soft - Jupyter et commandes magiques

True

4.467

5

5

5

176

0%

nan

td2a/td2a_cenonce_session_2D_jupyter.ipynb

2A.i - Jupyter et calcul distribué

nan

72

0

177

0%

nan

td2a/td2a_cenonce_session_2D_parallelisation_local.ipynb

2A.i - Parallélisation locale (énoncé)

nan

7

0

178

100%

1.486

2022-12-02

td2a/td2a_cenonce_session_2E.ipynb

2A.i - Sérialisation

True

5.533

8

8

8

179

0%

nan

td2a/td2a_cenonce_session_5.ipynb

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

nan

29

0

180

0%

nan

td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb

2A.i - Données non structurées et programmation fonctionnelle

nan

66

0

181

96%

48.288

2022-11-24

td2a/td2a_correction_session_1.ipynb

2A.data - DataFrame et Graphes - correction

True

51.461

27

26

26

182

100%

5.632

2022-11-24

td2a/td2a_correction_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation - correction

True

8.805

13

13

13

183

100%

3.271

2022-11-24

td2a/td2a_correction_session_2C.ipynb

2A.soft - IPython et commandes magiques - correction

True

6.500

6

6

6

184

100%

26.600

2022-11-24

td2a/td2a_correction_session_2E.ipynb

2A.i - Sérialisation - correction

True

29.796

24

24

24

185

0%

nan

td2a/td2a_correction_session_5.ipynb

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

nan

5

0

186

0%

nan

td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb

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

nan

72

0

187

0%

nan

td2a/td2a_ml_text_features.ipynb

2A.ml - Classification binaire avec features textuelles

nan

29

0

188

0%

nan

td2a/td2a_ml_text_features_correction.ipynb

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

nan

39

0

189

100%

13.811

2022-12-02

td2a/td2a_progressbar.ipynb

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

True

18.525

6

6

6

190

100%

44.693

2022-12-02

td2a/td2a_some_nlp.ipynb

2A.ml - Texte et machine learning

True

48.800

36

36

36

191

90%

147.332

2022-12-02

td2a/td2a_visualisation.ipynb

2A.data - Matplotlib

True

151.934

42

38

38

192

100%

0.147

2022-12-02

td2a_algo/gentry_integer_encryption.ipynb

Cryptage homomorphic de Craig Gentry

True

4.184

6

6

6

193

100%

0.148

2022-12-02

td2a_algo/gentry_integer_encryption_correction.ipynb

Cryptage homomorphic de Craig Gentry - correction

True

4.245

6

6

6

194

100%

7.432

2022-12-02

td2a_algo/knn_high_dimension.ipynb

2A.algo - Plus proches voisins en grande dimension

True

11.496

8

8

8

195

100%

111.637

2022-12-02

td2a_algo/knn_high_dimension_correction.ipynb

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

True

115.773

20

20

20

196

100%

0.147

2022-12-02

td2a_algo/td2a_cenonce_session_6A.ipynb

2A.algo - Puzzles algorithmiques (1)

True

4.248

6

6

6

197

100%

0.153

2022-12-02

td2a_algo/td2a_cenonce_session_6B.ipynb

2A.algo - Puzzles algorithmiques (2)

True

4.229

5

5

5

198

100%

0.570

2022-12-02

td2a_algo/td2a_correction_session_6A.ipynb

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

True

4.686

6

6

6

199

100%

0.135

2022-12-02

td2a_algo/td2a_correction_session_6B.ipynb

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

True

4.260

6

6

6

200

100%

23.776

2022-11-24

td2a_eco/TD2A_Eco_Web_Scraping.ipynb

2A.eco - Web-Scraping

True

27.046

29

29

29

201

100%

16.674

2022-11-24

td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb

2A.eco - Web-Scraping - pokemon

True

20.163

6

6

6

202

0%

nan

td2a_eco/TD2A_eco_API_SNCF.ipynb

2A.eco - Exercice API SNCF

nan

40

0

203

0%

nan

td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb

2A.eco - Exercice API SNCF corrigé

nan

61

0

204

100%

2.867

2022-12-02

td2a_eco/TD2A_eco_debuter_flask.ipynb

2A.eco - Débuter avec Flask

True

6.975

14

14

14

205

100%

6.188

2022-12-02

td2a_eco/TD2A_eco_les_API.ipynb

2A.eco - API, API REST

True

10.260

15

15

15

206

100%

4.381

2022-12-02

td2a_eco/td2_eco_rappels_1a.ipynb

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

True

8.526

29

29

29

207

100%

14.828

2022-12-02

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb

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

True

18.968

34

34

34

208

100%

27.921

2022-12-02

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb

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

True

32.225

35

35

35

209

100%

0.000

2022-12-02

td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb

2A.eco - Exercice Python - Eco Séance 2

True

4.007

1

1

1

210

100%

1.314

2022-12-02

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

5.340

3

3

3

211

100%

3.990

2022-12-02

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

8.084

10

10

10

212

100%

6.646

2022-12-02

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

10.747

16

16

16

213

100%

8.442

2022-12-02

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

12.502

14

14

14

214

100%

32.332

2022-12-02

td2a_eco/td2a_eco_regressions_lineaires.ipynb

Régressions linéaires avec Statsmodels et Scikit-Learn

True

36.413

12

12

12

215

100%

3.818

2022-12-02

td2a_eco/td2a_eco_sql.ipynb

2A.eco - Python et la logique SQL

True

7.944

26

26

26

216

100%

5.111

2022-12-02

td2a_eco/td2a_eco_sql_correction.ipynb

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

True

9.295

36

36

36

217

100%

34.466

2022-11-24

td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb

TD7 - Analyse de texte

True

37.694

29

29

29

218

100%

35.141

2022-11-24

td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb

TD7 - Analyse de texte - correction

True

38.480

29

29

29

219

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

220

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

221

100%

33.199

2022-11-24

td2a_eco2/td2a_eco_NLP_tf_idf_ngrams_LDA_word2vec_sur_des_extraits_litteraires.ipynb

2A.eco - Introduction au text mining

True

36.569

69

69

69

222

100%

2794.552

2022-12-02

td2a_ml/gradient_boosting.ipynb

Gradient Boosting

True

2798.841

37

37

37

223

100%

519.102

2022-11-24

td2a_ml/ml_a_tree_overfitting.ipynb

2A.ml - Tree, hyperparamètres, overfitting

True

522.283

28

28

28

224

100%

197.088

2022-12-02

td2a_ml/ml_b_imbalanced.ipynb

2A.ml - Imbalanced dataset

True

201.193

22

22

22

225

100%

17.746

2022-12-02

td2a_ml/ml_c_machine_learning_problems.ipynb

2A.ml - Problèmes classiques de machine learning illustrés

True

21.959

41

41

41

226

100%

0.347

2022-12-02

td2a_ml/ml_cc_machine_learning_problems2.ipynb

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

True

4.401

4

4

4

227

100%

8.127

2022-12-02

td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb

2A.ml - Interprétabilité et corrélations des variables

True

12.246

27

27

27

228

100%

132.359

2022-12-02

td2a_ml/ml_lasso_rf_grid_search_correction.ipynb

Hyperparamètres, LassoRandomForestRregressor et grid_search (correction)

True

136.448

15

15

15

229

100%

3.498

2022-12-02

td2a_ml/ml_lasso_rf_grid_search_enonce.ipynb

Hyperparamètres, LassoRandomForestRregressor et grid_search (énoncé)

True

7.617

4

4

4

230

100%

2.332

2022-12-02

td2a_ml/ml_scikit_learn_simple.ipynb

Rappels sur scikit-learn et le machine learning

True

6.407

12

12

12

231

100%

15.105

2022-12-02

td2a_ml/ml_scikit_learn_simple_correction.ipynb

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

True

19.222

21

21

21

232

100%

26.088

2022-12-02

td2a_ml/seasonal_timeseries.ipynb

Timeseries

True

30.252

42

42

42

233

100%

783.849

2022-11-24

td2a_ml/td2a_cenonce_session_3A.ipynb

2A.ml - Statistiques descriptives avec scikit-learn

True

787.053

18

18

18

234

100%

122.322

2022-11-24

td2a_ml/td2a_cenonce_session_3B.ipynb

2A.ml - Arbres de décision / Random Forest

True

125.589

16

16

16

235

100%

3.359

2022-12-02

td2a_ml/td2a_cenonce_session_4A.ipynb

2A.ml - Machine Learning et Marketting

True

7.421

9

9

9

236

100%

4.067

2022-12-02

td2a_ml/td2a_clustering.ipynb

2A.ml - Clustering

True

8.125

6

6

6

237

100%

50.817

2022-12-02

td2a_ml/td2a_clustering_correction.ipynb

2A.ml - Clustering - correction

True

54.917

25

25

25

238

100%

41.514

2022-12-02

td2a_ml/td2a_correction_cl_reg_anomaly.ipynb

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

True

45.656

33

33

33

239

100%

1091.022

2022-11-24

td2a_ml/td2a_correction_session_3A.ipynb

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

True

1094.405

24

24

24

240

100%

399.918

2022-11-24

td2a_ml/td2a_correction_session_3B.ipynb

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

True

403.337

26

26

26

241

100%

41.804

2022-12-02

td2a_ml/td2a_correction_session_4A.ipynb

2A.ml - Machine Learning et Marketting - correction

True

45.983

26

26

26

242

100%

4.885

2022-12-02

td2a_ml/td2a_enonce_cl_reg_anomaly.ipynb

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

True

8.940

9

9

9

243

0%

nan

td2a_ml/td2a_ethics.ipynb

Machine Learning éthique

nan

42

0

244

0%

nan

td2a_ml/td2a_ethics_correction.ipynb

Machine Learning éthique - correction

nan

6

0

245

100%

32.141

2022-12-02

td2a_ml/td2a_pipeline_tree_selection_correction.ipynb

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

True

36.259

24

24

24

246

100%

5.208

2022-12-02

td2a_ml/td2a_pipeline_tree_selection_enonce.ipynb

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

True

10.846

11

11

11

247

100%

3.118

2022-12-02

td2a_ml/td2a_sentiment_analysis.ipynb

2A.ml - Analyse de sentiments

True

7.190

6

6

6

248

100%

43.140

2022-12-02

td2a_ml/td2a_sentiment_analysis_correction.ipynb

2A.ml - Analyse de sentiments - correction

True

47.297

44

44

44

249

100%

6.837

2022-12-02

td2a_ml/td2a_timeseries.ipynb

2A.ml - Séries temporelles

True

10.883

15

15

15

250

100%

27.968

2022-12-02

td2a_ml/td2a_timeseries_correction.ipynb

2A.ml - Séries temporelles - correction

True

32.048

15

15

15

251

100%

64.244

2022-12-02

td2a_ml/td2a_tree_selection_correction.ipynb

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

True

68.347

19

19

19

252

100%

3.535

2022-12-02

td2a_ml/td2a_tree_selection_enonce.ipynb

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

True

7.623

8

8

8

_images/nbcov.png