Notebooks Coverage

Report on last executions.

76% 2019-04-17

index	coverage	exe time	last execution	name	title	success	time	nb cells	nb runs	nb valid
0	100%	9.422	2019-04-17	1a/code_liste_tuple.ipynb	1A.1 - Liste, tuple, ensemble, dictionnaire, liste chaînée, coût des opérations	True	12.132	4	4	4
1	100%	5.251	2019-04-17	1a/code_multinomial.ipynb	1A.1 - Simuler une loi multinomiale	True	10.166	12	12	12
2	100%	0.500	2019-04-17	1a/exercice_echelle.ipynb	1A.algo - Calculer le nombre de façons de monter une échelle.	True	3.072	6	6	6
3	100%	0.221	2019-04-17	1a/exercice_morse.ipynb	1A.algo - Décoder du Morse sans espaces	True	3.075	4	4	4
4	100%	2.058	2019-04-17	1a/exercice_plus_grande_somme.ipynb	1A.algo - La sous-séquence de plus grande somme	True	4.094	15	15	15
5	100%	0.317	2019-04-17	1a/exercice_xn.ipynb	1A.algo - Calculer x**n le plus rapidement possible	True	3.108	4	4	4
6	100%	1.021	2019-04-17	1a/histogramme_rapide.ipynb	1A.1 - Histogramme et dictionnaire	True	4.110	8	8	8
7	100%	5.270	2019-04-17	1a/profiling_example.ipynb	1A.soft - Exemple de profiling	True	8.156	11	11	11
8	100%	1.205	2019-04-17	1a/recherche_dichotomique.ipynb	1A.algo - Recherche dichotomique	True	4.130	9	9	9
9	100%	3.399	2019-04-17	1a/structures_donnees_conversion.ipynb	1A.1 - D’une structure de données à l’autre	True	6.109	29	29	29
10	100%	2.101	2019-04-17	1a/tableau_contingence.ipynb	1A.1 - Calculer un chi 2 sur un tableau de contingence	True	5.137	8	8	8
11	100%	26.442	2019-04-17	1a/tri_nlnd.ipynb	1A.algo - Tri plus rapide que prévu	True	30.126	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%	164.186	2019-04-10	2016-2017/solution_2016_credit_clement.ipynb	2016 - Une solution à la compétition de machine learning 2A	True	166.436	28	28	28
16	100%	4.125	2019-04-10	2016/td2a_eco_competition_comparer_classifieurs.ipynb	2A.ml - 2016 - Compétition - Préparation des données	True	6.093	16	16	16
17	100%	3.827	2019-04-10	2016/td2a_eco_competition_modeles_logistiques.ipynb	2A.ml - 2016 - Compétition ENSAE - Premiers modèles	True	6.100	26	26	26
18	100%	89.172	2019-04-10	2016/td2a_eco_competition_statsdesc.ipynb	2A.ml - 2016 - Compétition - Importation des données	True	92.433	22	22	22
19	100%	8.419	2019-04-17	2017-2018/dimensions_reduction.ipynb	Réduction des dimensions	True	11.411	20	20	20
20	100%	6.151	2019-04-10	2017/prepare_data_2017.ipynb	2A.ml - 2017 - Préparation des données	True	8.126	43	43	43
21	89%	2.344	2019-04-17	2018-2019/2018-09-18_rappels_python.ipynb	2018-09-18 - Rappels sur le langage python	True	5.101	28	25	25
22	100%	3.555	2019-04-17	2018-2019/2018-09-18_rappels_python_pandas_matplotlib.ipynb	2018-09-18 - Rappels sur pandas et maplotlib	True	6.070	29	29	29
23	100%	3.319	2019-04-17	2018-2019/2018-09-18_sklearn_api.ipynb	2018-09-18 - API de scikit-learn	True	6.085	21	21	21
24	100%	0.796	2019-04-17	2018-2019/2018-09-25_distance_entre_mots.ipynb	2018-09-25 - Distance entre mots	True	3.085	11	11	11
25	100%	18.092	2019-04-17	2018-2019/2018-10-02_scraping_recuperer_images.ipynb	2018-10-02 - Scraping, récupérer une image depuis LeMonde	True	25.310	20	20	20
26	100%	88.902	2019-04-17	2018-2019/2018-10-09_ensemble_gradient_boosting.ipynb	2018-10-09 Ensemble, Gradient, Boosting…	True	91.880	18	18	18
27	100%	10.737	2019-04-17	2a/bayesian_with_python.ipynb	2A.ml - Bayesian models with Python	True	14.230	18	18	18
28	100%	148.641	2019-04-10	2a/cffi_linear_regression.ipynb	Optimisation de code avec cffi, numba, cython	True	151.441	92	92	92
29	100%	2.145	2019-04-17	2a/dataframe_matrix_speed.ipynb	2A.i - Mesures de vitesse sur les dataframes	True	5.115	15	15	15
30	100%	7.086	2019-04-17	2a/git_notebook.ipynb	2A.soft - Git depuis le notebook	True	10.062	23	23	23
31	100%	2.856	2019-04-17	2a/jupyter_custom_magics.ipynb	2A.soft - Custom Magics for Jupyter	True	8.479	5	5	5
32	100%	12.531	2019-04-17	2a/ml_timeseries_base.ipynb	2A.ml - Timeseries et machine learning	True	15.168	28	28	28
33	100%	3.126	2019-04-17	2a/notebook_convert.ipynb	2A.soft - Convert a notebook into a document	True	6.079	8	8	8
34	0%	nan		2a/python_r.ipynb	2A.soft - R et notebooks		nan	27	0
35	100%	65.168	2019-04-10	2a/seance_5_dask.ipynb	2A.i - Données non structurées, programmation fonctionnelle : dask	True	67.222	16	16	16
36	100%	43.111	2019-04-10	2a/seance_5_intro_et_json.ipynb	2A.i - Données non structurées, programmation fonctionnelle	True	45.114	20	20	20
37	100%	102.580	2019-04-10	2a/seance_5_prog_fonctionnelle.ipynb	2A.i - programmation fonctionnelle	True	105.134	44	44	44
38	100%	29.155	2019-04-17	2a/timeseries_ssa.ipynb	Single Spectrum Analysis (SSA)	True	32.161	27	27	27
39	100%	1.145	2019-04-17	exams/interro_rapide_20_minutes_2014_09.ipynb	1A.e - Correction de l’interrogation écrite du 26 septembre 2014	True	3.108	12	12	12
40	100%	1.632	2019-04-17	exams/interro_rapide_20_minutes_2014_10.ipynb	1A.e - Correction de l’interrogation écrite du 10 octobre 2014	True	4.080	17	17	17
41	82%	3.785	2019-04-17	exams/interro_rapide_20_minutes_2014_11.ipynb	1A.e - Correction de l’interrogation écrite du 14 novembre 2014	True	6.233	35	29	29
42	100%	1.530	2019-04-17	exams/interro_rapide_20_minutes_2014_12.ipynb	1A.e - Correction de l’interrogation écrite du 14 novembre 2014	True	4.079	15	15	15
43	100%	0.702	2019-04-17	exams/interro_rapide_20_minutes_2015_09.ipynb	1A.e - Correction de l’interrogation écrite du 26 septembre 2015	True	3.080	12	12	12
44	100%	1.065	2019-04-17	exams/interro_rapide_20_minutes_2015_11.ipynb	1A.e - Correction de l’interrogation écrite du 6 novembre 2015	True	3.087	16	16	16
45	100%	20.432	2019-04-17	exams/td_note_2013_bout_de_code_coloriage.ipynb	1A.e - TD noté, 27 novembre 2012 (éléments de code pour le coloriage)	True	23.125	6	6	6
46	100%	68.702	2019-04-17	exams/td_note_2013_coloriage_correction.ipynb	1A.e - TD noté, 27 novembre 2012 (coloriage, correction)	True	71.130	14	14	14
47	100%	3.477	2019-04-17	exams/td_note_2015.ipynb	1A.e - TD noté, 5 décembre 2014	True	6.088	36	36	36
48	100%	0.223	2019-04-17	exams/td_note_2015_rattrapage_enonce.ipynb	1A.e - TD noté 2015 rattrapage (énoncé, écrit et oral)	True	3.084	6	6	6
49	100%	3.690	2019-04-17	exams/td_note_2016.ipynb	1A.e - TD noté, 11 décembre 2015	True	6.087	26	26	26
50	100%	2.641	2019-04-17	exams/td_note_2017.ipynb	1A.e - TD noté, 16 décembre 2016	True	5.100	23	23	23
51	100%	2.172	2019-04-17	exams/td_note_2017_2.ipynb	1A.e - TD noté, 21 février 2017	True	5.079	21	21	21
52	100%	6.296	2019-04-17	exams/td_note_2018_1.ipynb	1A.e - Enoncé 12 décembre 2017 (1)	True	9.114	25	25	25
53	100%	4.750	2019-04-17	exams/td_note_2018_2.ipynb	1A.e - Enoncé 12 décembre 2017 (2)	True	7.078	21	21	21
54	100%	23.447	2019-04-17	exams/td_note_2019_1.ipynb	1A.e - Enoncé 23 octobre 2018 (1)	True	26.128	17	17	17
55	100%	10.064	2019-04-17	exams/td_note_2019_2.ipynb	1A.e - Enoncé 23 octobre 2018 (2)	True	12.113	18	18	18
56	100%	16.851	2019-04-17	expose/BJKST.ipynb	2A.algo - Algorithmes de streaming : généralités	True	19.131	39	39	39
57	100%	5.875	2019-04-17	expose/expose_TSP.ipynb	2A.algo - Réflexions autour du voyage de commerce (TSP)	True	8.088	11	11	11
58	100%	1.448	2019-04-17	expose/expose_einstein_riddle.ipynb	2A.algo - L’énigme d’Einstein et sa résolution	True	4.304	4	4	4
59	100%	3.230	2019-04-17	expose/expose_graphe_et_map_reduce.ipynb	3A.mr - Graphes et Map Reduce	True	6.167	11	11	11
60	100%	0.533	2019-04-17	expose/expose_rwr_recommandation.ipynb	3A.mr - Random Walk with Restart (système de recommandations)	True	3.425	4	4	4
61	100%	2.370	2019-04-10	expose/expose_vigenere.ipynb	1A.algo - Casser le code de Vigenère	True	5.063	9	9	9
62	100%	31.289	2019-04-17	expose/hash_distribution.ipynb	2A.algo - Hash et distribution	True	34.442	14	14	14
63	100%	16.509	2019-04-17	expose/ml_features_model.ipynb	2A.ml - Features ou modèle	True	20.385	15	15	15
64	100%	6.759	2019-04-10	expose/ml_huge_datasets.ipynb	2A.i - Huge datasets, datasets hiérarchiques	True	9.167	21	21	21
65	100%	541.431	2019-04-10	expose/ml_rue_paris_parcours.ipynb	2A.algo - Parcourir les rues de Paris	True	544.692	24	24	24
66	100%	174.851	2019-04-10	expose/ml_table_mortalite.ipynb	2A.i - Table de mortalité dans plusieurs containers	True	177.396	34	34	34
67	100%	5.722	2019-04-17	sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb	2A.ML101.0: What is machine learning?	True	8.889	13	13	13
68	100%	4.013	2019-04-17	sklearn_ensae_course/01_data_manipulation.ipynb	2A.ML101.1: Introduction to data manipulation with scientific Python	True	7.116	18	18	18
69	100%	5.141	2019-04-17	sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb	2A.ML101.2: Basic principles of machine learning with scikit-learn	True	8.115	15	15	15
70	100%	14.028	2019-04-17	sklearn_ensae_course/03_supervised_classification.ipynb	2A.ML101.3: Supervised Learning: Classification of Handwritten Digits	True	17.127	12	12	12
71	100%	8.459	2019-04-17	sklearn_ensae_course/04_supervised_regression.ipynb	2A.ML101.4: Supervised Learning: Regression of Housing Data	True	11.116	12	12	12
72	100%	8.593	2019-04-17	sklearn_ensae_course/05_measuring_prediction_performance.ipynb	2A.ML101.5: Measuring prediction performance	True	11.133	23	23	23
73	100%	12.465	2019-04-17	sklearn_ensae_course/06_unsupervised_dimreduction.ipynb	2A.ML101.6: Unsupervised Learning: Dimensionality Reduction and Visualization	True	15.165	18	18	18
74	100%	11.772	2019-04-17	sklearn_ensae_course/07_application_to_face_recognition.ipynb	2A.ML101.7: Example from Image Processing	True	15.161	19	19	19
75	100%	6.840	2019-04-17	sklearn_ensae_course/08_validation_and_learning_curves.ipynb	2A.ML101.8: Parameter selection, Validation & Testing	True	9.121	15	15	15
76	100%	0.447	2019-04-17	td1a/integrale_rectangle.ipynb	1A.1 - Intégrale et la méthode des rectangles	True	3.075	6	6	6
77	100%	3.468	2019-04-17	td1a/integrale_rectangle_correction.ipynb	1A.1 - Intégrale et la méthode des rectangles - correction	True	6.154	30	30	30
78	100%	0.638	2019-04-17	td1a/j2048.ipynb	1A.2 - 2048 - stratégie gagnante	True	3.067	3	3	3
79	100%	1.097	2019-04-17	td1a/j2048_correction.ipynb	1A.2 - 2048 - stratégie gagnante - correction	True	4.068	11	11	11
80	0%	nan		td1a/matrix_dictionary.ipynb	Produit matriciel avec une matrice creuse		nan	36	0
81	100%	0.296	2019-04-17	td1a/pp_exo_deviner_un_nombre.ipynb	1A.1 - Deviner un nombre aléatoire	True	3.081	5	5	5
82	100%	0.630	2019-04-17	td1a/pp_exo_deviner_un_nombre_correction.ipynb	1A.1 - Deviner un nombre aléatoire (correction)	True	3.527	7	7	7
83	75%	1.119	2019-04-17	td1a/td1a_cenonce_session1.ipynb	1A.0 - Premiers pas en Python	True	3.435	16	12	12
84	100%	2.758	2019-04-17	td1a/td1a_cenonce_session2.ipynb	1A.1 - Variables, boucles, tests	True	5.082	30	30	30
85	100%	1.700	2019-04-17	td1a/td1a_cenonce_session3.ipynb	1A.1 - Dictionnaires, fonctions, code de Vigenère	True	4.507	26	26	26
86	100%	8.637	2019-04-17	td1a/td1a_cenonce_session4.ipynb	1A.2 - Modules, fichiers, expressions régulières	True	11.126	20	20	20
87	100%	1.500	2019-04-17	td1a/td1a_cenonce_session5.ipynb	1A.2 - Classes, méthodes, attributs, opérateurs et carré magique	True	4.063	17	17	17
88	100%	0.830	2019-04-17	td1a/td1a_cenonce_session6.ipynb	1A.2 - Classes, héritage	True	4.268	11	11	11
89	100%	1.183	2019-04-17	td1a/td1a_correction_session1.ipynb	1A.0 - Premiers pas en Python (correction)	True	4.058	13	13	13
90	100%	0.798	2019-04-17	td1a/td1a_correction_session2.ipynb	1A.1 - Variables, boucles, tests (correction)	True	3.117	8	8	8
91	100%	0.857	2019-04-17	td1a/td1a_correction_session3.ipynb	1A.1 - Dictionnaires, fonctions, code de Vigenère (correction)	True	3.294	9	9	9
92	100%	3.357	2019-04-17	td1a/td1a_correction_session4.ipynb	1A.2 - Modules, fichiers, expressions régulières (correction)	True	6.096	20	20	20
93	100%	11.490	2019-04-17	td1a/td1a_correction_session5.ipynb	1A.2 - Classes, méthodes, attributs, opérateurs et carré magique (correction)	True	14.112	12	12	12
94	100%	0.515	2019-04-17	td1a/td1a_correction_session6.ipynb	1A.2 - Classes, héritage (correction)	True	3.494	5	5	5
95	100%	0.869	2019-04-17	td1a/td1a_pyramide_bigarree.ipynb	1A.1 - Tracer une pyramide bigarrée	True	4.456	5	5	5
96	100%	2.307	2019-04-17	td1a/td1a_pyramide_bigarree_correction.ipynb	1A.1 - Tracer une pyramide bigarrée - correction	True	5.113	11	11	11
97	100%	1.143	2019-04-17	td1a/texte_langue.ipynb	1A.2 - Deviner la langue d’un texte	True	4.757	6	6	6
98	100%	5.970	2019-04-17	td1a/texte_langue_correction.ipynb	1A.2 - Deviner la langue d’un texte (correction)	True	8.104	23	23	23
99	100%	0.312	2019-04-17	td1a_algo/BJKST_enonce.ipynb	1A.algo - BJKST - calculer le nombre d’éléments distincts	True	3.054	4	4	4
100	100%	1.984	2019-04-17	td1a_algo/graph1exo_parcours.ipynb	1A.algo - Parcours de graphe	True	4.062	8	8	8
101	100%	1.201	2019-04-17	td1a_algo/graph1exo_parcours_correction.ipynb	1A.algo - Parcours de graphe - correction	True	4.051	9	9	9
102	100%	0.611	2019-04-17	td1a_algo/graph4exos.ipynb	1A.algo - Des problèmes de graphes	True	3.070	6	6	6
103	100%	0.730	2019-04-17	td1a_algo/graph_spectral_clustering.ipynb	1A.algo - Spectral Clustering	True	3.056	6	6	6
104	100%	1.273	2019-04-17	td1a_algo/graph_spectral_clustering_correction.ipynb	1A.algo - Spectral Clustering - correction	True	4.085	11	11	11
105	100%	0.109	2019-04-17	td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb	1A.algo - distance de Jaccard (dictionnaires)	True	3.511	4	4	4
106	100%	3.366	2019-04-17	td1a_algo/td1a_cenonce_session7.ipynb	1A.algo - Programmation dynamique et plus court chemin	True	6.107	17	17	17
107	100%	0.457	2019-04-17	td1a_algo/td1a_cenonce_session7_edition.ipynb	1A.algo - La distance d’édition	True	3.448	8	8	8
108	100%	0.465	2019-04-17	td1a_algo/td1a_cenonce_session8.ipynb	1A.algo - Arbre et Trie	True	3.059	10	10	10
109	100%	0.128	2019-04-17	td1a_algo/td1a_cenonce_session8_wikiroot.ipynb	1A.algo - Parcours dans un graphe (wikipédia)	True	3.358	4	4	4
110	100%	0.551	2019-04-17	td1a_algo/td1a_cenonce_session9.ipynb	1A.algo - Optimisation sous contrainte	True	3.045	6	6	6
111	100%	4.746	2019-04-17	td1a_algo/td1a_correction_session4_5_jaccard.ipynb	1A.algo - distance de Jaccard (dictionnaires) - correction	True	7.107	17	17	17
112	100%	5.134	2019-04-17	td1a_algo/td1a_correction_session7.ipynb	1A.algo - Programmation dynamique et plus court chemin (correction)	True	8.545	15	15	15
113	100%	1.873	2019-04-17	td1a_algo/td1a_correction_session7_edition.ipynb	1A.algo - La distance d’édition (correction)	True	4.064	20	20	20
114	100%	66.690	2019-04-10	td1a_algo/td1a_correction_session8.ipynb	1A.algo - Arbre et Trie (correction)	True	69.275	20	20	20
115	100%	2.756	2019-04-17	td1a_algo/td1a_correction_session8_wikiroot.ipynb	1A.algo - Parcours dans un graphe (wikipédia) - correction	True	5.087	5	5	5
116	100%	0.920	2019-04-17	td1a_algo/td1a_correction_session9.ipynb	1A.algo - Optimisation sous contrainte (correction)	True	3.134	7	7	7
117	100%	0.000	2019-04-17	td1a_algo/td1a_plus_grande_somme.ipynb	1A.algo - la sous-séquence de plus grande somme	True	3.089	1	1	1
118	100%	143.670	2019-04-17	td1a_algo/td1a_plus_grande_somme_correction.ipynb	1A.algo - la sous-séquence de plus grande somme - correction	True	146.657	10	10	10
119	87%	1.787	2019-04-17	td1a_algo/td1a_quicksort.ipynb	1A.algo - Quicksort	True	4.197	8	7	7
120	100%	4.453	2019-04-17	td1a_algo/td1a_quicksort_correction.ipynb	1A.algo - quicksort - correction	True	8.258	10	10	10
121	100%	1.004	2019-04-17	td1a_algo/td1a_sobel.ipynb	1A.algo - filtre de Sobel	True	3.100	6	6	6
122	100%	6.901	2019-04-17	td1a_algo/td1a_sobel_correction.ipynb	1A.algo - filtre de Sobel - correction	True	11.453	8	8	8
123	100%	0.117	2019-04-17	td1a_dfnp/decorrelation.ipynb	1A.data - Décorrélation de variables aléatoires	True	3.849	7	7	7
124	100%	1.385	2019-04-17	td1a_dfnp/decorrelation_correction.ipynb	1A.data - Décorrélation de variables aléatoires - correction	True	4.096	15	15	15
125	100%	6.437	2019-04-17	td1a_dfnp/td1a_cenonce_session_10.ipynb	1A.data - DataFrame et Matrice	True	9.079	51	51	51
126	100%	12.493	2019-04-10	td1a_dfnp/td1a_cenonce_session_12_carte.ipynb	1A.data - Visualisation des données - cartes	True	15.069	23	23	23
127	100%	7.195	2019-04-10	td1a_dfnp/td1a_cenonce_session_12_js.ipynb	1A.data - Visualisation des données - graphes interactifs	True	9.129	9	9	9
128	87%	18.062	2019-04-10	td1a_dfnp/td1a_cenonce_session_12_plot.ipynb	1A.data - Visualisation des données	True	20.128	16	14	14
129	100%	2.587	2019-04-10	td1a_dfnp/td1a_correction_session_10.ipynb	1A.data - DataFrame et Matrice (correction)	True	5.176	18	18	18
130	100%	36.325	2019-04-10	td1a_dfnp/td1a_correction_session_12.ipynb	1A.data - visualisation des données - correction	True	39.109	14	14	14
131	100%	4.822	2019-04-17	td1a_soft/td1a_cython_edit.ipynb	1A.soft - Calcul numérique et Cython	True	7.113	15	15	15
132	100%	4.597	2019-04-17	td1a_soft/td1a_cython_edit_correction.ipynb	1A.soft - Calcul numérique et Cython - correction	True	8.791	8	8	8
133	100%	76.706	2019-04-17	td1a_soft/td1a_sql.ipynb	1A.soft - Notions de SQL	True	79.223	34	34	34
134	100%	68.217	2019-04-17	td1a_soft/td1a_sql_correction.ipynb	1A.soft - Notions de SQL - correction	True	71.218	15	15	15
135	100%	6.739	2019-04-17	td1a_soft/td1a_unit_test_ci.ipynb	1A.soft - Tests unitaires, setup et ingéniérie logicielle	True	10.143	14	14	14
136	100%	1.805	2019-04-17	td2a/ml_crypted_data.ipynb	2A.ml - Machine Learning et données cryptées	True	5.103	9	9	9
137	100%	11.034	2019-04-17	td2a/ml_crypted_data_correction.ipynb	2A.ml - Machine Learning et données cryptées - correction	True	13.107	38	38	38
138	100%	1.715	2019-04-17	td2a/pandas_iterator.ipynb	2A.data - Pandas et itérateurs	True	4.072	8	8	8
139	100%	3.384	2019-04-17	td2a/pandas_iterator_correction.ipynb	2A.data - Pandas et itérateurs - correction	True	6.560	19	19	19
140	100%	0.102	2019-04-17	td2a/td2a_bigdata_memory.ipynb	2A.i - Stratégies et grandes matrices en mémoire	True	3.380	8	8	8
141	96%	23.946	2019-04-10	td2a/td2a_cenonce_session_1.ipynb	2A.data - DataFrame et Graphes	True	26.355	75	72	72
142	100%	7.437	2019-04-17	td2a/td2a_cenonce_session_2A.ipynb	2A.data - Calcul Matriciel, Optimisation	True	10.119	71	71	71
143	100%	0.396	2019-04-17	td2a/td2a_cenonce_session_2C.ipynb	2A.soft - Jupyter et commandes magiques	True	3.088	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%	0.963	2019-04-17	td2a/td2a_cenonce_session_2E.ipynb	2A.i - Sérialisation	True	3.122	8	8	8
147	100%	2.137	2019-04-10	td2a/td2a_cenonce_session_5.ipynb	2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien	True	4.046	20	20	20
148	100%	18.024	2019-04-10	td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb	2A.i - Données non structurées et programmation fonctionnelle	True	21.072	30	30	30
149	96%	27.416	2019-04-10	td2a/td2a_correction_session_1.ipynb	2A.data - DataFrame et Graphes - correction	True	30.113	27	26	26
150	100%	2.648	2019-04-10	td2a/td2a_correction_session_2A.ipynb	2A.data - Calcul Matriciel, Optimisation - correction	True	5.102	13	13	13
151	100%	0.968	2019-04-10	td2a/td2a_correction_session_2C.ipynb	2A.soft - IPython et commandes magiques - correction	True	3.083	6	6	6
152	100%	22.773	2019-04-10	td2a/td2a_correction_session_2E.ipynb	2A.i - Sérialisation - correction	True	25.269	22	22	22
153	100%	0.542	2019-04-10	td2a/td2a_correction_session_5.ipynb	2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien - correction	True	3.085	3	3	3
154	100%	26.413	2019-04-10	td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb	2A.i - Données non structurées, programmation fonctionnelle - correction	True	29.143	33	33	33
155	100%	4.345	2019-04-10	td2a/td2a_ml_text_features.ipynb	2A.ml - Classification binaire avec features textuelles	True	6.094	18	18	18
156	100%	14.431	2019-04-10	td2a/td2a_ml_text_features_correction.ipynb	2A.ml - Classification binaire avec features textuelles - correction	True	17.117	23	23	23
157	100%	12.759	2019-04-17	td2a/td2a_progressbar.ipynb	2A.i - ProgressBar et fusion de random forest - énoncé	True	16.088	6	6	6
158	100%	15.391	2019-04-17	td2a/td2a_some_nlp.ipynb	2A.ml - Texte et machine learning	True	18.132	29	29	29
159	90%	57.118	2019-04-17	td2a/td2a_visualisation.ipynb	2A.data - Matplotlib	True	59.939	42	38	38
160	100%	0.115	2019-04-17	td2a_algo/gentry_integer_encryption.ipynb	Cryptage homomorphic de Craig Gentry	True	3.061	6	6	6
161	100%	0.127	2019-04-17	td2a_algo/gentry_integer_encryption_correction.ipynb	Cryptage homomorphic de Craig Gentry - correction	True	3.080	6	6	6
162	100%	10.316	2019-04-17	td2a_algo/knn_high_dimension.ipynb	2A.algo - Plus proches voisins en grande dimension	True	13.097	8	8	8
163	100%	58.735	2019-04-17	td2a_algo/knn_high_dimension_correction.ipynb	2A.algo - Plus proches voisins en grande dimension - correction	True	61.154	20	20	20
164	100%	0.152	2019-04-17	td2a_algo/td2a_cenonce_session_6A.ipynb	2A.algo - Puzzles algorithmiques (1)	True	3.072	6	6	6
165	100%	0.106	2019-04-17	td2a_algo/td2a_cenonce_session_6B.ipynb	2A.algo - Puzzles algorithmiques (2)	True	3.072	5	5	5
166	100%	0.489	2019-04-17	td2a_algo/td2a_correction_session_6A.ipynb	2A.algo - Puzzles algorithmes (1) - correction	True	3.070	6	6	6
167	100%	0.109	2019-04-17	td2a_algo/td2a_correction_session_6B.ipynb	2A.algo - Puzzles algorithmes (2) - correction	True	3.093	6	6	6
168	100%	32.831	2019-04-10	td2a_eco/TD2A_Eco_Web_Scraping.ipynb	2A.eco - Web-Scraping	True	36.288	29	29	29
169	100%	12.614	2019-04-10	td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb	2A.eco - Web-Scraping - correction	True	15.078	6	6	6
170	100%	1.075	2019-04-10	td2a_eco/TD2A_eco_API_SNCF.ipynb	2A.eco - Exercice API SNCF	True	3.065	8	8	8
171	100%	73.226	2019-04-10	td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb	2A.eco - Exercice API SNCF corrigé	True	77.364	35	35	35
172	100%	1.735	2019-04-17	td2a_eco/TD2A_eco_debuter_flask.ipynb	2A.eco - Débuter avec Flask	True	4.134	14	14	14
173	100%	6.151	2019-04-17	td2a_eco/TD2A_eco_les_API.ipynb	2A.eco - API, API REST	True	9.094	14	14	14
174	100%	3.304	2019-04-17	td2a_eco/td2_eco_rappels_1a.ipynb	2A.eco - Rappel de ce que vous savez déjà mais avez peut-être oublié	True	6.072	29	29	29
175	100%	9.057	2019-04-17	td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb	2A.eco - Traitement automatique de la langue en Python	True	12.099	30	30	30
176	100%	11.629	2019-04-17	td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb	2A.eco - Traitement automatique de la langue en Python - correction	True	14.178	35	35	35
177	100%	0.000	2019-04-17	td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb	2A.eco - Exercice Python - Eco Séance 2	True	2.151	1	1	1
178	100%	0.737	2019-04-17	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	3.086	3	3	3
179	100%	2.005	2019-04-17	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	5.086	10	10	10
180	100%	4.453	2019-04-17	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	7.114	16	16	16
181	100%	4.323	2019-04-17	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	7.108	14	14	14
182	100%	10.304	2019-04-17	td2a_eco/td2a_eco_regressions_lineaires.ipynb	Régressions linéaires avec Statsmodels et Scikit-Learn	True	13.108	12	12	12
183	100%	2.971	2019-04-17	td2a_eco/td2a_eco_sql.ipynb	2A.eco - Python et la logique SQL	True	5.146	26	26	26
184	100%	4.047	2019-04-17	td2a_eco/td2a_eco_sql_correction.ipynb	2A.eco - Python et la logique SQL - correction	True	7.064	36	36	36
185	0%	nan		td2a_eco2/td2A_eco_API_pocket_et_Webscraping_correction.ipynb	2A.eco - Web Scrapping et API avec Pocket - correction		nan	123	0
186	0%	nan		td2a_eco2/td2a_NLP_pocket.ipynb	NLP, Scrapping avec Pocket		nan	65	0
187	0%	nan		td2a_eco2/td2a_NLP_pocket_correction.ipynb	NLP, Scrapping avec Pocket - correction		nan	108	0
188	0%	nan		td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb	TD7 - Analyse de texte		nan	61	0
189	0%	nan		td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb	TD7 - Analyse de texte - correction		nan	61	0
190	0%	nan		td2a_eco2/td2a_eco_5d_Travailler_du_texte_les_expressions_regulieres.ipynb	2A.eco - Les expressions régulières : à quoi ça sert ?		nan	26	0
191	0%	nan		td2a_eco2/td2a_eco_5d_Travailler_du_texte_les_expressions_regulieres_correction.ipynb	2A.eco - Les expressions régulières : à quoi ça sert ? (correction)		nan	27	0
192	0%	nan		td2a_eco2/td2a_eco_API_pocket_et_Webscraping.ipynb	2A.eco - Web Scrapping et API avec Pocket		nan	94	0
193	0%	nan		td2a_eco2/td2a_eco_NLP_tf_idf_ngrams_LDA_word2vec_sur_des_extraits_litteraires.ipynb	2A.eco - Introduction au text mining		nan	109	0
194	100%	107.760	2019-04-10	td2a_ml/ml_a_tree_overfitting.ipynb	2A.ml - Tree, hyperparamètres, overfitting	True	110.709	27	27	27
195	100%	65.680	2019-04-17	td2a_ml/ml_b_imbalanced.ipynb	2A.ml - Imbalanced dataset	True	68.147	20	20	20
196	100%	8.458	2019-04-17	td2a_ml/ml_c_machine_learning_problems.ipynb	2A.ml - Problèmes classiques de machine learning illustrés	True	11.112	41	41	41
197	100%	0.329	2019-04-17	td2a_ml/ml_cc_machine_learning_problems2.ipynb	2A.ml - Boosting, random forest, gradient - les features qu’ils aiment	True	3.074	4	4	4
198	100%	5.468	2019-04-17	td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb	2A.ml - Interprétabilité et corrélations des variables	True	8.080	26	26	26
199	100%	15.033	2019-04-17	td2a_ml/ml_d_libraries.ipynb	2A.ml - Librairies de machine learning	True	18.075	21	21	21
200	0%	nan		td2a_ml/ml_d_library_h2o.ipynb	2A.ml - Machine Learning avec H2O et Python		nan	18	0
201	100%	0.766	2019-04-17	td2a_ml/ml_scikit_learn_simple.ipynb	Rappels sur scikit-learn et le machine learning	True	3.096	12	12	12
202	100%	6.001	2019-04-17	td2a_ml/ml_scikit_learn_simple_correction.ipynb	Rappels sur scikit-learn et le machine learning (correction)	True	8.121	21	21	21
203	100%	230.177	2019-04-10	td2a_ml/td2a_cenonce_session_3A.ipynb	2A.ml - Statistiques descriptives avec scikit-learn	True	233.745	21	21	21
204	100%	46.830	2019-04-10	td2a_ml/td2a_cenonce_session_3B.ipynb	2A.ml - Arbres de décision / Random Forest	True	50.375	16	16	16
205	100%	1.320	2019-04-17	td2a_ml/td2a_cenonce_session_4A.ipynb	2A.ml - Machine Learning et Marketting	True	4.433	9	9	9
206	100%	2.390	2019-04-17	td2a_ml/td2a_clustering.ipynb	2A.ml - Clustering	True	5.377	6	6	6
207	100%	44.486	2019-04-17	td2a_ml/td2a_clustering_correction.ipynb	2A.ml - Clustering - correction	True	47.193	25	25	25
208	100%	321.975	2019-04-10	td2a_ml/td2a_correction_session_3A.ipynb	2A.ml - Statistiques descriptives avec scikit-learn - correction	True	324.648	23	23	23
209	100%	135.100	2019-04-10	td2a_ml/td2a_correction_session_3B.ipynb	2A.ml - Arbres de décision / Random Forest - correction	True	137.599	26	26	26
210	100%	12.332	2019-04-17	td2a_ml/td2a_correction_session_4A.ipynb	2A.ml - Machine Learning et Marketting - correction	True	15.714	26	26	26
211	81%	3.864	2019-04-17	td2a_ml/td2a_ethics.ipynb	Machine Learning éthique	True	6.220	16	13	13
212	100%	0.097	2019-04-17	td2a_ml/td2a_ethics_correction.ipynb	Machine Learning éthique - correction	True	2.078	2	2	2
213	100%	1.015	2019-04-17	td2a_ml/td2a_sentiment_analysis.ipynb	2A.ml - Analyse de sentiments	True	3.090	6	6	6
214	100%	219.749	2019-04-17	td2a_ml/td2a_sentiment_analysis_correction.ipynb	2A.ml - Analyse de sentiments - correction	True	222.314	44	44	44
215	100%	2.381	2019-04-17	td2a_ml/td2a_timeseries.ipynb	2A.ml - Séries temporelles	True	5.078	15	15	15
216	100%	8.656	2019-04-17	td2a_ml/td2a_timeseries_correction.ipynb	2A.ml - Séries temporelles - correction	True	11.095	16	16	16