Notebooks Coverage

Report on last executions.

83% 2022-12-02

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