Notebooks Coverage

Report on last executions.

76% 2019-04-17

_images/nbcov-2019-04-17.png

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

_images/nbcov.png