Notebooks Coverage

Report on last executions.

91% 2020-09-30

_images/nbcov-2020-09-30.png

index

coverage

exe time

last execution

name

title

success

time

nb cells

nb runs

nb valid

0

100%

8.374

2020-09-30

1a/code_liste_tuple.ipynb

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

True

9.651

4

4

4

1

100%

2.314

2020-09-30

1a/code_multinomial.ipynb

1A.1 - Simuler une loi multinomiale

True

3.609

12

12

12

2

100%

2.721

2020-09-30

1a/coloriage_carre.ipynb

Jeux de coloriage

True

4.035

23

23

23

3

100%

0.414

2020-09-30

1a/exercice_echelle.ipynb

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

True

1.686

6

6

6

4

100%

1.302

2020-09-30

1a/exercice_morse.ipynb

1A.algo - Décoder du Morse sans espaces

True

2.615

16

16

16

5

100%

1.575

2020-09-30

1a/exercice_plus_grande_somme.ipynb

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

True

2.850

15

15

15

6

100%

0.271

2020-09-30

1a/exercice_xn.ipynb

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

True

1.585

4

4

4

7

100%

0.823

2020-09-30

1a/histogramme_rapide.ipynb

1A.1 - Histogramme et dictionnaire

True

2.072

8

8

8

8

100%

18.001

2020-09-30

1a/nbheap.ipynb

Heap

True

19.265

15

15

15

9

100%

2.903

2020-09-30

1a/profiling_example.ipynb

1A.soft - Exemple de profiling

True

4.421

11

11

11

10

100%

0.667

2020-09-30

1a/recherche_dichotomique.ipynb

1A.algo - Recherche dichotomique

True

1.968

9

9

9

11

100%

2.765

2020-09-30

1a/structures_donnees_conversion.ipynb

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

True

4.034

29

29

29

12

100%

0.770

2020-09-30

1a/tableau_contingence.ipynb

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

True

2.039

8

8

8

13

100%

18.576

2020-09-30

1a/tri_nlnd.ipynb

1A.algo - Tri plus rapide que prévu

True

19.910

17

17

17

14

0%

nan

2014-2015/2015_factorisation_matrice.ipynb

3A.mr - 2015 - Factorisation de matrice avec PIG

nan

34

0

15

0%

nan

2014-2015/2015_kmeans.ipynb

3A.mr - 2015 - Kmeans avec PIG

nan

104

0

16

0%

nan

2014-2015/2015_page_rank.ipynb

3A.mr - 2015 - PageRank avec PIG

nan

51

0

17

100%

72.780

2020-09-30

2016-2017/solution_2016_credit_clement.ipynb

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

True

74.373

28

28

28

18

100%

5.058

2020-09-30

2016/td2a_eco_competition_comparer_classifieurs.ipynb

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

True

5.928

16

16

16

19

100%

5.652

2020-09-30

2016/td2a_eco_competition_modeles_logistiques.ipynb

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

True

6.558

26

26

26

20

100%

80.600

2020-09-30

2016/td2a_eco_competition_statsdesc.ipynb

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

True

81.963

22

22

22

21

100%

4.624

2020-09-30

2017-2018/dimensions_reduction.ipynb

Réduction des dimensions

True

6.100

20

20

20

22

100%

5.735

2020-09-30

2017/prepare_data_2017.ipynb

2A.ml - 2017 - Préparation des données

True

7.064

43

43

43

23

89%

1.910

2020-09-30

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

2018-09-18 - Rappels sur le langage python

True

3.243

28

25

25

24

100%

3.506

2020-09-30

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

2018-09-18 - Rappels sur pandas et maplotlib

True

6.862

29

29

29

25

100%

2.784

2020-09-30

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

2018-09-18 - API de scikit-learn

True

4.179

21

21

21

26

100%

1.223

2020-09-30

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

2018-09-25 - Distance entre mots

True

2.626

11

11

11

27

100%

5.473

2020-09-30

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

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

True

6.795

20

20

20

28

100%

41.660

2020-09-30

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

2018-10-09 Ensemble, Gradient, Boosting…

True

43.004

18

18

18

29

100%

4.106

2020-09-30

2a/bayesian_with_python.ipynb

2A.ml - Bayesian models with Python

True

5.996

19

19

19

30

100%

110.537

2020-09-30

2a/cffi_linear_regression.ipynb

Optimisation de code avec cffi, numba, cython

True

111.859

92

92

92

31

100%

1.657

2020-09-30

2a/dataframe_matrix_speed.ipynb

2A.i - Mesures de vitesse sur les dataframes

True

2.963

15

15

15

32

100%

7.540

2020-09-30

2a/git_notebook.ipynb

2A.soft - Git depuis le notebook

True

8.981

23

23

23

33

100%

0.778

2020-09-30

2a/jupyter_custom_magics.ipynb

2A.soft - Custom Magics for Jupyter

True

2.320

5

5

5

34

100%

5.754

2020-09-30

2a/ml_timeseries_base.ipynb

2A.ml - Timeseries et machine learning

True

7.035

28

28

28

35

100%

1.343

2020-09-30

2a/notebook_convert.ipynb

2A.soft - Convert a notebook into a document

True

2.663

8

8

8

36

100%

81.722

2020-09-30

2a/seance_5_dask.ipynb

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

True

83.046

16

16

16

37

100%

56.577

2020-09-30

2a/seance_5_intro_et_json.ipynb

2A.i - Données non structurées, programmation fonctionnelle

True

57.798

20

20

20

38

100%

94.777

2020-09-30

2a/seance_5_prog_fonctionnelle.ipynb

2A.i - programmation fonctionnelle

True

96.130

44

44

44

39

100%

11.526

2020-09-30

2a/timeseries_ssa.ipynb

Single Spectrum Analysis (SSA)

True

12.880

27

27

27

40

100%

992.564

2020-09-30

data/data_irep.ipynb

IREP: registre des émissions polluantes

True

994.021

21

21

21

41

100%

4.522

2020-09-30

data/deal_flow_espace_vert.ipynb

Deal flow espaces verts 2018 - 2019

True

5.772

14

14

14

42

100%

0.819

2020-09-30

exams/interro_rapide_20_minutes_2014_09.ipynb

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

True

2.090

12

12

12

43

100%

1.488

2020-09-30

exams/interro_rapide_20_minutes_2014_10.ipynb

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

True

2.772

17

17

17

44

82%

3.351

2020-09-30

exams/interro_rapide_20_minutes_2014_11.ipynb

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

True

4.775

35

29

29

45

100%

1.085

2020-09-30

exams/interro_rapide_20_minutes_2014_12.ipynb

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

True

2.466

15

15

15

46

100%

0.536

2020-09-30

exams/interro_rapide_20_minutes_2015_09.ipynb

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

True

1.802

12

12

12

47

100%

0.847

2020-09-30

exams/interro_rapide_20_minutes_2015_11.ipynb

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

True

2.159

16

16

16

48

100%

6.756

2020-09-30

exams/td_note_2013_bout_de_code_coloriage.ipynb

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

True

7.991

6

6

6

49

100%

15.216

2020-09-30

exams/td_note_2013_coloriage_correction.ipynb

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

True

16.588

14

14

14

50

100%

2.763

2020-09-30

exams/td_note_2015.ipynb

1A.e - TD noté, 5 décembre 2014

True

4.107

36

36

36

51

100%

0.161

2020-09-30

exams/td_note_2015_rattrapage_enonce.ipynb

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

True

1.510

6

6

6

52

100%

2.895

2020-09-30

exams/td_note_2016.ipynb

1A.e - TD noté, 11 décembre 2015

True

4.216

26

26

26

53

100%

1.913

2020-09-30

exams/td_note_2017.ipynb

1A.e - TD noté, 16 décembre 2016

True

3.242

23

23

23

54

100%

1.586

2020-09-30

exams/td_note_2017_2.ipynb

1A.e - TD noté, 21 février 2017

True

2.879

21

21

21

55

100%

4.353

2020-09-30

exams/td_note_2018_1.ipynb

1A.e - Enoncé 12 décembre 2017 (1)

True

5.645

25

25

25

56

100%

3.541

2020-09-30

exams/td_note_2018_2.ipynb

1A.e - Enoncé 12 décembre 2017 (2)

True

5.002

21

21

21

57

100%

19.066

2020-09-30

exams/td_note_2019_1.ipynb

1A.e - Enoncé 23 octobre 2018 (1)

True

20.341

17

17

17

58

100%

8.386

2020-09-30

exams/td_note_2019_2.ipynb

1A.e - Enoncé 23 octobre 2018 (2)

True

9.715

18

18

18

59

100%

4.157

2020-09-30

exams/td_note_2020_1.ipynb

1A.e - Enoncé 22 octobre 2019 (1)

True

5.564

29

29

29

60

100%

3.508

2020-09-30

exams/td_note_2020_2.ipynb

1A.e - Enoncé 22 octobre 2019 (2)

True

4.884

28

28

28

61

100%

19.233

2020-09-30

expose/BJKST.ipynb

2A.algo - Algorithmes de streaming : généralités

True

20.555

39

39

39

62

100%

4.794

2020-09-30

expose/expose_TSP.ipynb

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

True

7.160

11

11

11

63

100%

1.325

2020-09-30

expose/expose_einstein_riddle.ipynb

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

True

2.605

4

4

4

64

100%

3.860

2020-09-30

expose/expose_graphe_et_map_reduce.ipynb

3A.mr - Graphes et Map Reduce

True

5.359

11

11

11

65

100%

0.663

2020-09-30

expose/expose_rwr_recommandation.ipynb

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

True

2.125

4

4

4

66

100%

2.072

2020-09-30

expose/expose_vigenere.ipynb

1A.algo - Casser le code de Vigenère

True

3.015

9

9

9

67

100%

16.865

2020-09-30

expose/hash_distribution.ipynb

2A.algo - Hash et distribution

True

18.342

14

14

14

68

100%

13.830

2020-09-30

expose/ml_features_model.ipynb

2A.ml - Features ou modèle

True

15.405

15

15

15

69

100%

7.898

2020-09-16

expose/ml_huge_datasets.ipynb

2A.i - Huge datasets, datasets hiérarchiques

True

8.917

21

21

21

70

100%

639.367

2020-09-30

expose/ml_rue_paris_parcours.ipynb

2A.algo - Parcourir les rues de Paris

True

641.112

24

24

24

71

100%

176.303

2020-09-30

expose/ml_table_mortalite.ipynb

2A.i - Table de mortalité dans plusieurs containers

True

178.027

35

35

35

72

100%

1.860

2020-09-30

sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb

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

True

3.226

13

13

13

73

100%

2.315

2020-09-30

sklearn_ensae_course/01_data_manipulation.ipynb

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

True

3.570

18

18

18

74

100%

2.955

2020-09-30

sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb

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

True

4.180

15

15

15

75

100%

6.444

2020-09-30

sklearn_ensae_course/03_supervised_classification.ipynb

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

True

7.798

12

12

12

76

100%

3.404

2020-09-30

sklearn_ensae_course/04_supervised_regression.ipynb

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

True

4.713

12

12

12

77

100%

6.740

2020-09-30

sklearn_ensae_course/05_measuring_prediction_performance.ipynb

2A.ML101.5: Measuring prediction performance

True

8.151

23

23

23

78

100%

6.712

2020-09-30

sklearn_ensae_course/06_unsupervised_dimreduction.ipynb

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

True

8.012

18

18

18

79

100%

5.724

2020-09-30

sklearn_ensae_course/07_application_to_face_recognition.ipynb

2A.ML101.7: Example from Image Processing

True

7.031

19

19

19

80

100%

3.480

2020-09-30

sklearn_ensae_course/08_validation_and_learning_curves.ipynb

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

True

4.736

15

15

15

81

100%

0.338

2020-09-30

td1a/integrale_rectangle.ipynb

1A.1 - Intégrale et la méthode des rectangles

True

1.606

6

6

6

82

100%

2.742

2020-09-30

td1a/integrale_rectangle_correction.ipynb

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

True

3.998

30

30

30

83

100%

1.042

2020-09-30

td1a/j2048.ipynb

1A.2 - 2048 - stratégie gagnante

True

2.434

3

3

3

84

100%

0.820

2020-09-30

td1a/j2048_correction.ipynb

1A.2 - 2048 - stratégie gagnante - correction

True

2.117

11

11

11

85

100%

18.195

2020-09-30

td1a/matrix_dictionary.ipynb

Produit matriciel avec une matrice creuse

True

19.674

20

20

20

86

100%

0.242

2020-09-30

td1a/pp_exo_deviner_un_nombre.ipynb

1A.1 - Deviner un nombre aléatoire

True

1.527

5

5

5

87

100%

0.498

2020-09-30

td1a/pp_exo_deviner_un_nombre_correction.ipynb

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

True

1.775

7

7

7

88

75%

0.986

2020-09-30

td1a/td1a_cenonce_session1.ipynb

1A.0 - Premiers pas en Python

True

2.565

16

12

12

89

100%

2.373

2020-09-30

td1a/td1a_cenonce_session2.ipynb

1A.1 - Variables, boucles, tests

True

3.694

30

30

30

90

100%

1.457

2020-09-30

td1a/td1a_cenonce_session3.ipynb

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

True

2.936

26

26

26

91

100%

1.977

2020-09-30

td1a/td1a_cenonce_session4.ipynb

1A.2 - Modules, fichiers, expressions régulières

True

3.615

20

20

20

92

100%

1.145

2020-09-30

td1a/td1a_cenonce_session5.ipynb

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

True

2.427

17

17

17

93

100%

0.645

2020-09-30

td1a/td1a_cenonce_session6.ipynb

1A.2 - Classes, héritage

True

1.898

11

11

11

94

100%

0.944

2020-09-30

td1a/td1a_correction_session1.ipynb

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

True

2.252

13

13

13

95

100%

0.573

2020-09-30

td1a/td1a_correction_session2.ipynb

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

True

1.886

8

8

8

96

100%

0.635

2020-09-30

td1a/td1a_correction_session3.ipynb

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

True

1.932

9

9

9

97

100%

2.221

2020-09-30

td1a/td1a_correction_session4.ipynb

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

True

3.587

20

20

20

98

100%

9.862

2020-09-30

td1a/td1a_correction_session5.ipynb

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

True

11.192

12

12

12

99

100%

0.422

2020-09-30

td1a/td1a_correction_session6.ipynb

1A.2 - Classes, héritage (correction)

True

2.140

5

5

5

100

100%

0.929

2020-09-30

td1a/td1a_pyramide_bigarree.ipynb

1A.1 - Tracer une pyramide bigarrée

True

2.580

5

5

5

101

100%

1.387

2020-09-30

td1a/td1a_pyramide_bigarree_correction.ipynb

1A.1 - Tracer une pyramide bigarrée - correction

True

2.769

11

11

11

102

100%

0.692

2020-09-30

td1a/texte_langue.ipynb

1A.2 - Deviner la langue d’un texte

True

2.112

6

6

6

103

100%

4.366

2020-09-30

td1a/texte_langue_correction.ipynb

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

True

5.684

23

23

23

104

100%

0.222

2020-09-30

td1a_algo/BJKST_enonce.ipynb

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

True

1.632

4

4

4

105

100%

1.424

2020-09-30

td1a_algo/graph1exo_parcours.ipynb

1A.algo - Parcours de graphe

True

2.940

8

8

8

106

100%

1.021

2020-09-30

td1a_algo/graph1exo_parcours_correction.ipynb

1A.algo - Parcours de graphe - correction

True

2.354

9

9

9

107

100%

0.485

2020-09-30

td1a_algo/graph4exos.ipynb

1A.algo - Des problèmes de graphes

True

3.680

6

6

6

108

100%

0.678

2020-09-30

td1a_algo/graph_spectral_clustering.ipynb

1A.algo - Spectral Clustering

True

2.348

6

6

6

109

100%

1.107

2020-09-30

td1a_algo/graph_spectral_clustering_correction.ipynb

1A.algo - Spectral Clustering - correction

True

2.397

11

11

11

110

100%

0.110

2020-09-30

td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb

1A.algo - distance de Jaccard (dictionnaires)

True

1.586

4

4

4

111

100%

3.283

2020-09-30

td1a_algo/td1a_cenonce_session7.ipynb

1A.algo - Programmation dynamique et plus court chemin

True

4.616

17

17

17

112

100%

0.331

2020-09-30

td1a_algo/td1a_cenonce_session7_edition.ipynb

1A.algo - La distance d’édition

True

1.861

8

8

8

113

100%

0.411

2020-09-30

td1a_algo/td1a_cenonce_session8.ipynb

1A.algo - Arbre et Trie

True

1.856

10

10

10

114

100%

0.109

2020-09-30

td1a_algo/td1a_cenonce_session8_wikiroot.ipynb

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

True

1.525

4

4

4

115

100%

0.745

2020-09-30

td1a_algo/td1a_cenonce_session9.ipynb

1A.algo - Optimisation sous contrainte

True

2.323

6

6

6

116

100%

4.108

2020-09-30

td1a_algo/td1a_correction_session4_5_jaccard.ipynb

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

True

5.361

17

17

17

117

100%

4.616

2020-09-30

td1a_algo/td1a_correction_session7.ipynb

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

True

6.107

15

15

15

118

100%

1.499

2020-09-30

td1a_algo/td1a_correction_session7_edition.ipynb

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

True

2.832

20

20

20

119

100%

52.774

2020-09-30

td1a_algo/td1a_correction_session8.ipynb

1A.algo - Arbre et Trie (correction)

True

54.533

20

20

20

120

100%

5.077

2020-09-30

td1a_algo/td1a_correction_session8_wikiroot.ipynb

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

True

6.327

5

5

5

121

100%

1.180

2020-09-30

td1a_algo/td1a_correction_session9.ipynb

1A.algo - Optimisation sous contrainte (correction)

True

2.509

7

7

7

122

100%

0.000

2020-09-30

td1a_algo/td1a_plus_grande_somme.ipynb

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

True

1.233

1

1

1

123

100%

151.761

2020-09-30

td1a_algo/td1a_plus_grande_somme_correction.ipynb

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

True

153.212

10

10

10

124

87%

0.787

2020-09-30

td1a_algo/td1a_quicksort.ipynb

1A.algo - Quicksort

True

2.047

8

7

7

125

100%

1.535

2020-09-30

td1a_algo/td1a_quicksort_correction.ipynb

1A.algo - quicksort - correction

True

3.027

10

10

10

126

100%

0.607

2020-09-30

td1a_algo/td1a_sobel.ipynb

1A.algo - filtre de Sobel

True

2.301

6

6

6

127

100%

4.993

2020-09-30

td1a_algo/td1a_sobel_correction.ipynb

1A.algo - filtre de Sobel - correction

True

6.316

8

8

8

128

100%

0.091

2020-09-30

td1a_dfnp/decorrelation.ipynb

1A.data - Décorrélation de variables aléatoires

True

1.574

7

7

7

129

100%

0.988

2020-09-30

td1a_dfnp/decorrelation_correction.ipynb

1A.data - Décorrélation de variables aléatoires - correction

True

2.297

15

15

15

130

100%

4.893

2020-09-30

td1a_dfnp/td1a_cenonce_session_10.ipynb

1A.data - DataFrame et Matrice

True

6.177

51

51

51

131

100%

20.838

2020-09-30

td1a_dfnp/td1a_cenonce_session_12_carte.ipynb

1A.data - Visualisation des données - cartes

True

22.299

22

22

22

132

100%

5.106

2020-09-30

td1a_dfnp/td1a_cenonce_session_12_js.ipynb

1A.data - Visualisation des données - graphes interactifs

True

6.583

9

9

9

133

87%

18.585

2020-09-30

td1a_dfnp/td1a_cenonce_session_12_plot.ipynb

1A.data - Visualisation des données

True

19.843

16

14

14

134

100%

2.585

2020-09-30

td1a_dfnp/td1a_correction_session_10.ipynb

1A.data - DataFrame et Matrice (correction)

True

3.901

18

18

18

135

100%

28.449

2020-09-30

td1a_dfnp/td1a_correction_session_12.ipynb

1A.data - visualisation des données - correction

True

29.910

14

14

14

136

100%

0.466

2020-09-30

td1a_home/2020_edit.ipynb

Algo - distance d’édiction

True

3.951

6

6

6

137

100%

23.326

2020-09-30

td1a_home/2020_numpy.ipynb

Tech - calcul matriciel avec numpy

True

28.381

26

26

26

138

100%

10.677

2020-09-30

td1a_home/2020_profile.ipynb

Tech - profiling

True

11.939

18

18

18

139

100%

0.985

2020-09-30

td1a_home/2020_regex.ipynb

Tech - expressions régulières

True

2.349

14

14

14

140

100%

1.132

2020-09-30

td1a_home/2020_suffix.ipynb

Algo - jeux de dictionnaires, plus grand suffix commun

True

2.380

13

13

13

141

100%

7.847

2020-09-30

td1a_home/2020_surface.ipynb

Algo - Calculs de surface et autres calculs

True

9.102

16

16

16

142

100%

22.814

2020-09-30

td1a_home/2020_topk.ipynb

Algo - les k premiers éléments

True

24.138

32

32

32

143

100%

2.789

2020-09-30

td1a_soft/td1a_cython_edit.ipynb

1A.soft - Calcul numérique et Cython

True

4.159

15

15

15

144

100%

2.522

2020-09-30

td1a_soft/td1a_cython_edit_correction.ipynb

1A.soft - Calcul numérique et Cython - correction

True

3.933

8

8

8

145

100%

61.338

2020-09-30

td1a_soft/td1a_sql.ipynb

1A.soft - Notions de SQL

True

62.663

34

34

34

146

100%

52.169

2020-09-30

td1a_soft/td1a_sql_correction.ipynb

1A.soft - Notions de SQL - correction

True

53.588

15

15

15

147

100%

4.346

2020-09-30

td1a_soft/td1a_unit_test_ci.ipynb

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

True

5.680

14

14

14

148

100%

0.718

2020-09-30

td2a/ml_crypted_data.ipynb

2A.ml - Machine Learning et données cryptées

True

1.999

9

9

9

149

100%

9.462

2020-09-30

td2a/ml_crypted_data_correction.ipynb

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

True

10.970

38

38

38

150

100%

0.699

2020-09-30

td2a/pandas_iterator.ipynb

2A.data - Pandas et itérateurs

True

1.983

8

8

8

151

100%

2.872

2020-09-30

td2a/pandas_iterator_correction.ipynb

2A.data - Pandas et itérateurs - correction

True

4.306

19

19

19

152

100%

0.187

2020-09-30

td2a/td2a_bigdata_memory.ipynb

2A.i - Stratégies et grandes matrices en mémoire

True

2.183

8

8

8

153

96%

22.570

2020-09-30

td2a/td2a_cenonce_session_1.ipynb

2A.data - DataFrame et Graphes

True

24.430

75

72

72

154

100%

6.229

2020-09-30

td2a/td2a_cenonce_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation

True

7.506

71

71

71

155

100%

0.369

2020-09-30

td2a/td2a_cenonce_session_2C.ipynb

2A.soft - Jupyter et commandes magiques

True

1.702

5

5

5

156

0%

nan

td2a/td2a_cenonce_session_2D_jupyter.ipynb

2A.i - Jupyter et calcul distribué

nan

72

0

157

0%

nan

td2a/td2a_cenonce_session_2D_parallelisation_local.ipynb

2A.i - Parallélisation locale (énoncé)

nan

7

0

158

100%

0.685

2020-09-30

td2a/td2a_cenonce_session_2E.ipynb

2A.i - Sérialisation

True

2.027

8

8

8

159

100%

1.503

2020-09-30

td2a/td2a_cenonce_session_5.ipynb

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

True

2.740

20

20

20

160

100%

8.057

2020-09-30

td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb

2A.i - Données non structurées et programmation fonctionnelle

True

9.277

30

30

30

161

96%

16.870

2020-09-30

td2a/td2a_correction_session_1.ipynb

2A.data - DataFrame et Graphes - correction

True

18.139

27

26

26

162

100%

2.358

2020-09-30

td2a/td2a_correction_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation - correction

True

3.587

13

13

13

163

100%

0.904

2020-09-30

td2a/td2a_correction_session_2C.ipynb

2A.soft - IPython et commandes magiques - correction

True

2.099

6

6

6

164

100%

11.475

2020-09-30

td2a/td2a_correction_session_2E.ipynb

2A.i - Sérialisation - correction

True

12.958

22

22

22

165

100%

0.467

2020-09-30

td2a/td2a_correction_session_5.ipynb

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

True

1.760

3

3

3

166

100%

23.587

2020-09-30

td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb

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

True

24.905

33

33

33

167

100%

3.857

2020-09-16

td2a/td2a_ml_text_features.ipynb

2A.ml - Classification binaire avec features textuelles

True

4.781

18

18

18

168

100%

13.312

2020-09-16

td2a/td2a_ml_text_features_correction.ipynb

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

True

14.178

23

23

23

169

100%

11.667

2020-09-30

td2a/td2a_progressbar.ipynb

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

True

13.332

6

6

6

170

100%

19.915

2020-09-30

td2a/td2a_some_nlp.ipynb

2A.ml - Texte et machine learning

True

21.198

36

36

36

171

90%

33.456

2020-09-30

td2a/td2a_visualisation.ipynb

2A.data - Matplotlib

True

34.771

42

38

38

172

100%

0.091

2020-09-30

td2a_algo/gentry_integer_encryption.ipynb

Cryptage homomorphic de Craig Gentry

True

1.443

6

6

6

173

100%

0.254

2020-09-30

td2a_algo/gentry_integer_encryption_correction.ipynb

Cryptage homomorphic de Craig Gentry - correction

True

8.846

6

6

6

174

100%

7.297

2020-09-30

td2a_algo/knn_high_dimension.ipynb

2A.algo - Plus proches voisins en grande dimension

True

8.623

8

8

8

175

100%

28.435

2020-09-30

td2a_algo/knn_high_dimension_correction.ipynb

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

True

29.722

20

20

20

176

100%

0.131

2020-09-30

td2a_algo/td2a_cenonce_session_6A.ipynb

2A.algo - Puzzles algorithmiques (1)

True

1.426

6

6

6

177

100%

0.090

2020-09-30

td2a_algo/td2a_cenonce_session_6B.ipynb

2A.algo - Puzzles algorithmiques (2)

True

1.410

5

5

5

178

100%

0.396

2020-09-30

td2a_algo/td2a_correction_session_6A.ipynb

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

True

1.675

6

6

6

179

100%

0.093

2020-09-30

td2a_algo/td2a_correction_session_6B.ipynb

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

True

1.434

6

6

6

180

0%

nan

td2a_eco/TD2A_Eco_Web_Scraping.ipynb

2A.eco - Web-Scraping

nan

62

0

181

100%

8.550

2020-09-16

td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb

2A.eco - Web-Scraping - correction

True

9.441

6

6

6

182

100%

1.320

2020-09-30

td2a_eco/TD2A_eco_API_SNCF.ipynb

2A.eco - Exercice API SNCF

True

2.228

11

11

11

183

100%

37.567

2020-09-30

td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb

2A.eco - Exercice API SNCF corrigé

True

38.689

40

40

40

184

100%

1.719

2020-09-30

td2a_eco/TD2A_eco_debuter_flask.ipynb

2A.eco - Débuter avec Flask

True

3.067

14

14

14

185

100%

4.136

2020-09-30

td2a_eco/TD2A_eco_les_API.ipynb

2A.eco - API, API REST

True

5.396

15

15

15

186

100%

2.794

2020-09-30

td2a_eco/td2_eco_rappels_1a.ipynb

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

True

4.080

29

29

29

187

100%

8.157

2020-09-30

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb

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

True

9.924

34

34

34

188

100%

8.049

2020-09-30

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb

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

True

9.487

35

35

35

189

100%

0.000

2020-09-30

td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb

2A.eco - Exercice Python - Eco Séance 2

True

1.276

1

1

1

190

100%

0.472

2020-09-30

td2a_eco/td2a_eco_exercices_de_manipulation_de_donnees.ipynb

2A.eco - Mise en pratique des séances 1 et 2 - Utilisation de pandas et visualisation

True

1.699

3

3

3

191

100%

1.428

2020-09-30

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

2.687

10

10

10

192

100%

2.800

2020-09-30

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

4.060

16

16

16

193

100%

2.715

2020-09-30

td2a_eco/td2a_eco_exercices_de_manipulation_de_donnees_correction_c.ipynb

2A.eco - Mise en pratique des séances 1 et 2 - Utilisation de pandas et visualisation - correction

True

4.207

14

14

14

194

100%

7.552

2020-09-30

td2a_eco/td2a_eco_regressions_lineaires.ipynb

Régressions linéaires avec Statsmodels et Scikit-Learn

True

9.193

12

12

12

195

100%

2.249

2020-09-30

td2a_eco/td2a_eco_sql.ipynb

2A.eco - Python et la logique SQL

True

3.771

26

26

26

196

100%

3.085

2020-09-30

td2a_eco/td2a_eco_sql_correction.ipynb

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

True

4.423

36

36

36

197

100%

9.256

2020-09-30

td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb

TD7 - Analyse de texte

True

10.581

29

29

29

198

100%

8.226

2020-09-30

td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb

TD7 - Analyse de texte - correction

True

9.560

29

29

29

199

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

200

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

201

100%

407.740

2020-09-30

td2a_eco2/td2a_eco_NLP_tf_idf_ngrams_LDA_word2vec_sur_des_extraits_litteraires.ipynb

2A.eco - Introduction au text mining

True

409.088

69

69

69

202

100%

366.953

2020-09-30

td2a_ml/gradient_boosting.ipynb

Gradient Boosting

True

368.387

37

37

37

203

100%

152.075

2020-09-30

td2a_ml/ml_a_tree_overfitting.ipynb

2A.ml - Tree, hyperparamètres, overfitting

True

153.560

28

28

28

204

100%

47.668

2020-09-30

td2a_ml/ml_b_imbalanced.ipynb

2A.ml - Imbalanced dataset

True

48.967

22

22

22

205

100%

5.114

2020-09-30

td2a_ml/ml_c_machine_learning_problems.ipynb

2A.ml - Problèmes classiques de machine learning illustrés

True

6.420

41

41

41

206

100%

0.222

2020-09-30

td2a_ml/ml_cc_machine_learning_problems2.ipynb

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

True

1.522

4

4

4

207

100%

3.168

2020-09-30

td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb

2A.ml - Interprétabilité et corrélations des variables

True

4.632

26

26

26

208

100%

35.114

2020-09-30

td2a_ml/ml_lasso_rf_grid_search_correction.ipynb

Hyperparamètres, LassoRandomForestRregressor et grid_search (correction)

True

36.351

15

15

15

209

100%

0.763

2020-09-30

td2a_ml/ml_lasso_rf_grid_search_enonce.ipynb

Hyperparamètres, LassoRandomForestRregressor et grid_search (énoncé)

True

2.255

4

4

4

210

100%

0.738

2020-09-30

td2a_ml/ml_scikit_learn_simple.ipynb

Rappels sur scikit-learn et le machine learning

True

2.556

12

12

12

211

100%

4.297

2020-09-30

td2a_ml/ml_scikit_learn_simple_correction.ipynb

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

True

5.510

21

21

21

212

100%

8.287

2020-09-30

td2a_ml/seasonal_timeseries.ipynb

Timeseries

True

9.552

42

42

42

213

100%

224.860

2020-09-30

td2a_ml/td2a_cenonce_session_3A.ipynb

2A.ml - Statistiques descriptives avec scikit-learn

True

226.486

18

18

18

214

100%

36.762

2020-09-30

td2a_ml/td2a_cenonce_session_3B.ipynb

2A.ml - Arbres de décision / Random Forest

True

38.204

16

16

16

215

100%

0.923

2020-09-30

td2a_ml/td2a_cenonce_session_4A.ipynb

2A.ml - Machine Learning et Marketting

True

2.224

9

9

9

216

100%

0.968

2020-09-30

td2a_ml/td2a_clustering.ipynb

2A.ml - Clustering

True

2.373

6

6

6

217

100%

30.819

2020-09-30

td2a_ml/td2a_clustering_correction.ipynb

2A.ml - Clustering - correction

True

32.101

25

25

25

218

100%

16.806

2020-09-30

td2a_ml/td2a_correction_cl_reg_anomaly.ipynb

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

True

18.169

33

33

33

219

100%

291.121

2020-09-30

td2a_ml/td2a_correction_session_3A.ipynb

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

True

292.431

24

24

24

220

100%

117.321

2020-09-30

td2a_ml/td2a_correction_session_3B.ipynb

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

True

118.680

26

26

26

221

100%

9.016

2020-09-30

td2a_ml/td2a_correction_session_4A.ipynb

2A.ml - Machine Learning et Marketting - correction

True

10.523

26

26

26

222

100%

1.119

2020-09-30

td2a_ml/td2a_enonce_cl_reg_anomaly.ipynb

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

True

2.387

9

9

9

223

96%

9.567

2020-09-30

td2a_ml/td2a_ethics.ipynb

Machine Learning éthique

True

10.486

31

30

30

224

100%

0.101

2020-09-30

td2a_ml/td2a_ethics_correction.ipynb

Machine Learning éthique - correction

True

0.985

2

2

2

225

100%

10.494

2020-09-30

td2a_ml/td2a_pipeline_tree_selection_correction.ipynb

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

True

11.803

24

24

24

226

100%

1.328

2020-09-30

td2a_ml/td2a_pipeline_tree_selection_enonce.ipynb

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

True

2.599

11

11

11

227

100%

0.739

2020-09-30

td2a_ml/td2a_sentiment_analysis.ipynb

2A.ml - Analyse de sentiments

True

2.055

6

6

6

228

100%

76.513

2020-09-30

td2a_ml/td2a_sentiment_analysis_correction.ipynb

2A.ml - Analyse de sentiments - correction

True

77.806

44

44

44

229

100%

1.348

2020-09-30

td2a_ml/td2a_timeseries.ipynb

2A.ml - Séries temporelles

True

2.580

15

15

15

230

100%

3.645

2020-09-30

td2a_ml/td2a_timeseries_correction.ipynb

2A.ml - Séries temporelles - correction

True

4.893

15

15

15

231

100%

27.615

2020-09-30

td2a_ml/td2a_tree_selection_correction.ipynb

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

True

28.830

19

19

19

232

100%

1.186

2020-09-30

td2a_ml/td2a_tree_selection_enonce.ipynb

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

True

2.453

8

8

8

_images/nbcov.png