Notebooks Coverage

Report on last executions.

92% 2020-04-02

_images/nbcov-2020-04-02.png

index

coverage

exe time

last execution

name

title

success

time

nb cells

nb runs

nb valid

0

100%

8.408

2020-04-02

1a/code_liste_tuple.ipynb

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

True

9.269

4

4

4

1

100%

2.279

2020-04-02

1a/code_multinomial.ipynb

1A.1 - Simuler une loi multinomiale

True

3.255

12

12

12

2

100%

3.262

2020-04-02

1a/coloriage_carre.ipynb

Jeux de coloriage

True

4.123

23

23

23

3

100%

0.464

2020-04-02

1a/exercice_echelle.ipynb

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

True

1.362

6

6

6

4

100%

1.499

2020-04-02

1a/exercice_morse.ipynb

1A.algo - Décoder du Morse sans espaces

True

3.324

16

16

16

5

100%

1.766

2020-04-02

1a/exercice_plus_grande_somme.ipynb

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

True

2.893

15

15

15

6

100%

0.312

2020-04-02

1a/exercice_xn.ipynb

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

True

1.211

4

4

4

7

100%

0.764

2020-04-02

1a/histogramme_rapide.ipynb

1A.1 - Histogramme et dictionnaire

True

1.597

8

8

8

8

100%

18.893

2020-04-02

1a/nbheap.ipynb

Heap

True

19.840

15

15

15

9

100%

3.638

2020-04-02

1a/profiling_example.ipynb

1A.soft - Exemple de profiling

True

5.188

11

11

11

10

100%

0.735

2020-04-02

1a/recherche_dichotomique.ipynb

1A.algo - Recherche dichotomique

True

1.682

9

9

9

11

100%

3.071

2020-04-02

1a/structures_donnees_conversion.ipynb

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

True

3.942

29

29

29

12

100%

0.760

2020-04-02

1a/tableau_contingence.ipynb

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

True

1.624

8

8

8

13

100%

19.897

2020-04-02

1a/tri_nlnd.ipynb

1A.algo - Tri plus rapide que prévu

True

20.780

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%

307.852

2020-03-26

2016-2017/solution_2016_credit_clement.ipynb

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

True

309.411

28

28

28

18

100%

4.738

2020-03-26

2016/td2a_eco_competition_comparer_classifieurs.ipynb

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

True

5.564

16

16

16

19

100%

3.468

2020-03-26

2016/td2a_eco_competition_modeles_logistiques.ipynb

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

True

4.445

26

26

26

20

100%

49.724

2020-03-26

2016/td2a_eco_competition_statsdesc.ipynb

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

True

51.650

22

22

22

21

100%

4.889

2020-04-02

2017-2018/dimensions_reduction.ipynb

Réduction des dimensions

True

6.729

20

20

20

22

100%

5.753

2020-03-26

2017/prepare_data_2017.ipynb

2A.ml - 2017 - Préparation des données

True

7.091

43

43

43

23

89%

2.201

2020-04-02

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

2018-09-18 - Rappels sur le langage python

True

5.828

28

25

25

24

100%

3.129

2020-04-02

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

2018-09-18 - Rappels sur pandas et maplotlib

True

3.962

29

29

29

25

100%

2.512

2020-04-02

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

2018-09-18 - API de scikit-learn

True

3.380

21

21

21

26

100%

0.835

2020-04-02

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

2018-09-25 - Distance entre mots

True

1.743

11

11

11

27

100%

5.207

2020-04-02

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

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

True

6.072

20

20

20

28

100%

53.625

2020-04-02

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

2018-10-09 Ensemble, Gradient, Boosting…

True

54.442

18

18

18

29

100%

3.976

2020-04-02

2a/bayesian_with_python.ipynb

2A.ml - Bayesian models with Python

True

4.863

18

18

18

30

100%

85.642

2020-03-26

2a/cffi_linear_regression.ipynb

Optimisation de code avec cffi, numba, cython

True

87.354

92

92

92

31

100%

1.832

2020-04-02

2a/dataframe_matrix_speed.ipynb

2A.i - Mesures de vitesse sur les dataframes

True

2.733

15

15

15

32

100%

6.756

2020-04-02

2a/git_notebook.ipynb

2A.soft - Git depuis le notebook

True

7.777

23

23

23

33

100%

0.670

2020-04-02

2a/jupyter_custom_magics.ipynb

2A.soft - Custom Magics for Jupyter

True

2.233

5

5

5

34

100%

6.386

2020-04-02

2a/ml_timeseries_base.ipynb

2A.ml - Timeseries et machine learning

True

7.623

28

28

28

35

100%

1.160

2020-04-02

2a/notebook_convert.ipynb

2A.soft - Convert a notebook into a document

True

2.066

8

8

8

36

100%

57.158

2020-03-26

2a/seance_5_dask.ipynb

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

True

58.201

16

16

16

37

100%

53.276

2020-03-26

2a/seance_5_intro_et_json.ipynb

2A.i - Données non structurées, programmation fonctionnelle

True

54.151

20

20

20

38

100%

94.762

2020-03-26

2a/seance_5_prog_fonctionnelle.ipynb

2A.i - programmation fonctionnelle

True

96.651

44

44

44

39

100%

9.258

2020-04-02

2a/timeseries_ssa.ipynb

Single Spectrum Analysis (SSA)

True

10.211

27

27

27

40

100%

1185.341

2020-04-02

data/data_irep.ipynb

IREP: registre des émissions polluantes

True

1186.720

21

21

21

41

100%

4.048

2020-04-02

data/deal_flow_espace_vert.ipynb

Deal flow espaces verts 2018 - 2019

True

5.435

14

14

14

42

100%

0.936

2020-04-02

exams/interro_rapide_20_minutes_2014_09.ipynb

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

True

1.771

12

12

12

43

100%

1.502

2020-04-02

exams/interro_rapide_20_minutes_2014_10.ipynb

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

True

2.395

17

17

17

44

82%

3.287

2020-04-02

exams/interro_rapide_20_minutes_2014_11.ipynb

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

True

5.011

35

29

29

45

100%

1.423

2020-04-02

exams/interro_rapide_20_minutes_2014_12.ipynb

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

True

2.650

15

15

15

46

100%

0.686

2020-04-02

exams/interro_rapide_20_minutes_2015_09.ipynb

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

True

1.628

12

12

12

47

100%

0.951

2020-04-02

exams/interro_rapide_20_minutes_2015_11.ipynb

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

True

1.884

16

16

16

48

100%

6.602

2020-04-02

exams/td_note_2013_bout_de_code_coloriage.ipynb

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

True

7.417

6

6

6

49

100%

14.959

2020-04-02

exams/td_note_2013_coloriage_correction.ipynb

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

True

15.812

14

14

14

50

100%

3.163

2020-04-02

exams/td_note_2015.ipynb

1A.e - TD noté, 5 décembre 2014

True

4.036

36

36

36

51

100%

0.178

2020-04-02

exams/td_note_2015_rattrapage_enonce.ipynb

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

True

1.144

6

6

6

52

100%

3.202

2020-04-02

exams/td_note_2016.ipynb

1A.e - TD noté, 11 décembre 2015

True

4.030

26

26

26

53

100%

2.188

2020-04-02

exams/td_note_2017.ipynb

1A.e - TD noté, 16 décembre 2016

True

3.054

23

23

23

54

100%

1.891

2020-04-02

exams/td_note_2017_2.ipynb

1A.e - TD noté, 21 février 2017

True

2.765

21

21

21

55

100%

4.494

2020-04-02

exams/td_note_2018_1.ipynb

1A.e - Enoncé 12 décembre 2017 (1)

True

5.344

25

25

25

56

100%

3.890

2020-04-02

exams/td_note_2018_2.ipynb

1A.e - Enoncé 12 décembre 2017 (2)

True

4.763

21

21

21

57

100%

20.210

2020-04-02

exams/td_note_2019_1.ipynb

1A.e - Enoncé 23 octobre 2018 (1)

True

21.037

17

17

17

58

100%

8.937

2020-04-02

exams/td_note_2019_2.ipynb

1A.e - Enoncé 23 octobre 2018 (2)

True

9.804

18

18

18

59

100%

4.267

2020-04-02

exams/td_note_2020_1.ipynb

1A.e - Enoncé 22 octobre 2019 (1)

True

5.712

29

29

29

60

100%

3.565

2020-04-02

exams/td_note_2020_2.ipynb

1A.e - Enoncé 22 octobre 2019 (2)

True

4.412

28

28

28

61

100%

17.502

2020-04-02

expose/BJKST.ipynb

2A.algo - Algorithmes de streaming : généralités

True

19.383

39

39

39

62

100%

4.147

2020-04-02

expose/expose_TSP.ipynb

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

True

5.052

11

11

11

63

100%

1.239

2020-04-02

expose/expose_einstein_riddle.ipynb

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

True

2.395

4

4

4

64

100%

3.968

2020-04-02

expose/expose_graphe_et_map_reduce.ipynb

3A.mr - Graphes et Map Reduce

True

5.095

11

11

11

65

100%

0.640

2020-04-02

expose/expose_rwr_recommandation.ipynb

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

True

1.891

4

4

4

66

100%

1.872

2020-03-26

expose/expose_vigenere.ipynb

1A.algo - Casser le code de Vigenère

True

2.779

9

9

9

67

100%

16.311

2020-04-02

expose/hash_distribution.ipynb

2A.algo - Hash et distribution

True

17.507

14

14

14

68

100%

14.443

2020-04-02

expose/ml_features_model.ipynb

2A.ml - Features ou modèle

True

16.480

15

15

15

69

100%

8.347

2020-03-26

expose/ml_huge_datasets.ipynb

2A.i - Huge datasets, datasets hiérarchiques

True

9.793

21

21

21

70

100%

600.935

2020-03-26

expose/ml_rue_paris_parcours.ipynb

2A.algo - Parcourir les rues de Paris

True

602.129

24

24

24

71

100%

185.518

2020-03-26

expose/ml_table_mortalite.ipynb

2A.i - Table de mortalité dans plusieurs containers

True

186.731

35

35

35

72

100%

1.906

2020-04-02

sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb

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

True

3.060

13

13

13

73

100%

2.586

2020-04-02

sklearn_ensae_course/01_data_manipulation.ipynb

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

True

3.558

18

18

18

74

100%

3.226

2020-04-02

sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb

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

True

4.218

15

15

15

75

100%

5.745

2020-04-02

sklearn_ensae_course/03_supervised_classification.ipynb

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

True

6.703

12

12

12

76

100%

3.653

2020-04-02

sklearn_ensae_course/04_supervised_regression.ipynb

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

True

4.829

12

12

12

77

100%

6.460

2020-04-02

sklearn_ensae_course/05_measuring_prediction_performance.ipynb

2A.ML101.5: Measuring prediction performance

True

7.512

23

23

23

78

100%

6.652

2020-04-02

sklearn_ensae_course/06_unsupervised_dimreduction.ipynb

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

True

7.571

18

18

18

79

100%

5.842

2020-04-02

sklearn_ensae_course/07_application_to_face_recognition.ipynb

2A.ML101.7: Example from Image Processing

True

6.722

19

19

19

80

100%

3.625

2020-04-02

sklearn_ensae_course/08_validation_and_learning_curves.ipynb

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

True

4.722

15

15

15

81

100%

0.385

2020-04-02

td1a/integrale_rectangle.ipynb

1A.1 - Intégrale et la méthode des rectangles

True

1.301

6

6

6

82

100%

3.076

2020-04-02

td1a/integrale_rectangle_correction.ipynb

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

True

4.216

30

30

30

83

100%

0.279

2020-04-02

td1a/j2048.ipynb

1A.2 - 2048 - stratégie gagnante

True

1.183

3

3

3

84

100%

0.924

2020-04-02

td1a/j2048_correction.ipynb

1A.2 - 2048 - stratégie gagnante - correction

True

1.895

11

11

11

85

100%

18.589

2020-04-02

td1a/matrix_dictionary.ipynb

Produit matriciel avec une matrice creuse

True

20.389

20

20

20

86

100%

0.240

2020-04-02

td1a/pp_exo_deviner_un_nombre.ipynb

1A.1 - Deviner un nombre aléatoire

True

1.069

5

5

5

87

100%

0.593

2020-04-02

td1a/pp_exo_deviner_un_nombre_correction.ipynb

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

True

1.725

7

7

7

88

75%

1.020

2020-04-02

td1a/td1a_cenonce_session1.ipynb

1A.0 - Premiers pas en Python

True

2.902

16

12

12

89

100%

2.675

2020-04-02

td1a/td1a_cenonce_session2.ipynb

1A.1 - Variables, boucles, tests

True

3.620

30

30

30

90

100%

1.900

2020-04-02

td1a/td1a_cenonce_session3.ipynb

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

True

3.242

26

26

26

91

100%

2.130

2020-04-02

td1a/td1a_cenonce_session4.ipynb

1A.2 - Modules, fichiers, expressions régulières

True

3.086

20

20

20

92

100%

1.444

2020-04-02

td1a/td1a_cenonce_session5.ipynb

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

True

2.409

17

17

17

93

100%

0.852

2020-04-02

td1a/td1a_cenonce_session6.ipynb

1A.2 - Classes, héritage

True

2.442

11

11

11

94

100%

1.101

2020-04-02

td1a/td1a_correction_session1.ipynb

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

True

1.954

13

13

13

95

100%

2.320

2020-04-02

td1a/td1a_correction_session2.ipynb

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

True

3.192

8

8

8

96

100%

0.730

2020-04-02

td1a/td1a_correction_session3.ipynb

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

True

2.705

9

9

9

97

100%

2.182

2020-04-02

td1a/td1a_correction_session4.ipynb

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

True

3.075

20

20

20

98

100%

10.251

2020-04-02

td1a/td1a_correction_session5.ipynb

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

True

12.219

12

12

12

99

100%

0.488

2020-04-02

td1a/td1a_correction_session6.ipynb

1A.2 - Classes, héritage (correction)

True

1.819

5

5

5

100

100%

0.623

2020-04-02

td1a/td1a_pyramide_bigarree.ipynb

1A.1 - Tracer une pyramide bigarrée

True

2.412

5

5

5

101

100%

1.558

2020-04-02

td1a/td1a_pyramide_bigarree_correction.ipynb

1A.1 - Tracer une pyramide bigarrée - correction

True

2.446

11

11

11

102

100%

0.812

2020-04-02

td1a/texte_langue.ipynb

1A.2 - Deviner la langue d’un texte

True

2.179

6

6

6

103

100%

4.848

2020-04-02

td1a/texte_langue_correction.ipynb

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

True

5.815

23

23

23

104

100%

0.307

2020-04-02

td1a_algo/BJKST_enonce.ipynb

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

True

1.208

4

4

4

105

100%

1.140

2020-04-02

td1a_algo/graph1exo_parcours.ipynb

1A.algo - Parcours de graphe

True

2.228

8

8

8

106

100%

1.055

2020-04-02

td1a_algo/graph1exo_parcours_correction.ipynb

1A.algo - Parcours de graphe - correction

True

1.905

9

9

9

107

100%

0.574

2020-04-02

td1a_algo/graph4exos.ipynb

1A.algo - Des problèmes de graphes

True

1.435

6

6

6

108

100%

0.643

2020-04-02

td1a_algo/graph_spectral_clustering.ipynb

1A.algo - Spectral Clustering

True

1.792

6

6

6

109

100%

1.080

2020-04-02

td1a_algo/graph_spectral_clustering_correction.ipynb

1A.algo - Spectral Clustering - correction

True

1.940

11

11

11

110

100%

0.091

2020-04-02

td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb

1A.algo - distance de Jaccard (dictionnaires)

True

1.265

4

4

4

111

100%

3.298

2020-04-02

td1a_algo/td1a_cenonce_session7.ipynb

1A.algo - Programmation dynamique et plus court chemin

True

4.242

17

17

17

112

100%

0.438

2020-04-02

td1a_algo/td1a_cenonce_session7_edition.ipynb

1A.algo - La distance d’édition

True

1.575

8

8

8

113

100%

0.318

2020-04-02

td1a_algo/td1a_cenonce_session8.ipynb

1A.algo - Arbre et Trie

True

2.087

10

10

10

114

100%

0.095

2020-04-02

td1a_algo/td1a_cenonce_session8_wikiroot.ipynb

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

True

1.356

4

4

4

115

100%

0.693

2020-04-02

td1a_algo/td1a_cenonce_session9.ipynb

1A.algo - Optimisation sous contrainte

True

1.577

6

6

6

116

100%

4.228

2020-04-02

td1a_algo/td1a_correction_session4_5_jaccard.ipynb

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

True

5.186

17

17

17

117

100%

4.205

2020-04-02

td1a_algo/td1a_correction_session7.ipynb

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

True

5.342

15

15

15

118

100%

1.812

2020-04-02

td1a_algo/td1a_correction_session7_edition.ipynb

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

True

2.717

20

20

20

119

100%

63.770

2020-03-26

td1a_algo/td1a_correction_session8.ipynb

1A.algo - Arbre et Trie (correction)

True

65.021

20

20

20

120

100%

2.623

2020-04-02

td1a_algo/td1a_correction_session8_wikiroot.ipynb

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

True

3.544

5

5

5

121

100%

1.181

2020-04-02

td1a_algo/td1a_correction_session9.ipynb

1A.algo - Optimisation sous contrainte (correction)

True

3.039

7

7

7

122

100%

0.000

2020-04-02

td1a_algo/td1a_plus_grande_somme.ipynb

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

True

0.988

1

1

1

123

100%

128.671

2020-04-02

td1a_algo/td1a_plus_grande_somme_correction.ipynb

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

True

129.940

10

10

10

124

87%

1.101

2020-04-02

td1a_algo/td1a_quicksort.ipynb

1A.algo - Quicksort

True

1.989

8

7

7

125

100%

2.002

2020-04-02

td1a_algo/td1a_quicksort_correction.ipynb

1A.algo - quicksort - correction

True

3.269

10

10

10

126

100%

0.761

2020-04-02

td1a_algo/td1a_sobel.ipynb

1A.algo - filtre de Sobel

True

1.739

6

6

6

127

100%

4.657

2020-04-02

td1a_algo/td1a_sobel_correction.ipynb

1A.algo - filtre de Sobel - correction

True

6.006

8

8

8

128

100%

0.097

2020-04-02

td1a_dfnp/decorrelation.ipynb

1A.data - Décorrélation de variables aléatoires

True

1.389

7

7

7

129

100%

1.294

2020-04-02

td1a_dfnp/decorrelation_correction.ipynb

1A.data - Décorrélation de variables aléatoires - correction

True

2.216

15

15

15

130

100%

5.327

2020-04-02

td1a_dfnp/td1a_cenonce_session_10.ipynb

1A.data - DataFrame et Matrice

True

7.149

51

51

51

131

100%

50.050

2020-03-26

td1a_dfnp/td1a_cenonce_session_12_carte.ipynb

1A.data - Visualisation des données - cartes

True

51.201

22

22

22

132

100%

6.966

2020-03-26

td1a_dfnp/td1a_cenonce_session_12_js.ipynb

1A.data - Visualisation des données - graphes interactifs

True

8.013

9

9

9

133

87%

17.291

2020-03-26

td1a_dfnp/td1a_cenonce_session_12_plot.ipynb

1A.data - Visualisation des données

True

18.195

16

14

14

134

100%

2.462

2020-03-26

td1a_dfnp/td1a_correction_session_10.ipynb

1A.data - DataFrame et Matrice (correction)

True

4.719

18

18

18

135

100%

34.535

2020-03-26

td1a_dfnp/td1a_correction_session_12.ipynb

1A.data - visualisation des données - correction

True

35.730

14

14

14

136

100%

2.352

2020-04-02

td1a_soft/td1a_cython_edit.ipynb

1A.soft - Calcul numérique et Cython

True

3.233

15

15

15

137

100%

4.355

2020-04-02

td1a_soft/td1a_cython_edit_correction.ipynb

1A.soft - Calcul numérique et Cython - correction

True

9.806

8

8

8

138

100%

61.044

2020-04-02

td1a_soft/td1a_sql.ipynb

1A.soft - Notions de SQL

True

61.938

34

34

34

139

100%

54.397

2020-04-02

td1a_soft/td1a_sql_correction.ipynb

1A.soft - Notions de SQL - correction

True

55.242

15

15

15

140

100%

4.074

2020-04-02

td1a_soft/td1a_unit_test_ci.ipynb

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

True

4.903

14

14

14

141

100%

0.776

2020-04-02

td2a/ml_crypted_data.ipynb

2A.ml - Machine Learning et données cryptées

True

1.718

9

9

9

142

100%

7.711

2020-04-02

td2a/ml_crypted_data_correction.ipynb

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

True

8.661

38

38

38

143

100%

0.682

2020-04-02

td2a/pandas_iterator.ipynb

2A.data - Pandas et itérateurs

True

1.627

8

8

8

144

100%

2.145

2020-04-02

td2a/pandas_iterator_correction.ipynb

2A.data - Pandas et itérateurs - correction

True

4.162

19

19

19

145

100%

0.090

2020-04-02

td2a/td2a_bigdata_memory.ipynb

2A.i - Stratégies et grandes matrices en mémoire

True

1.787

8

8

8

146

96%

22.777

2020-03-26

td2a/td2a_cenonce_session_1.ipynb

2A.data - DataFrame et Graphes

True

24.509

75

72

72

147

100%

6.618

2020-04-02

td2a/td2a_cenonce_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation

True

7.577

71

71

71

148

100%

0.362

2020-04-02

td2a/td2a_cenonce_session_2C.ipynb

2A.soft - Jupyter et commandes magiques

True

1.288

5

5

5

149

0%

nan

td2a/td2a_cenonce_session_2D_jupyter.ipynb

2A.i - Jupyter et calcul distribué

nan

72

0

150

0%

nan

td2a/td2a_cenonce_session_2D_parallelisation_local.ipynb

2A.i - Parallélisation locale (énoncé)

nan

7

0

151

100%

0.733

2020-04-02

td2a/td2a_cenonce_session_2E.ipynb

2A.i - Sérialisation

True

1.772

8

8

8

152

100%

1.864

2020-03-26

td2a/td2a_cenonce_session_5.ipynb

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

True

2.766

20

20

20

153

100%

8.892

2020-03-26

td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb

2A.i - Données non structurées et programmation fonctionnelle

True

9.896

30

30

30

154

96%

25.931

2020-03-26

td2a/td2a_correction_session_1.ipynb

2A.data - DataFrame et Graphes - correction

True

26.818

27

26

26

155

100%

2.965

2020-03-26

td2a/td2a_correction_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation - correction

True

3.883

13

13

13

156

100%

1.012

2020-03-26

td2a/td2a_correction_session_2C.ipynb

2A.soft - IPython et commandes magiques - correction

True

1.910

6

6

6

157

100%

18.949

2020-03-26

td2a/td2a_correction_session_2E.ipynb

2A.i - Sérialisation - correction

True

20.738

22

22

22

158

100%

0.495

2020-03-26

td2a/td2a_correction_session_5.ipynb

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

True

1.401

3

3

3

159

100%

22.174

2020-03-26

td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb

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

True

23.074

33

33

33

160

100%

3.756

2020-03-26

td2a/td2a_ml_text_features.ipynb

2A.ml - Classification binaire avec features textuelles

True

4.653

18

18

18

161

100%

12.268

2020-03-26

td2a/td2a_ml_text_features_correction.ipynb

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

True

13.487

23

23

23

162

100%

11.408

2020-04-02

td2a/td2a_progressbar.ipynb

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

True

13.328

6

6

6

163

100%

18.837

2020-04-02

td2a/td2a_some_nlp.ipynb

2A.ml - Texte et machine learning

True

19.722

36

36

36

164

90%

35.914

2020-04-02

td2a/td2a_visualisation.ipynb

2A.data - Matplotlib

True

37.147

42

38

38

165

100%

0.098

2020-04-02

td2a_algo/gentry_integer_encryption.ipynb

Cryptage homomorphic de Craig Gentry

True

1.502

6

6

6

166

100%

0.117

2020-04-02

td2a_algo/gentry_integer_encryption_correction.ipynb

Cryptage homomorphic de Craig Gentry - correction

True

2.432

6

6

6

167

100%

8.209

2020-04-02

td2a_algo/knn_high_dimension.ipynb

2A.algo - Plus proches voisins en grande dimension

True

9.165

8

8

8

168

100%

33.086

2020-04-02

td2a_algo/knn_high_dimension_correction.ipynb

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

True

34.008

20

20

20

169

100%

0.176

2020-04-02

td2a_algo/td2a_cenonce_session_6A.ipynb

2A.algo - Puzzles algorithmiques (1)

True

1.143

6

6

6

170

100%

0.080

2020-04-02

td2a_algo/td2a_cenonce_session_6B.ipynb

2A.algo - Puzzles algorithmiques (2)

True

1.018

5

5

5

171

100%

0.550

2020-04-02

td2a_algo/td2a_correction_session_6A.ipynb

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

True

1.546

6

6

6

172

100%

0.103

2020-04-02

td2a_algo/td2a_correction_session_6B.ipynb

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

True

1.044

6

6

6

173

100%

45.034

2020-03-26

td2a_eco/TD2A_Eco_Web_Scraping.ipynb

2A.eco - Web-Scraping

True

46.346

29

29

29

174

100%

8.209

2020-03-26

td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb

2A.eco - Web-Scraping - correction

True

11.154

6

6

6

175

100%

1.301

2020-03-26

td2a_eco/TD2A_eco_API_SNCF.ipynb

2A.eco - Exercice API SNCF

True

2.146

9

9

9

176

100%

36.568

2020-03-26

td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb

2A.eco - Exercice API SNCF corrigé

True

37.901

39

39

39

177

100%

1.628

2020-04-02

td2a_eco/TD2A_eco_debuter_flask.ipynb

2A.eco - Débuter avec Flask

True

3.101

14

14

14

178

100%

3.920

2020-04-02

td2a_eco/TD2A_eco_les_API.ipynb

2A.eco - API, API REST

True

4.808

15

15

15

179

100%

2.722

2020-04-02

td2a_eco/td2_eco_rappels_1a.ipynb

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

True

3.645

29

29

29

180

100%

6.408

2020-04-02

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb

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

True

7.682

34

34

34

181

100%

8.645

2020-04-02

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb

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

True

9.626

35

35

35

182

100%

0.000

2020-04-02

td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb

2A.eco - Exercice Python - Eco Séance 2

True

0.874

1

1

1

183

100%

0.476

2020-04-02

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

1.329

3

3

3

184

100%

1.238

2020-04-02

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

2.115

10

10

10

185

100%

2.230

2020-04-02

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

3.095

16

16

16

186

100%

3.628

2020-04-02

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

5.495

14

14

14

187

100%

8.491

2020-04-02

td2a_eco/td2a_eco_regressions_lineaires.ipynb

Régressions linéaires avec Statsmodels et Scikit-Learn

True

9.408

12

12

12

188

100%

2.491

2020-04-02

td2a_eco/td2a_eco_sql.ipynb

2A.eco - Python et la logique SQL

True

4.332

26

26

26

189

100%

3.641

2020-04-02

td2a_eco/td2a_eco_sql_correction.ipynb

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

True

4.574

36

36

36

190

100%

9.651

2020-03-26

td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb

TD7 - Analyse de texte

True

10.606

29

29

29

191

100%

7.270

2020-03-26

td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb

TD7 - Analyse de texte - correction

True

8.113

29

29

29

192

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

193

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

194

100%

493.051

2020-03-26

td2a_eco2/td2a_eco_NLP_tf_idf_ngrams_LDA_word2vec_sur_des_extraits_litteraires.ipynb

2A.eco - Introduction au text mining

True

494.725

69

69

69

195

100%

93.531

2020-04-02

td2a_ml/gradient_boosting.ipynb

Gradient Boosting

True

94.444

37

37

37

196

100%

147.842

2020-03-26

td2a_ml/ml_a_tree_overfitting.ipynb

2A.ml - Tree, hyperparamètres, overfitting

True

149.884

28

28

28

197

100%

42.302

2020-04-02

td2a_ml/ml_b_imbalanced.ipynb

2A.ml - Imbalanced dataset

True

43.226

22

22

22

198

100%

5.301

2020-04-02

td2a_ml/ml_c_machine_learning_problems.ipynb

2A.ml - Problèmes classiques de machine learning illustrés

True

6.311

41

41

41

199

100%

0.236

2020-04-02

td2a_ml/ml_cc_machine_learning_problems2.ipynb

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

True

1.164

4

4

4

200

100%

3.246

2020-04-02

td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb

2A.ml - Interprétabilité et corrélations des variables

True

4.960

26

26

26

201

100%

36.772

2020-04-02

td2a_ml/ml_lasso_rf_grid_search_correction.ipynb

Hyperparamètres, LassoRandomForestRregressor et grid_search (correction)

True

37.740

15

15

15

202

100%

0.874

2020-04-02

td2a_ml/ml_lasso_rf_grid_search_enonce.ipynb

Hyperparamètres, LassoRandomForestRregressor et grid_search (énoncé)

True

2.562

4

4

4

203

100%

0.627

2020-04-02

td2a_ml/ml_scikit_learn_simple.ipynb

Rappels sur scikit-learn et le machine learning

True

1.521

12

12

12

204

100%

4.042

2020-04-02

td2a_ml/ml_scikit_learn_simple_correction.ipynb

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

True

4.897

21

21

21

205

100%

8.148

2020-04-02

td2a_ml/seasonal_timeseries.ipynb

Timeseries

True

9.048

42

42

42

206

100%

237.426

2020-03-26

td2a_ml/td2a_cenonce_session_3A.ipynb

2A.ml - Statistiques descriptives avec scikit-learn

True

238.943

18

18

18

207

100%

32.817

2020-03-26

td2a_ml/td2a_cenonce_session_3B.ipynb

2A.ml - Arbres de décision / Random Forest

True

35.337

16

16

16

208

100%

1.052

2020-04-02

td2a_ml/td2a_cenonce_session_4A.ipynb

2A.ml - Machine Learning et Marketting

True

2.534

9

9

9

209

100%

0.916

2020-04-02

td2a_ml/td2a_clustering.ipynb

2A.ml - Clustering

True

2.822

6

6

6

210

100%

26.752

2020-04-02

td2a_ml/td2a_clustering_correction.ipynb

2A.ml - Clustering - correction

True

27.653

25

25

25

211

100%

16.174

2020-04-02

td2a_ml/td2a_correction_cl_reg_anomaly.ipynb

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

True

17.972

33

33

33

212

100%

303.002

2020-03-26

td2a_ml/td2a_correction_session_3A.ipynb

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

True

304.377

23

23

23

213

100%

97.159

2020-03-26

td2a_ml/td2a_correction_session_3B.ipynb

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

True

98.505

26

26

26

214

100%

8.095

2020-04-02

td2a_ml/td2a_correction_session_4A.ipynb

2A.ml - Machine Learning et Marketting - correction

True

9.855

26

26

26

215

100%

1.178

2020-04-02

td2a_ml/td2a_enonce_cl_reg_anomaly.ipynb

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

True

2.063

9

9

9

216

96%

7.365

2020-03-26

td2a_ml/td2a_ethics.ipynb

Machine Learning éthique

True

8.278

31

30

30

217

100%

0.091

2020-03-26

td2a_ml/td2a_ethics_correction.ipynb

Machine Learning éthique - correction

True

0.932

2

2

2

218

100%

9.775

2020-04-02

td2a_ml/td2a_pipeline_tree_selection_correction.ipynb

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

True

11.857

24

24

24

219

100%

1.288

2020-04-02

td2a_ml/td2a_pipeline_tree_selection_enonce.ipynb

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

True

2.241

11

11

11

220

100%

0.687

2020-04-02

td2a_ml/td2a_sentiment_analysis.ipynb

2A.ml - Analyse de sentiments

True

1.528

6

6

6

221

100%

80.594

2020-04-02

td2a_ml/td2a_sentiment_analysis_correction.ipynb

2A.ml - Analyse de sentiments - correction

True

81.458

44

44

44

222

100%

1.390

2020-04-02

td2a_ml/td2a_timeseries.ipynb

2A.ml - Séries temporelles

True

2.251

15

15

15

223

100%

3.968

2020-04-02

td2a_ml/td2a_timeseries_correction.ipynb

2A.ml - Séries temporelles - correction

True

4.873

16

16

16

224

100%

23.926

2020-04-02

td2a_ml/td2a_tree_selection_correction.ipynb

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

True

24.804

19

19

19

225

100%

0.680

2020-04-02

td2a_ml/td2a_tree_selection_enonce.ipynb

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

True

1.566

8

8

8

_images/nbcov.png