Notebooks Coverage

Report on last executions.

84% 2019-08-22

index	coverage	exe time	last execution	name	title	success	time	nb cells	nb runs	nb valid
0	100%	8.678	2019-08-22	1a/code_liste_tuple.ipynb	1A.1 - Liste, tuple, ensemble, dictionnaire, liste chaînée, coût des opérations	True	9.475	4	4	4
1	100%	2.222	2019-08-22	1a/code_multinomial.ipynb	1A.1 - Simuler une loi multinomiale	True	3.004	12	12	12
2	100%	0.402	2019-08-22	1a/exercice_echelle.ipynb	1A.algo - Calculer le nombre de façons de monter une échelle.	True	1.240	6	6	6
3	100%	1.378	2019-08-22	1a/exercice_morse.ipynb	1A.algo - Décoder du Morse sans espaces	True	2.213	16	16	16
4	100%	1.608	2019-08-22	1a/exercice_plus_grande_somme.ipynb	1A.algo - La sous-séquence de plus grande somme	True	2.421	15	15	15
5	100%	0.277	2019-08-22	1a/exercice_xn.ipynb	1A.algo - Calculer x**n le plus rapidement possible	True	1.090	4	4	4
6	100%	0.987	2019-08-22	1a/histogramme_rapide.ipynb	1A.1 - Histogramme et dictionnaire	True	1.766	8	8	8
7	100%	3.554	2019-08-22	1a/profiling_example.ipynb	1A.soft - Exemple de profiling	True	4.321	11	11	11
8	100%	0.857	2019-08-22	1a/recherche_dichotomique.ipynb	1A.algo - Recherche dichotomique	True	1.686	9	9	9
9	100%	2.711	2019-08-22	1a/structures_donnees_conversion.ipynb	1A.1 - D’une structure de données à l’autre	True	3.548	29	29	29
10	100%	0.755	2019-08-22	1a/tableau_contingence.ipynb	1A.1 - Calculer un chi 2 sur un tableau de contingence	True	1.581	8	8	8
11	100%	19.876	2019-08-22	1a/tri_nlnd.ipynb	1A.algo - Tri plus rapide que prévu	True	20.674	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%	393.810	2019-08-19	2016-2017/solution_2016_credit_clement.ipynb	2016 - Une solution à la compétition de machine learning 2A	True	394.799	28	28	28
16	100%	4.421	2019-08-19	2016/td2a_eco_competition_comparer_classifieurs.ipynb	2A.ml - 2016 - Compétition - Préparation des données	True	5.471	16	16	16
17	100%	3.724	2019-08-19	2016/td2a_eco_competition_modeles_logistiques.ipynb	2A.ml - 2016 - Compétition ENSAE - Premiers modèles	True	4.753	26	26	26
18	100%	106.414	2019-08-19	2016/td2a_eco_competition_statsdesc.ipynb	2A.ml - 2016 - Compétition - Importation des données	True	107.764	22	22	22
19	100%	5.848	2019-08-22	2017-2018/dimensions_reduction.ipynb	Réduction des dimensions	True	6.672	20	20	20
20	100%	6.442	2019-08-08	2017/prepare_data_2017.ipynb	2A.ml - 2017 - Préparation des données	True	7.222	43	43	43
21	89%	1.982	2019-08-22	2018-2019/2018-09-18_rappels_python.ipynb	2018-09-18 - Rappels sur le langage python	True	2.773	28	25	25
22	100%	2.910	2019-08-22	2018-2019/2018-09-18_rappels_python_pandas_matplotlib.ipynb	2018-09-18 - Rappels sur pandas et maplotlib	True	3.744	29	29	29
23	100%	2.562	2019-08-22	2018-2019/2018-09-18_sklearn_api.ipynb	2018-09-18 - API de scikit-learn	True	3.362	21	21	21
24	100%	2.281	2019-08-22	2018-2019/2018-09-25_distance_entre_mots.ipynb	2018-09-25 - Distance entre mots	True	3.111	11	11	11
25	100%	6.015	2019-08-22	2018-2019/2018-10-02_scraping_recuperer_images.ipynb	2018-10-02 - Scraping, récupérer une image depuis LeMonde	True	6.870	20	20	20
26	100%	57.457	2019-08-22	2018-2019/2018-10-09_ensemble_gradient_boosting.ipynb	2018-10-09 Ensemble, Gradient, Boosting…	True	58.244	18	18	18
27	100%	8.750	2019-08-22	2a/bayesian_with_python.ipynb	2A.ml - Bayesian models with Python	True	10.215	18	18	18
28	100%	164.357	2019-08-19	2a/cffi_linear_regression.ipynb	Optimisation de code avec cffi, numba, cython	True	165.655	92	92	92
29	100%	1.739	2019-08-22	2a/dataframe_matrix_speed.ipynb	2A.i - Mesures de vitesse sur les dataframes	True	2.550	15	15	15
30	100%	6.026	2019-08-22	2a/git_notebook.ipynb	2A.soft - Git depuis le notebook	True	6.926	23	23	23
31	100%	0.730	2019-08-22	2a/jupyter_custom_magics.ipynb	2A.soft - Custom Magics for Jupyter	True	1.511	5	5	5
32	100%	5.977	2019-08-22	2a/ml_timeseries_base.ipynb	2A.ml - Timeseries et machine learning	True	6.794	28	28	28
33	100%	1.652	2019-08-22	2a/notebook_convert.ipynb	2A.soft - Convert a notebook into a document	True	2.459	8	8	8
34	0%	nan		2a/python_r.ipynb	2A.soft - R et notebooks		nan	27	0
35	100%	82.855	2019-08-19	2a/seance_5_dask.ipynb	2A.i - Données non structurées, programmation fonctionnelle : dask	True	83.837	16	16	16
36	100%	52.682	2019-08-19	2a/seance_5_intro_et_json.ipynb	2A.i - Données non structurées, programmation fonctionnelle	True	53.521	20	20	20
37	100%	99.753	2019-08-19	2a/seance_5_prog_fonctionnelle.ipynb	2A.i - programmation fonctionnelle	True	100.561	44	44	44
38	100%	13.984	2019-08-22	2a/timeseries_ssa.ipynb	Single Spectrum Analysis (SSA)	True	14.834	27	27	27
39	100%	0.968	2019-08-22	exams/interro_rapide_20_minutes_2014_09.ipynb	1A.e - Correction de l’interrogation écrite du 26 septembre 2014	True	1.779	12	12	12
40	100%	1.467	2019-08-22	exams/interro_rapide_20_minutes_2014_10.ipynb	1A.e - Correction de l’interrogation écrite du 10 octobre 2014	True	2.307	17	17	17
41	82%	3.207	2019-08-22	exams/interro_rapide_20_minutes_2014_11.ipynb	1A.e - Correction de l’interrogation écrite du 14 novembre 2014	True	4.025	35	29	29
42	100%	1.353	2019-08-22	exams/interro_rapide_20_minutes_2014_12.ipynb	1A.e - Correction de l’interrogation écrite du 14 novembre 2014	True	2.174	15	15	15
43	100%	0.581	2019-08-22	exams/interro_rapide_20_minutes_2015_09.ipynb	1A.e - Correction de l’interrogation écrite du 26 septembre 2015	True	1.422	12	12	12
44	100%	0.940	2019-08-22	exams/interro_rapide_20_minutes_2015_11.ipynb	1A.e - Correction de l’interrogation écrite du 6 novembre 2015	True	1.752	16	16	16
45	100%	6.843	2019-08-22	exams/td_note_2013_bout_de_code_coloriage.ipynb	1A.e - TD noté, 27 novembre 2012 (éléments de code pour le coloriage)	True	7.650	6	6	6
46	100%	16.554	2019-08-22	exams/td_note_2013_coloriage_correction.ipynb	1A.e - TD noté, 27 novembre 2012 (coloriage, correction)	True	17.410	14	14	14
47	100%	2.964	2019-08-22	exams/td_note_2015.ipynb	1A.e - TD noté, 5 décembre 2014	True	3.794	36	36	36
48	100%	0.169	2019-08-22	exams/td_note_2015_rattrapage_enonce.ipynb	1A.e - TD noté 2015 rattrapage (énoncé, écrit et oral)	True	1.026	6	6	6
49	100%	3.118	2019-08-22	exams/td_note_2016.ipynb	1A.e - TD noté, 11 décembre 2015	True	3.936	26	26	26
50	100%	2.105	2019-08-22	exams/td_note_2017.ipynb	1A.e - TD noté, 16 décembre 2016	True	2.935	23	23	23
51	100%	1.767	2019-08-22	exams/td_note_2017_2.ipynb	1A.e - TD noté, 21 février 2017	True	2.608	21	21	21
52	100%	4.538	2019-08-22	exams/td_note_2018_1.ipynb	1A.e - Enoncé 12 décembre 2017 (1)	True	5.395	25	25	25
53	100%	3.732	2019-08-22	exams/td_note_2018_2.ipynb	1A.e - Enoncé 12 décembre 2017 (2)	True	4.567	21	21	21
54	100%	19.762	2019-08-22	exams/td_note_2019_1.ipynb	1A.e - Enoncé 23 octobre 2018 (1)	True	20.572	17	17	17
55	100%	8.760	2019-08-22	exams/td_note_2019_2.ipynb	1A.e - Enoncé 23 octobre 2018 (2)	True	9.552	18	18	18
56	100%	15.695	2019-08-22	expose/BJKST.ipynb	2A.algo - Algorithmes de streaming : généralités	True	16.660	39	39	39
57	100%	4.528	2019-08-22	expose/expose_TSP.ipynb	2A.algo - Réflexions autour du voyage de commerce (TSP)	True	5.517	11	11	11
58	100%	1.158	2019-08-22	expose/expose_einstein_riddle.ipynb	2A.algo - L’énigme d’Einstein et sa résolution	True	2.111	4	4	4
59	100%	2.156	2019-08-22	expose/expose_graphe_et_map_reduce.ipynb	3A.mr - Graphes et Map Reduce	True	2.936	11	11	11
60	100%	0.717	2019-08-22	expose/expose_rwr_recommandation.ipynb	3A.mr - Random Walk with Restart (système de recommandations)	True	1.544	4	4	4
61	100%	2.047	2019-08-08	expose/expose_vigenere.ipynb	1A.algo - Casser le code de Vigenère	True	2.974	9	9	9
62	100%	28.628	2019-08-22	expose/hash_distribution.ipynb	2A.algo - Hash et distribution	True	29.413	14	14	14
63	100%	13.704	2019-08-22	expose/ml_features_model.ipynb	2A.ml - Features ou modèle	True	14.484	15	15	15
64	100%	6.489	2019-08-15	expose/ml_huge_datasets.ipynb	2A.i - Huge datasets, datasets hiérarchiques	True	7.594	21	21	21
65	100%	587.658	2019-08-19	expose/ml_rue_paris_parcours.ipynb	2A.algo - Parcourir les rues de Paris	True	588.740	24	24	24
66	100%	176.236	2019-08-19	expose/ml_table_mortalite.ipynb	2A.i - Table de mortalité dans plusieurs containers	True	177.175	34	34	34
67	100%	1.957	2019-08-22	sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb	2A.ML101.0: What is machine learning?	True	2.778	13	13	13
68	100%	2.491	2019-08-22	sklearn_ensae_course/01_data_manipulation.ipynb	2A.ML101.1: Introduction to data manipulation with scientific Python	True	3.325	18	18	18
69	100%	2.993	2019-08-22	sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb	2A.ML101.2: Basic principles of machine learning with scikit-learn	True	3.801	15	15	15
70	100%	6.224	2019-08-22	sklearn_ensae_course/03_supervised_classification.ipynb	2A.ML101.3: Supervised Learning: Classification of Handwritten Digits	True	7.034	12	12	12
71	100%	3.954	2019-08-22	sklearn_ensae_course/04_supervised_regression.ipynb	2A.ML101.4: Supervised Learning: Regression of Housing Data	True	4.767	12	12	12
72	100%	5.282	2019-08-22	sklearn_ensae_course/05_measuring_prediction_performance.ipynb	2A.ML101.5: Measuring prediction performance	True	6.070	23	23	23
73	100%	7.629	2019-08-22	sklearn_ensae_course/06_unsupervised_dimreduction.ipynb	2A.ML101.6: Unsupervised Learning: Dimensionality Reduction and Visualization	True	8.433	18	18	18
74	100%	6.825	2019-08-22	sklearn_ensae_course/07_application_to_face_recognition.ipynb	2A.ML101.7: Example from Image Processing	True	7.702	19	19	19
75	100%	3.735	2019-08-22	sklearn_ensae_course/08_validation_and_learning_curves.ipynb	2A.ML101.8: Parameter selection, Validation & Testing	True	4.592	15	15	15
76	100%	0.634	2019-08-22	td1a/integrale_rectangle.ipynb	1A.1 - Intégrale et la méthode des rectangles	True	1.468	6	6	6
77	100%	3.042	2019-08-22	td1a/integrale_rectangle_correction.ipynb	1A.1 - Intégrale et la méthode des rectangles - correction	True	3.892	30	30	30
78	100%	0.235	2019-08-22	td1a/j2048.ipynb	1A.2 - 2048 - stratégie gagnante	True	1.120	3	3	3
79	100%	0.898	2019-08-22	td1a/j2048_correction.ipynb	1A.2 - 2048 - stratégie gagnante - correction	True	1.713	11	11	11
80	0%	nan		td1a/matrix_dictionary.ipynb	Produit matriciel avec une matrice creuse		nan	36	0
81	100%	0.256	2019-08-22	td1a/pp_exo_deviner_un_nombre.ipynb	1A.1 - Deviner un nombre aléatoire	True	1.065	5	5	5
82	100%	0.580	2019-08-22	td1a/pp_exo_deviner_un_nombre_correction.ipynb	1A.1 - Deviner un nombre aléatoire (correction)	True	1.370	7	7	7
83	75%	0.885	2019-08-22	td1a/td1a_cenonce_session1.ipynb	1A.0 - Premiers pas en Python	True	2.014	16	12	12
84	100%	2.715	2019-08-22	td1a/td1a_cenonce_session2.ipynb	1A.1 - Variables, boucles, tests	True	3.561	30	30	30
85	100%	1.683	2019-08-22	td1a/td1a_cenonce_session3.ipynb	1A.1 - Dictionnaires, fonctions, code de Vigenère	True	2.695	26	26	26
86	100%	2.336	2019-08-22	td1a/td1a_cenonce_session4.ipynb	1A.2 - Modules, fichiers, expressions régulières	True	3.172	20	20	20
87	100%	1.318	2019-08-22	td1a/td1a_cenonce_session5.ipynb	1A.2 - Classes, méthodes, attributs, opérateurs et carré magique	True	2.129	17	17	17
88	100%	0.672	2019-08-22	td1a/td1a_cenonce_session6.ipynb	1A.2 - Classes, héritage	True	1.547	11	11	11
89	100%	1.014	2019-08-22	td1a/td1a_correction_session1.ipynb	1A.0 - Premiers pas en Python (correction)	True	1.820	13	13	13
90	100%	0.664	2019-08-22	td1a/td1a_correction_session2.ipynb	1A.1 - Variables, boucles, tests (correction)	True	1.507	8	8	8
91	100%	0.661	2019-08-22	td1a/td1a_correction_session3.ipynb	1A.1 - Dictionnaires, fonctions, code de Vigenère (correction)	True	1.476	9	9	9
92	100%	2.130	2019-08-22	td1a/td1a_correction_session4.ipynb	1A.2 - Modules, fichiers, expressions régulières (correction)	True	3.002	20	20	20
93	100%	9.969	2019-08-22	td1a/td1a_correction_session5.ipynb	1A.2 - Classes, méthodes, attributs, opérateurs et carré magique (correction)	True	10.766	12	12	12
94	100%	0.446	2019-08-22	td1a/td1a_correction_session6.ipynb	1A.2 - Classes, héritage (correction)	True	1.265	5	5	5
95	100%	0.692	2019-08-22	td1a/td1a_pyramide_bigarree.ipynb	1A.1 - Tracer une pyramide bigarrée	True	1.653	5	5	5
96	100%	1.632	2019-08-22	td1a/td1a_pyramide_bigarree_correction.ipynb	1A.1 - Tracer une pyramide bigarrée - correction	True	2.423	11	11	11
97	100%	0.847	2019-08-22	td1a/texte_langue.ipynb	1A.2 - Deviner la langue d’un texte	True	1.629	6	6	6
98	100%	4.538	2019-08-22	td1a/texte_langue_correction.ipynb	1A.2 - Deviner la langue d’un texte (correction)	True	5.376	23	23	23
99	100%	0.284	2019-08-22	td1a_algo/BJKST_enonce.ipynb	1A.algo - BJKST - calculer le nombre d’éléments distincts	True	1.258	4	4	4
100	100%	0.798	2019-08-22	td1a_algo/graph1exo_parcours.ipynb	1A.algo - Parcours de graphe	True	1.592	8	8	8
101	100%	0.993	2019-08-22	td1a_algo/graph1exo_parcours_correction.ipynb	1A.algo - Parcours de graphe - correction	True	1.811	9	9	9
102	100%	0.504	2019-08-22	td1a_algo/graph4exos.ipynb	1A.algo - Des problèmes de graphes	True	1.506	6	6	6
103	100%	0.586	2019-08-22	td1a_algo/graph_spectral_clustering.ipynb	1A.algo - Spectral Clustering	True	1.385	6	6	6
104	100%	1.023	2019-08-22	td1a_algo/graph_spectral_clustering_correction.ipynb	1A.algo - Spectral Clustering - correction	True	1.812	11	11	11
105	100%	0.091	2019-08-22	td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb	1A.algo - distance de Jaccard (dictionnaires)	True	0.880	4	4	4
106	100%	3.200	2019-08-22	td1a_algo/td1a_cenonce_session7.ipynb	1A.algo - Programmation dynamique et plus court chemin	True	4.145	17	17	17
107	100%	0.370	2019-08-22	td1a_algo/td1a_cenonce_session7_edition.ipynb	1A.algo - La distance d’édition	True	1.189	8	8	8
108	100%	0.325	2019-08-22	td1a_algo/td1a_cenonce_session8.ipynb	1A.algo - Arbre et Trie	True	1.252	10	10	10
109	100%	0.098	2019-08-22	td1a_algo/td1a_cenonce_session8_wikiroot.ipynb	1A.algo - Parcours dans un graphe (wikipédia)	True	0.900	4	4	4
110	100%	1.122	2019-08-22	td1a_algo/td1a_cenonce_session9.ipynb	1A.algo - Optimisation sous contrainte	True	2.021	6	6	6
111	100%	4.141	2019-08-22	td1a_algo/td1a_correction_session4_5_jaccard.ipynb	1A.algo - distance de Jaccard (dictionnaires) - correction	True	4.948	17	17	17
112	100%	4.453	2019-08-22	td1a_algo/td1a_correction_session7.ipynb	1A.algo - Programmation dynamique et plus court chemin (correction)	True	5.237	15	15	15
113	100%	1.812	2019-08-22	td1a_algo/td1a_correction_session7_edition.ipynb	1A.algo - La distance d’édition (correction)	True	2.662	20	20	20
114	100%	64.098	2019-08-19	td1a_algo/td1a_correction_session8.ipynb	1A.algo - Arbre et Trie (correction)	True	65.205	20	20	20
115	100%	2.087	2019-08-22	td1a_algo/td1a_correction_session8_wikiroot.ipynb	1A.algo - Parcours dans un graphe (wikipédia) - correction	True	2.885	5	5	5
116	100%	1.199	2019-08-22	td1a_algo/td1a_correction_session9.ipynb	1A.algo - Optimisation sous contrainte (correction)	True	2.142	7	7	7
117	100%	0.000	2019-08-22	td1a_algo/td1a_plus_grande_somme.ipynb	1A.algo - la sous-séquence de plus grande somme	True	0.966	1	1	1
118	100%	164.236	2019-08-22	td1a_algo/td1a_plus_grande_somme_correction.ipynb	1A.algo - la sous-séquence de plus grande somme - correction	True	165.002	10	10	10
119	87%	1.356	2019-08-22	td1a_algo/td1a_quicksort.ipynb	1A.algo - Quicksort	True	2.245	8	7	7
120	100%	2.225	2019-08-22	td1a_algo/td1a_quicksort_correction.ipynb	1A.algo - quicksort - correction	True	3.071	10	10	10
121	100%	0.830	2019-08-22	td1a_algo/td1a_sobel.ipynb	1A.algo - filtre de Sobel	True	1.747	6	6	6
122	100%	4.910	2019-08-22	td1a_algo/td1a_sobel_correction.ipynb	1A.algo - filtre de Sobel - correction	True	5.718	8	8	8
123	100%	0.109	2019-08-22	td1a_dfnp/decorrelation.ipynb	1A.data - Décorrélation de variables aléatoires	True	0.921	7	7	7
124	100%	1.182	2019-08-22	td1a_dfnp/decorrelation_correction.ipynb	1A.data - Décorrélation de variables aléatoires - correction	True	1.984	15	15	15
125	100%	5.064	2019-08-22	td1a_dfnp/td1a_cenonce_session_10.ipynb	1A.data - DataFrame et Matrice	True	6.016	51	51	51
126	100%	11.225	2019-08-19	td1a_dfnp/td1a_cenonce_session_12_carte.ipynb	1A.data - Visualisation des données - cartes	True	12.785	22	22	22
127	100%	13.892	2019-08-19	td1a_dfnp/td1a_cenonce_session_12_js.ipynb	1A.data - Visualisation des données - graphes interactifs	True	14.818	9	9	9
128	87%	18.586	2019-08-19	td1a_dfnp/td1a_cenonce_session_12_plot.ipynb	1A.data - Visualisation des données	True	20.167	16	14	14
129	100%	3.037	2019-08-19	td1a_dfnp/td1a_correction_session_10.ipynb	1A.data - DataFrame et Matrice (correction)	True	4.355	18	18	18
130	100%	37.578	2019-08-19	td1a_dfnp/td1a_correction_session_12.ipynb	1A.data - visualisation des données - correction	True	38.582	14	14	14
131	100%	1.654	2019-08-22	td1a_soft/td1a_cython_edit.ipynb	1A.soft - Calcul numérique et Cython	True	2.511	15	15	15
132	100%	1.879	2019-08-22	td1a_soft/td1a_cython_edit_correction.ipynb	1A.soft - Calcul numérique et Cython - correction	True	2.718	8	8	8
133	100%	62.927	2019-08-22	td1a_soft/td1a_sql.ipynb	1A.soft - Notions de SQL	True	63.799	34	34	34
134	100%	60.245	2019-08-22	td1a_soft/td1a_sql_correction.ipynb	1A.soft - Notions de SQL - correction	True	61.257	15	15	15
135	100%	3.550	2019-08-22	td1a_soft/td1a_unit_test_ci.ipynb	1A.soft - Tests unitaires, setup et ingéniérie logicielle	True	4.362	14	14	14
136	100%	0.902	2019-08-22	td2a/ml_crypted_data.ipynb	2A.ml - Machine Learning et données cryptées	True	1.808	9	9	9
137	100%	8.121	2019-08-22	td2a/ml_crypted_data_correction.ipynb	2A.ml - Machine Learning et données cryptées - correction	True	8.935	38	38	38
138	100%	1.007	2019-08-22	td2a/pandas_iterator.ipynb	2A.data - Pandas et itérateurs	True	1.944	8	8	8
139	100%	2.335	2019-08-22	td2a/pandas_iterator_correction.ipynb	2A.data - Pandas et itérateurs - correction	True	3.222	19	19	19
140	100%	0.092	2019-08-22	td2a/td2a_bigdata_memory.ipynb	2A.i - Stratégies et grandes matrices en mémoire	True	0.992	8	8	8
141	96%	30.436	2019-08-19	td2a/td2a_cenonce_session_1.ipynb	2A.data - DataFrame et Graphes	True	31.726	75	72	72
142	100%	7.123	2019-08-22	td2a/td2a_cenonce_session_2A.ipynb	2A.data - Calcul Matriciel, Optimisation	True	7.934	71	71	71
143	100%	0.373	2019-08-22	td2a/td2a_cenonce_session_2C.ipynb	2A.soft - Jupyter et commandes magiques	True	1.209	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%	0.733	2019-08-22	td2a/td2a_cenonce_session_2E.ipynb	2A.i - Sérialisation	True	1.562	8	8	8
147	100%	1.758	2019-08-19	td2a/td2a_cenonce_session_5.ipynb	2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien	True	2.591	20	20	20
148	100%	12.592	2019-08-19	td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb	2A.i - Données non structurées et programmation fonctionnelle	True	13.416	30	30	30
149	96%	27.499	2019-08-19	td2a/td2a_correction_session_1.ipynb	2A.data - DataFrame et Graphes - correction	True	28.564	27	26	26
150	100%	2.806	2019-08-19	td2a/td2a_correction_session_2A.ipynb	2A.data - Calcul Matriciel, Optimisation - correction	True	3.689	13	13	13
151	100%	0.897	2019-08-19	td2a/td2a_correction_session_2C.ipynb	2A.soft - IPython et commandes magiques - correction	True	1.687	6	6	6
152	100%	19.987	2019-08-19	td2a/td2a_correction_session_2E.ipynb	2A.i - Sérialisation - correction	True	21.061	22	22	22
153	100%	0.602	2019-08-19	td2a/td2a_correction_session_5.ipynb	2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien - correction	True	1.404	3	3	3
154	100%	27.122	2019-08-19	td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb	2A.i - Données non structurées, programmation fonctionnelle - correction	True	28.008	33	33	33
155	100%	3.284	2019-08-19	td2a/td2a_ml_text_features.ipynb	2A.ml - Classification binaire avec features textuelles	True	4.091	18	18	18
156	100%	14.615	2019-08-19	td2a/td2a_ml_text_features_correction.ipynb	2A.ml - Classification binaire avec features textuelles - correction	True	17.522	23	23	23
157	100%	11.310	2019-08-22	td2a/td2a_progressbar.ipynb	2A.i - ProgressBar et fusion de random forest - énoncé	True	12.148	6	6	6
158	100%	14.315	2019-08-22	td2a/td2a_some_nlp.ipynb	2A.ml - Texte et machine learning	True	15.172	29	29	29
159	90%	43.192	2019-08-22	td2a/td2a_visualisation.ipynb	2A.data - Matplotlib	True	44.081	42	38	38
160	100%	0.075	2019-08-22	td2a_algo/gentry_integer_encryption.ipynb	Cryptage homomorphic de Craig Gentry	True	0.884	6	6	6
161	100%	0.089	2019-08-22	td2a_algo/gentry_integer_encryption_correction.ipynb	Cryptage homomorphic de Craig Gentry - correction	True	0.947	6	6	6
162	100%	6.202	2019-08-22	td2a_algo/knn_high_dimension.ipynb	2A.algo - Plus proches voisins en grande dimension	True	7.015	8	8	8
163	100%	30.273	2019-08-22	td2a_algo/knn_high_dimension_correction.ipynb	2A.algo - Plus proches voisins en grande dimension - correction	True	31.103	20	20	20
164	100%	0.112	2019-08-22	td2a_algo/td2a_cenonce_session_6A.ipynb	2A.algo - Puzzles algorithmiques (1)	True	0.915	6	6	6
165	100%	0.074	2019-08-22	td2a_algo/td2a_cenonce_session_6B.ipynb	2A.algo - Puzzles algorithmiques (2)	True	0.871	5	5	5
166	100%	0.419	2019-08-22	td2a_algo/td2a_correction_session_6A.ipynb	2A.algo - Puzzles algorithmes (1) - correction	True	1.225	6	6	6
167	100%	0.090	2019-08-22	td2a_algo/td2a_correction_session_6B.ipynb	2A.algo - Puzzles algorithmes (2) - correction	True	0.943	6	6	6
168	100%	46.042	2019-08-15	td2a_eco/TD2A_Eco_Web_Scraping.ipynb	2A.eco - Web-Scraping	True	47.229	29	29	29
169	100%	11.459	2019-08-19	td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb	2A.eco - Web-Scraping - correction	True	12.334	6	6	6
170	100%	0.941	2019-08-08	td2a_eco/TD2A_eco_API_SNCF.ipynb	2A.eco - Exercice API SNCF	True	1.798	8	8	8
171	100%	43.923	2019-08-08	td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb	2A.eco - Exercice API SNCF corrigé	True	44.992	35	35	35
172	100%	1.127	2019-08-22	td2a_eco/TD2A_eco_debuter_flask.ipynb	2A.eco - Débuter avec Flask	True	2.118	14	14	14
173	100%	4.384	2019-08-22	td2a_eco/TD2A_eco_les_API.ipynb	2A.eco - API, API REST	True	5.266	15	15	15
174	100%	2.821	2019-08-22	td2a_eco/td2_eco_rappels_1a.ipynb	2A.eco - Rappel de ce que vous savez déjà mais avez peut-être oublié	True	3.784	29	29	29
175	100%	5.083	2019-08-22	td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb	2A.eco - Traitement automatique de la langue en Python	True	5.886	34	34	34
176	100%	8.797	2019-08-22	td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb	2A.eco - Traitement automatique de la langue en Python - correction	True	9.667	35	35	35
177	100%	0.000	2019-08-22	td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb	2A.eco - Exercice Python - Eco Séance 2	True	0.896	1	1	1
178	100%	0.650	2019-08-22	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	1.847	3	3	3
179	100%	1.327	2019-08-22	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	2.185	10	10	10
180	100%	2.985	2019-08-22	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	3.887	16	16	16
181	100%	3.215	2019-08-22	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	4.096	14	14	14
182	100%	9.328	2019-08-22	td2a_eco/td2a_eco_regressions_lineaires.ipynb	Régressions linéaires avec Statsmodels et Scikit-Learn	True	10.158	12	12	12
183	100%	2.488	2019-08-22	td2a_eco/td2a_eco_sql.ipynb	2A.eco - Python et la logique SQL	True	3.549	26	26	26
184	100%	3.588	2019-08-22	td2a_eco/td2a_eco_sql_correction.ipynb	2A.eco - Python et la logique SQL - correction	True	4.463	36	36	36
185	0%	nan		td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb	TD7 - Analyse de texte		nan	61	0
186	0%	nan		td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb	TD7 - Analyse de texte - correction		nan	61	0
187	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
188	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
189	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
190	100%	191.982	2019-08-19	td2a_ml/ml_a_tree_overfitting.ipynb	2A.ml - Tree, hyperparamètres, overfitting	True	193.062	27	27	27
191	100%	44.972	2019-08-22	td2a_ml/ml_b_imbalanced.ipynb	2A.ml - Imbalanced dataset	True	45.829	20	20	20
192	100%	5.539	2019-08-22	td2a_ml/ml_c_machine_learning_problems.ipynb	2A.ml - Problèmes classiques de machine learning illustrés	True	6.409	41	41	41
193	100%	0.242	2019-08-22	td2a_ml/ml_cc_machine_learning_problems2.ipynb	2A.ml - Boosting, random forest, gradient - les features qu’ils aiment	True	1.079	4	4	4
194	100%	3.085	2019-08-22	td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb	2A.ml - Interprétabilité et corrélations des variables	True	3.915	26	26	26
195	100%	0.638	2019-08-22	td2a_ml/ml_scikit_learn_simple.ipynb	Rappels sur scikit-learn et le machine learning	True	1.656	12	12	12
196	100%	4.597	2019-08-22	td2a_ml/ml_scikit_learn_simple_correction.ipynb	Rappels sur scikit-learn et le machine learning (correction)	True	5.401	21	21	21
197	100%	9.913	2019-08-22	td2a_ml/seasonal_timeseries.ipynb	Timeseries	True	12.601	42	42	42
198	100%	230.565	2019-08-19	td2a_ml/td2a_cenonce_session_3A.ipynb	2A.ml - Statistiques descriptives avec scikit-learn	True	231.496	21	21	21
199	100%	44.241	2019-08-19	td2a_ml/td2a_cenonce_session_3B.ipynb	2A.ml - Arbres de décision / Random Forest	True	45.289	16	16	16
200	100%	0.989	2019-08-22	td2a_ml/td2a_cenonce_session_4A.ipynb	2A.ml - Machine Learning et Marketting	True	1.771	9	9	9
201	100%	1.053	2019-08-22	td2a_ml/td2a_clustering.ipynb	2A.ml - Clustering	True	2.559	6	6	6
202	100%	25.070	2019-08-22	td2a_ml/td2a_clustering_correction.ipynb	2A.ml - Clustering - correction	True	25.914	25	25	25
203	100%	325.953	2019-08-19	td2a_ml/td2a_correction_session_3A.ipynb	2A.ml - Statistiques descriptives avec scikit-learn - correction	True	327.102	23	23	23
204	100%	148.353	2019-08-19	td2a_ml/td2a_correction_session_3B.ipynb	2A.ml - Arbres de décision / Random Forest - correction	True	149.449	26	26	26
205	100%	8.306	2019-08-22	td2a_ml/td2a_correction_session_4A.ipynb	2A.ml - Machine Learning et Marketting - correction	True	9.110	26	26	26
206	81%	3.231	2019-08-22	td2a_ml/td2a_ethics.ipynb	Machine Learning éthique	True	4.025	16	13	13
207	100%	0.091	2019-08-22	td2a_ml/td2a_ethics_correction.ipynb	Machine Learning éthique - correction	True	0.879	2	2	2
208	100%	0.681	2019-08-22	td2a_ml/td2a_sentiment_analysis.ipynb	2A.ml - Analyse de sentiments	True	1.521	6	6	6
209	100%	86.693	2019-08-22	td2a_ml/td2a_sentiment_analysis_correction.ipynb	2A.ml - Analyse de sentiments - correction	True	87.545	44	44	44
210	100%	1.603	2019-08-22	td2a_ml/td2a_timeseries.ipynb	2A.ml - Séries temporelles	True	2.456	15	15	15
211	100%	5.234	2019-08-22	td2a_ml/td2a_timeseries_correction.ipynb	2A.ml - Séries temporelles - correction	True	6.073	16	16	16