:orphan: |rss_image| **2017-09 - 1/1** :ref:`Blog ` :ref:`article (8) ` :ref:`articles (3) ` :ref:`cours (6) ` :ref:`module (7) ` :ref:`paper (3) ` .. |rss_image| image:: feed-icon-16x16.png :target: ../_downloads/rss.xml :alt: RSS ---- .. index:: 2017-09 .. _ap-month-2017-09-0: 2017-09 - 1/1 +++++++++++++ .. blogpostagg:: :title: Pourquoi pandas et numpy, pourquoi pas seulement pandas (2A) ? :date: 2017-09-19 :keywords: machine learning,pandas,numpy,matplotlib :categories: machine learning :rawfile: 2017/2017-09-19_pandas_numpy.rst Voici quelques questions abordées durant la première séance. L'instruction :epkg:`pandas:read_csv` n'a pas toujours fonctionné. Deux principales raisons à cela, la première à cause du **chemin**. Un chemin peut être absolu, il commence par ``c:\`` ou ``\`` sous Windows ou ``/`` sous Linux, ou relatif, il commence par un nom. Le chemin absolu ne pose pas de difficulté en :epkg:`Python` sauf dans quelques cas où le chemin est un chemin réseau (commençant par ``\\``). Par défaut, :epkg:`Python` cherche les données à partir de l'emplacement du programme si le chemin est relatif. Cet emplacement est aussi l'emplacement courant pour le programme. Il suffit de placer les fichiers dans ce répetoire pour n'utiliser que le nom du fichier. On l'obtient en exécutant : ... .. blogpostagg:: :title: Carré magique (1A) et transformation d'une fonction :date: 2017-09-19 :keywords: carré magique,list :categories: imagination :rawfile: 2017/2017-09-19_carremagique.rst On veut écrire une fonction qui calcule la somme des nombres sur chaque ligne d'un carré magique pour s'assurer qu'on a bien la même somme à chaque fois. ... .. blogpostagg:: :title: Quelques papiers que j'aimerais avoir le temps de lire :date: 2017-09-13 :keywords: articles :categories: biblio :rawfile: 2017/2017-09-13_papers.rst * `Two New Approaches to Compressed Sensing Exhibiting Both Robust Sparse Recovery and the Grouping Effect `_ * `On the Consistency of Ordinal Regression Methods `_ * `Lens Depth Function and k-Relative Neighborhood Graph: Versatile Tools for Ordinal Data Analysis `_ * `Joint Label Inference in Networks `_ * `Dense Distributions from Sparse Samples: Improved Gibbs Sampling Parameter Estimators for LDA `_ * `Fundamental Conditions for Low-CP-Rank Tensor Completion `_ * `Averaged Collapsed Variational Bayes Inference `_ * `Communication-efficient Sparse Regression `_ * `Distributed Sequence Memory of Multidimensional Inputs in Recurrent Networks `_ * `Automatic Differentiation Variational Inference `_ * `A Unified Formulation and Fast Accelerated Proximal Gradient Method for Classification `_ * `Breaking the Curse of Dimensionality with Convex Neural Networks `_ * `Preference-based Teaching `_ * `Online Bayesian Passive-Aggressive Learning∗ `_ * `Learning Local Dependence In Ordered Data `_ * `Explaining the Success of AdaBoost and Random Forests as Interpolating Classifiers `_ * `Clustering from General Pairwise Observations with Applications to Time-varying Graphs∗ `_ .. blogpostagg:: :title: Titres des notebooks :date: 2017-09-12 :keywords: cours,notebooks,titres :categories: notebooks :rawfile: 2017/2017-09-12_notebook_title.rst Le site contient plus de 300 notebooks qu'on peut retrouver compilés sous la forme d'une gallerie :ref:`l-notebooks` et d'une page qui indique la couverture des tests unitaires : :ref:`l-notebooks-coverage`. Excepté si les notebooks utilisent un cluster un une autre ressources difficile d'accès, ceux-ci sont exécutées une fois par semaine pour vérifier qu'ils continuent à tourner avec les dernières versions des modules dont ils dépendent. Ce faisant, le titre est maintenant précédé d'un code qui indique le public auquel il s'adresse et le contenu. Il y a trois niveaux, 1A, 2A, 3A pour chaque année du cursus à l'ENSAE. Le contenu et indiqué par un code. ... ---- |rss_image| **2017-09 - 1/1** :ref:`2022-10 (1) ` :ref:`2022-12 (2) ` :ref:`2023-01 (1) ` :ref:`2023-02 (1) ` :ref:`2023-04 (1) `