Notebooks Coverage

Report on last executions.

91% 2020-10-19

_images/nbcov-2020-10-19.png

index

coverage

exe time

last execution

name

title

success

time

nb cells

nb runs

nb valid

0

100%

8.481

2020-10-19

1a/code_liste_tuple.ipynb

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

True

9.372

4

4

4

1

100%

2.418

2020-10-19

1a/code_multinomial.ipynb

1A.1 - Simuler une loi multinomiale

True

3.354

12

12

12

2

100%

3.129

2020-10-19

1a/coloriage_carre.ipynb

Jeux de coloriage

True

4.102

23

23

23

3

100%

0.481

2020-10-19

1a/exercice_echelle.ipynb

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

True

1.444

6

6

6

4

100%

1.592

2020-10-19

1a/exercice_morse.ipynb

1A.algo - Décoder du Morse sans espaces

True

3.674

16

16

16

5

100%

1.741

2020-10-19

1a/exercice_plus_grande_somme.ipynb

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

True

2.656

15

15

15

6

100%

0.380

2020-10-19

1a/exercice_xn.ipynb

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

True

1.289

4

4

4

7

100%

0.843

2020-10-19

1a/histogramme_rapide.ipynb

1A.1 - Histogramme et dictionnaire

True

1.744

8

8

8

8

100%

20.968

2020-10-19

1a/nbheap.ipynb

Heap

True

22.411

15

15

15

9

100%

3.868

2020-10-19

1a/profiling_example.ipynb

1A.soft - Exemple de profiling

True

5.614

11

11

11

10

100%

0.753

2020-10-19

1a/recherche_dichotomique.ipynb

1A.algo - Recherche dichotomique

True

1.690

9

9

9

11

100%

3.282

2020-10-19

1a/structures_donnees_conversion.ipynb

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

True

4.178

29

29

29

12

100%

0.863

2020-10-19

1a/tableau_contingence.ipynb

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

True

1.754

8

8

8

13

100%

18.838

2020-10-19

1a/tri_nlnd.ipynb

1A.algo - Tri plus rapide que prévu

True

19.736

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%

64.282

2020-10-15

2016-2017/solution_2016_credit_clement.ipynb

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

True

66.301

28

28

28

18

100%

5.502

2020-10-14

2016/td2a_eco_competition_comparer_classifieurs.ipynb

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

True

6.411

16

16

16

19

100%

5.841

2020-10-14

2016/td2a_eco_competition_modeles_logistiques.ipynb

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

True

6.823

26

26

26

20

100%

79.422

2020-10-14

2016/td2a_eco_competition_statsdesc.ipynb

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

True

84.791

22

22

22

21

100%

5.580

2020-10-19

2017-2018/dimensions_reduction.ipynb

Réduction des dimensions

True

7.537

20

20

20

22

100%

6.723

2020-10-14

2017/prepare_data_2017.ipynb

2A.ml - 2017 - Préparation des données

True

7.697

43

43

43

23

89%

2.227

2020-10-19

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

2018-09-18 - Rappels sur le langage python

True

3.930

28

25

25

24

100%

3.837

2020-10-19

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

2018-09-18 - Rappels sur pandas et maplotlib

True

4.786

29

29

29

25

100%

3.240

2020-10-19

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

2018-09-18 - API de scikit-learn

True

4.183

21

21

21

26

100%

0.815

2020-10-19

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

2018-09-25 - Distance entre mots

True

1.752

11

11

11

27

100%

5.562

2020-10-19

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

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

True

6.448

20

20

20

28

100%

43.787

2020-10-19

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

2018-10-09 Ensemble, Gradient, Boosting…

True

44.713

18

18

18

29

100%

7.073

2020-10-19

2a/bayesian_with_python.ipynb

2A.ml - Bayesian models with Python

True

9.447

19

19

19

30

100%

86.201

2020-10-14

2a/cffi_linear_regression.ipynb

Optimisation de code avec cffi, numba, cython

True

87.710

92

92

92

31

100%

2.020

2020-10-19

2a/dataframe_matrix_speed.ipynb

2A.i - Mesures de vitesse sur les dataframes

True

2.999

15

15

15

32

100%

7.034

2020-10-19

2a/git_notebook.ipynb

2A.soft - Git depuis le notebook

True

9.536

23

23

23

33

100%

0.752

2020-10-19

2a/jupyter_custom_magics.ipynb

2A.soft - Custom Magics for Jupyter

True

2.686

5

5

5

34

100%

6.749

2020-10-19

2a/ml_timeseries_base.ipynb

2A.ml - Timeseries et machine learning

True

7.907

28

28

28

35

100%

1.264

2020-10-19

2a/notebook_convert.ipynb

2A.soft - Convert a notebook into a document

True

2.155

8

8

8

36

100%

100.773

2020-10-14

2a/seance_5_dask.ipynb

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

True

101.774

16

16

16

37

100%

40.588

2020-10-14

2a/seance_5_intro_et_json.ipynb

2A.i - Données non structurées, programmation fonctionnelle

True

41.465

20

20

20

38

100%

99.761

2020-10-14

2a/seance_5_prog_fonctionnelle.ipynb

2A.i - programmation fonctionnelle

True

101.901

44

44

44

39

100%

17.013

2020-10-19

2a/timeseries_ssa.ipynb

Single Spectrum Analysis (SSA)

True

18.053

27

27

27

40

100%

992.592

2020-10-19

data/data_irep.ipynb

IREP: registre des émissions polluantes

True

994.428

21

21

21

41

100%

3.825

2020-10-19

data/deal_flow_espace_vert.ipynb

Deal flow espaces verts 2018 - 2019

True

5.306

14

14

14

42

100%

1.029

2020-10-19

exams/interro_rapide_20_minutes_2014_09.ipynb

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

True

2.016

12

12

12

43

100%

1.652

2020-10-19

exams/interro_rapide_20_minutes_2014_10.ipynb

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

True

2.645

17

17

17

44

82%

3.327

2020-10-19

exams/interro_rapide_20_minutes_2014_11.ipynb

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

True

5.285

35

29

29

45

100%

1.246

2020-10-19

exams/interro_rapide_20_minutes_2014_12.ipynb

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

True

2.217

15

15

15

46

100%

0.785

2020-10-19

exams/interro_rapide_20_minutes_2015_09.ipynb

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

True

1.687

12

12

12

47

100%

1.120

2020-10-19

exams/interro_rapide_20_minutes_2015_11.ipynb

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

True

2.083

16

16

16

48

100%

6.534

2020-10-19

exams/td_note_2013_bout_de_code_coloriage.ipynb

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

True

7.437

6

6

6

49

100%

15.732

2020-10-19

exams/td_note_2013_coloriage_correction.ipynb

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

True

16.664

14

14

14

50

100%

3.430

2020-10-19

exams/td_note_2015.ipynb

1A.e - TD noté, 5 décembre 2014

True

4.431

36

36

36

51

100%

0.205

2020-10-19

exams/td_note_2015_rattrapage_enonce.ipynb

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

True

1.167

6

6

6

52

100%

3.336

2020-10-19

exams/td_note_2016.ipynb

1A.e - TD noté, 11 décembre 2015

True

4.265

26

26

26

53

100%

2.240

2020-10-19

exams/td_note_2017.ipynb

1A.e - TD noté, 16 décembre 2016

True

3.185

23

23

23

54

100%

2.727

2020-10-19

exams/td_note_2017_2.ipynb

1A.e - TD noté, 21 février 2017

True

3.729

21

21

21

55

100%

4.755

2020-10-19

exams/td_note_2018_1.ipynb

1A.e - Enoncé 12 décembre 2017 (1)

True

5.710

25

25

25

56

100%

3.761

2020-10-19

exams/td_note_2018_2.ipynb

1A.e - Enoncé 12 décembre 2017 (2)

True

4.716

21

21

21

57

100%

19.759

2020-10-19

exams/td_note_2019_1.ipynb

1A.e - Enoncé 23 octobre 2018 (1)

True

20.669

17

17

17

58

100%

8.486

2020-10-19

exams/td_note_2019_2.ipynb

1A.e - Enoncé 23 octobre 2018 (2)

True

9.590

18

18

18

59

100%

4.816

2020-10-19

exams/td_note_2020_1.ipynb

1A.e - Enoncé 22 octobre 2019 (1)

True

6.109

29

29

29

60

100%

4.279

2020-10-19

exams/td_note_2020_2.ipynb

1A.e - Enoncé 22 octobre 2019 (2)

True

5.192

28

28

28

61

100%

17.983

2020-10-19

expose/BJKST.ipynb

2A.algo - Algorithmes de streaming : généralités

True

19.099

39

39

39

62

100%

4.054

2020-10-19

expose/expose_TSP.ipynb

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

True

5.032

11

11

11

63

100%

1.231

2020-10-19

expose/expose_einstein_riddle.ipynb

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

True

3.334

4

4

4

64

100%

5.540

2020-10-19

expose/expose_graphe_et_map_reduce.ipynb

3A.mr - Graphes et Map Reduce

True

7.137

11

11

11

65

100%

0.682

2020-10-19

expose/expose_rwr_recommandation.ipynb

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

True

2.316

4

4

4

66

100%

1.985

2020-10-14

expose/expose_vigenere.ipynb

1A.algo - Casser le code de Vigenère

True

2.857

9

9

9

67

100%

15.773

2020-10-19

expose/hash_distribution.ipynb

2A.algo - Hash et distribution

True

17.233

14

14

14

68

100%

22.132

2020-10-19

expose/ml_features_model.ipynb

2A.ml - Features ou modèle

True

23.576

15

15

15

69

100%

6.873

2020-10-14

expose/ml_huge_datasets.ipynb

2A.i - Huge datasets, datasets hiérarchiques

True

7.815

21

21

21

70

100%

637.918

2020-10-14

expose/ml_rue_paris_parcours.ipynb

2A.algo - Parcourir les rues de Paris

True

640.035

24

24

24

71

100%

175.472

2020-10-14

expose/ml_table_mortalite.ipynb

2A.i - Table de mortalité dans plusieurs containers

True

176.613

35

35

35

72

100%

2.532

2020-10-19

sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb

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

True

3.628

13

13

13

73

100%

2.444

2020-10-19

sklearn_ensae_course/01_data_manipulation.ipynb

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

True

3.272

18

18

18

74

100%

3.525

2020-10-19

sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb

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

True

4.452

15

15

15

75

100%

6.882

2020-10-19

sklearn_ensae_course/03_supervised_classification.ipynb

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

True

7.796

12

12

12

76

100%

3.882

2020-10-19

sklearn_ensae_course/04_supervised_regression.ipynb

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

True

4.873

12

12

12

77

100%

7.233

2020-10-19

sklearn_ensae_course/05_measuring_prediction_performance.ipynb

2A.ML101.5: Measuring prediction performance

True

8.137

23

23

23

78

100%

7.196

2020-10-19

sklearn_ensae_course/06_unsupervised_dimreduction.ipynb

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

True

8.132

18

18

18

79

100%

6.577

2020-10-19

sklearn_ensae_course/07_application_to_face_recognition.ipynb

2A.ML101.7: Example from Image Processing

True

7.553

19

19

19

80

100%

4.046

2020-10-19

sklearn_ensae_course/08_validation_and_learning_curves.ipynb

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

True

4.984

15

15

15

81

100%

0.370

2020-10-19

td1a/integrale_rectangle.ipynb

1A.1 - Intégrale et la méthode des rectangles

True

1.343

6

6

6

82

100%

3.385

2020-10-19

td1a/integrale_rectangle_correction.ipynb

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

True

4.586

30

30

30

83

100%

0.274

2020-10-19

td1a/j2048.ipynb

1A.2 - 2048 - stratégie gagnante

True

2.171

3

3

3

84

100%

0.945

2020-10-19

td1a/j2048_correction.ipynb

1A.2 - 2048 - stratégie gagnante - correction

True

1.828

11

11

11

85

100%

18.386

2020-10-19

td1a/matrix_dictionary.ipynb

Produit matriciel avec une matrice creuse

True

20.254

20

20

20

86

100%

0.304

2020-10-19

td1a/pp_exo_deviner_un_nombre.ipynb

1A.1 - Deviner un nombre aléatoire

True

1.229

5

5

5

87

100%

0.594

2020-10-19

td1a/pp_exo_deviner_un_nombre_correction.ipynb

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

True

2.067

7

7

7

88

75%

0.947

2020-10-19

td1a/td1a_cenonce_session1.ipynb

1A.0 - Premiers pas en Python

True

2.984

16

12

12

89

100%

2.517

2020-10-19

td1a/td1a_cenonce_session2.ipynb

1A.1 - Variables, boucles, tests

True

3.470

30

30

30

90

100%

1.657

2020-10-19

td1a/td1a_cenonce_session3.ipynb

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

True

3.278

26

26

26

91

100%

2.047

2020-10-19

td1a/td1a_cenonce_session4.ipynb

1A.2 - Modules, fichiers, expressions régulières

True

3.029

20

20

20

92

100%

1.361

2020-10-19

td1a/td1a_cenonce_session5.ipynb

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

True

2.289

17

17

17

93

100%

0.841

2020-10-19

td1a/td1a_cenonce_session6.ipynb

1A.2 - Classes, héritage

True

2.325

11

11

11

94

100%

1.061

2020-10-19

td1a/td1a_correction_session1.ipynb

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

True

2.046

13

13

13

95

100%

0.736

2020-10-19

td1a/td1a_correction_session2.ipynb

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

True

1.630

8

8

8

96

100%

0.770

2020-10-19

td1a/td1a_correction_session3.ipynb

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

True

2.006

9

9

9

97

100%

2.299

2020-10-19

td1a/td1a_correction_session4.ipynb

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

True

3.263

20

20

20

98

100%

9.826

2020-10-19

td1a/td1a_correction_session5.ipynb

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

True

11.126

12

12

12

99

100%

0.447

2020-10-19

td1a/td1a_correction_session6.ipynb

1A.2 - Classes, héritage (correction)

True

2.014

5

5

5

100

100%

0.608

2020-10-19

td1a/td1a_pyramide_bigarree.ipynb

1A.1 - Tracer une pyramide bigarrée

True

2.491

5

5

5

101

100%

1.442

2020-10-19

td1a/td1a_pyramide_bigarree_correction.ipynb

1A.1 - Tracer une pyramide bigarrée - correction

True

2.370

11

11

11

102

100%

0.806

2020-10-19

td1a/texte_langue.ipynb

1A.2 - Deviner la langue d’un texte

True

2.189

6

6

6

103

100%

4.717

2020-10-19

td1a/texte_langue_correction.ipynb

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

True

5.620

23

23

23

104

100%

0.306

2020-10-19

td1a_algo/BJKST_enonce.ipynb

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

True

1.328

4

4

4

105

100%

2.580

2020-10-19

td1a_algo/graph1exo_parcours.ipynb

1A.algo - Parcours de graphe

True

3.953

8

8

8

106

100%

1.056

2020-10-19

td1a_algo/graph1exo_parcours_correction.ipynb

1A.algo - Parcours de graphe - correction

True

1.998

9

9

9

107

100%

0.613

2020-10-19

td1a_algo/graph4exos.ipynb

1A.algo - Des problèmes de graphes

True

1.517

6

6

6

108

100%

0.814

2020-10-19

td1a_algo/graph_spectral_clustering.ipynb

1A.algo - Spectral Clustering

True

2.269

6

6

6

109

100%

1.181

2020-10-19

td1a_algo/graph_spectral_clustering_correction.ipynb

1A.algo - Spectral Clustering - correction

True

2.132

11

11

11

110

100%

0.099

2020-10-19

td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb

1A.algo - distance de Jaccard (dictionnaires)

True

1.599

4

4

4

111

100%

3.709

2020-10-19

td1a_algo/td1a_cenonce_session7.ipynb

1A.algo - Programmation dynamique et plus court chemin

True

4.724

17

17

17

112

100%

0.352

2020-10-19

td1a_algo/td1a_cenonce_session7_edition.ipynb

1A.algo - La distance d’édition

True

1.886

8

8

8

113

100%

0.613

2020-10-19

td1a_algo/td1a_cenonce_session8.ipynb

1A.algo - Arbre et Trie

True

3.446

10

10

10

114

100%

0.105

2020-10-19

td1a_algo/td1a_cenonce_session8_wikiroot.ipynb

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

True

1.587

4

4

4

115

100%

0.484

2020-10-19

td1a_algo/td1a_cenonce_session9.ipynb

1A.algo - Optimisation sous contrainte

True

1.366

6

6

6

116

100%

4.331

2020-10-19

td1a_algo/td1a_correction_session4_5_jaccard.ipynb

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

True

5.243

17

17

17

117

100%

4.495

2020-10-19

td1a_algo/td1a_correction_session7.ipynb

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

True

6.149

15

15

15

118

100%

1.966

2020-10-19

td1a_algo/td1a_correction_session7_edition.ipynb

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

True

2.933

20

20

20

119

100%

51.353

2020-10-14

td1a_algo/td1a_correction_session8.ipynb

1A.algo - Arbre et Trie (correction)

True

52.925

20

20

20

120

100%

4.309

2020-10-19

td1a_algo/td1a_correction_session8_wikiroot.ipynb

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

True

5.172

5

5

5

121

100%

1.161

2020-10-19

td1a_algo/td1a_correction_session9.ipynb

1A.algo - Optimisation sous contrainte (correction)

True

3.123

7

7

7

122

100%

0.000

2020-10-19

td1a_algo/td1a_plus_grande_somme.ipynb

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

True

0.960

1

1

1

123

100%

149.213

2020-10-19

td1a_algo/td1a_plus_grande_somme_correction.ipynb

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

True

150.607

10

10

10

124

87%

1.251

2020-10-19

td1a_algo/td1a_quicksort.ipynb

1A.algo - Quicksort

True

2.118

8

7

7

125

100%

2.079

2020-10-19

td1a_algo/td1a_quicksort_correction.ipynb

1A.algo - quicksort - correction

True

3.419

10

10

10

126

100%

0.753

2020-10-19

td1a_algo/td1a_sobel.ipynb

1A.algo - filtre de Sobel

True

1.669

6

6

6

127

100%

5.286

2020-10-19

td1a_algo/td1a_sobel_correction.ipynb

1A.algo - filtre de Sobel - correction

True

6.782

8

8

8

128

100%

0.099

2020-10-19

td1a_dfnp/decorrelation.ipynb

1A.data - Décorrélation de variables aléatoires

True

1.393

7

7

7

129

100%

1.210

2020-10-19

td1a_dfnp/decorrelation_correction.ipynb

1A.data - Décorrélation de variables aléatoires - correction

True

2.116

15

15

15

130

100%

5.653

2020-10-19

td1a_dfnp/td1a_cenonce_session_10.ipynb

1A.data - DataFrame et Matrice

True

7.612

51

51

51

131

100%

21.534

2020-10-14

td1a_dfnp/td1a_cenonce_session_12_carte.ipynb

1A.data - Visualisation des données - cartes

True

23.022

22

22

22

132

100%

3.963

2020-10-14

td1a_dfnp/td1a_cenonce_session_12_js.ipynb

1A.data - Visualisation des données - graphes interactifs

True

5.133

9

9

9

133

87%

18.327

2020-10-14

td1a_dfnp/td1a_cenonce_session_12_plot.ipynb

1A.data - Visualisation des données

True

19.287

16

14

14

134

100%

3.762

2020-10-14

td1a_dfnp/td1a_correction_session_10.ipynb

1A.data - DataFrame et Matrice (correction)

True

4.736

18

18

18

135

100%

29.350

2020-10-14

td1a_dfnp/td1a_correction_session_12.ipynb

1A.data - visualisation des données - correction

True

30.881

14

14

14

136

100%

11.637

2020-10-19

td1a_home/2020_covid.ipynb

Algo - simulation COVID

True

12.586

31

31

31

137

100%

1.176

2020-10-19

td1a_home/2020_edit.ipynb

Algo - distance d’édiction

True

2.112

15

15

15

138

100%

1.365

2020-10-19

td1a_home/2020_json_xml.ipynb

Tech - JSON - XML

True

2.249

14

14

14

139

100%

43.982

2020-10-19

td1a_home/2020_numpy.ipynb

Tech - calcul matriciel avec numpy

True

45.971

35

35

35

140

100%

8.818

2020-10-19

td1a_home/2020_pandas.ipynb

Tech - manipulation de données avec pandas

True

9.739

64

64

64

141

100%

10.898

2020-10-19

td1a_home/2020_profile.ipynb

Tech - profiling

True

11.897

18

18

18

142

100%

1.161

2020-10-19

td1a_home/2020_regex.ipynb

Tech - expressions régulières

True

2.083

14

14

14

143

100%

1.291

2020-10-19

td1a_home/2020_suffix.ipynb

Algo - jeux de dictionnaires, plus grand suffix commun

True

2.175

13

13

13

144

100%

4.386

2020-10-19

td1a_home/2020_surface.ipynb

Algo - Calculs de surface et autres calculs

True

5.318

16

16

16

145

100%

18.968

2020-10-19

td1a_home/2020_topk.ipynb

Algo - les k premiers éléments

True

19.963

32

32

32

146

100%

2.220

2020-10-19

td1a_home/2020_tsp.ipynb

Algo - TSP - Traveling Salesman Problem

True

3.098

14

14

14

147

100%

4.370

2020-10-19

td1a_soft/td1a_cython_edit.ipynb

1A.soft - Calcul numérique et Cython

True

5.384

15

15

15

148

100%

1.833

2020-10-19

td1a_soft/td1a_cython_edit_correction.ipynb

1A.soft - Calcul numérique et Cython - correction

True

3.732

8

8

8

149

100%

63.232

2020-10-19

td1a_soft/td1a_sql.ipynb

1A.soft - Notions de SQL

True

64.224

34

34

34

150

100%

54.168

2020-10-19

td1a_soft/td1a_sql_correction.ipynb

1A.soft - Notions de SQL - correction

True

55.155

15

15

15

151

100%

4.820

2020-10-19

td1a_soft/td1a_unit_test_ci.ipynb

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

True

5.750

14

14

14

152

100%

1.243

2020-10-19

td2a/ml_crypted_data.ipynb

2A.ml - Machine Learning et données cryptées

True

2.158

9

9

9

153

100%

7.750

2020-10-19

td2a/ml_crypted_data_correction.ipynb

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

True

9.598

38

38

38

154

100%

1.245

2020-10-19

td2a/pandas_iterator.ipynb

2A.data - Pandas et itérateurs

True

2.170

8

8

8

155

100%

2.519

2020-10-19

td2a/pandas_iterator_correction.ipynb

2A.data - Pandas et itérateurs - correction

True

4.014

19

19

19

156

100%

0.091

2020-10-19

td2a/td2a_bigdata_memory.ipynb

2A.i - Stratégies et grandes matrices en mémoire

True

1.960

8

8

8

157

96%

23.613

2020-10-14

td2a/td2a_cenonce_session_1.ipynb

2A.data - DataFrame et Graphes

True

25.048

75

72

72

158

100%

6.410

2020-10-19

td2a/td2a_cenonce_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation

True

7.500

71

71

71

159

100%

0.367

2020-10-19

td2a/td2a_cenonce_session_2C.ipynb

2A.soft - Jupyter et commandes magiques

True

1.377

5

5

5

160

0%

nan

td2a/td2a_cenonce_session_2D_jupyter.ipynb

2A.i - Jupyter et calcul distribué

nan

72

0

161

0%

nan

td2a/td2a_cenonce_session_2D_parallelisation_local.ipynb

2A.i - Parallélisation locale (énoncé)

nan

7

0

162

100%

0.616

2020-10-19

td2a/td2a_cenonce_session_2E.ipynb

2A.i - Sérialisation

True

1.647

8

8

8

163

100%

1.655

2020-10-14

td2a/td2a_cenonce_session_5.ipynb

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

True

2.527

20

20

20

164

100%

9.475

2020-10-14

td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb

2A.i - Données non structurées et programmation fonctionnelle

True

10.352

30

30

30

165

96%

16.645

2020-10-14

td2a/td2a_correction_session_1.ipynb

2A.data - DataFrame et Graphes - correction

True

17.495

27

26

26

166

100%

3.196

2020-10-14

td2a/td2a_correction_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation - correction

True

4.106

13

13

13

167

100%

0.912

2020-10-14

td2a/td2a_correction_session_2C.ipynb

2A.soft - IPython et commandes magiques - correction

True

1.761

6

6

6

168

100%

13.559

2020-10-14

td2a/td2a_correction_session_2E.ipynb

2A.i - Sérialisation - correction

True

15.076

22

22

22

169

100%

0.464

2020-10-14

td2a/td2a_correction_session_5.ipynb

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

True

1.386

3

3

3

170

100%

22.818

2020-10-14

td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb

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

True

24.199

33

33

33

171

100%

3.804

2020-10-14

td2a/td2a_ml_text_features.ipynb

2A.ml - Classification binaire avec features textuelles

True

4.683

18

18

18

172

100%

13.071

2020-10-14

td2a/td2a_ml_text_features_correction.ipynb

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

True

14.529

23

23

23

173

100%

12.143

2020-10-19

td2a/td2a_progressbar.ipynb

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

True

14.741

6

6

6

174

100%

19.479

2020-10-19

td2a/td2a_some_nlp.ipynb

2A.ml - Texte et machine learning

True

20.401

36

36

36

175

90%

34.316

2020-10-19

td2a/td2a_visualisation.ipynb

2A.data - Matplotlib

True

35.852

42

38

38

176

100%

0.097

2020-10-19

td2a_algo/gentry_integer_encryption.ipynb

Cryptage homomorphic de Craig Gentry

True

0.996

6

6

6

177

100%

0.194

2020-10-19

td2a_algo/gentry_integer_encryption_correction.ipynb

Cryptage homomorphic de Craig Gentry - correction

True

5.806

6

6

6

178

100%

8.915

2020-10-19

td2a_algo/knn_high_dimension.ipynb

2A.algo - Plus proches voisins en grande dimension

True

9.927

8

8

8

179

100%

28.967

2020-10-19

td2a_algo/knn_high_dimension_correction.ipynb

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

True

29.901

20

20

20

180

100%

0.124

2020-10-19

td2a_algo/td2a_cenonce_session_6A.ipynb

2A.algo - Puzzles algorithmiques (1)

True

1.110

6

6

6

181

100%

0.504

2020-10-19

td2a_algo/td2a_cenonce_session_6B.ipynb

2A.algo - Puzzles algorithmiques (2)

True

1.490

5

5

5

182

100%

0.471

2020-10-19

td2a_algo/td2a_correction_session_6A.ipynb

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

True

1.348

6

6

6

183

100%

0.104

2020-10-19

td2a_algo/td2a_correction_session_6B.ipynb

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

True

1.077

6

6

6

184

0%

nan

td2a_eco/TD2A_Eco_Web_Scraping.ipynb

2A.eco - Web-Scraping

nan

62

0

185

100%

9.181

2020-10-14

td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb

2A.eco - Web-Scraping - correction

True

10.929

6

6

6

186

100%

1.347

2020-10-14

td2a_eco/TD2A_eco_API_SNCF.ipynb

2A.eco - Exercice API SNCF

True

2.300

11

11

11

187

100%

36.731

2020-10-14

td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb

2A.eco - Exercice API SNCF corrigé

True

38.627

40

40

40

188

100%

1.812

2020-10-19

td2a_eco/TD2A_eco_debuter_flask.ipynb

2A.eco - Débuter avec Flask

True

3.240

14

14

14

189

100%

3.372

2020-10-19

td2a_eco/TD2A_eco_les_API.ipynb

2A.eco - API, API REST

True

4.287

15

15

15

190

100%

2.901

2020-10-19

td2a_eco/td2_eco_rappels_1a.ipynb

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

True

3.844

29

29

29

191

100%

7.203

2020-10-19

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb

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

True

8.599

34

34

34

192

100%

8.611

2020-10-19

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb

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

True

9.623

35

35

35

193

100%

0.000

2020-10-19

td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb

2A.eco - Exercice Python - Eco Séance 2

True

0.900

1

1

1

194

100%

0.459

2020-10-19

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

1.333

3

3

3

195

100%

1.261

2020-10-19

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

2.175

10

10

10

196

100%

2.732

2020-10-19

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

3.691

16

16

16

197

100%

3.153

2020-10-19

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

5.112

14

14

14

198

100%

7.784

2020-10-19

td2a_eco/td2a_eco_regressions_lineaires.ipynb

Régressions linéaires avec Statsmodels et Scikit-Learn

True

8.639

12

12

12

199

100%

2.534

2020-10-19

td2a_eco/td2a_eco_sql.ipynb

2A.eco - Python et la logique SQL

True

4.563

26

26

26

200

100%

3.610

2020-10-19

td2a_eco/td2a_eco_sql_correction.ipynb

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

True

4.597

36

36

36

201

100%

13.079

2020-10-14

td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb

TD7 - Analyse de texte

True

14.070

29

29

29

202

100%

8.639

2020-10-14

td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb

TD7 - Analyse de texte - correction

True

9.575

29

29

29

203

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

204

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

205

100%

402.930

2020-10-14

td2a_eco2/td2a_eco_NLP_tf_idf_ngrams_LDA_word2vec_sur_des_extraits_litteraires.ipynb

2A.eco - Introduction au text mining

True

404.403

69

69

69

206

100%

96.375

2020-10-19

td2a_ml/gradient_boosting.ipynb

Gradient Boosting

True

97.299

37

37

37

207

100%

172.285

2020-10-14

td2a_ml/ml_a_tree_overfitting.ipynb

2A.ml - Tree, hyperparamètres, overfitting

True

173.421

28

28

28

208

100%

45.405

2020-10-19

td2a_ml/ml_b_imbalanced.ipynb

2A.ml - Imbalanced dataset

True

46.328

22

22

22

209

100%

5.771

2020-10-19

td2a_ml/ml_c_machine_learning_problems.ipynb

2A.ml - Problèmes classiques de machine learning illustrés

True

6.757

41

41

41

210

100%

0.285

2020-10-19

td2a_ml/ml_cc_machine_learning_problems2.ipynb

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

True

1.234

4

4

4

211

100%

3.390

2020-10-19

td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb

2A.ml - Interprétabilité et corrélations des variables

True

5.220

26

26

26

212

100%

35.922

2020-10-19

td2a_ml/ml_lasso_rf_grid_search_correction.ipynb

Hyperparamètres, LassoRandomForestRregressor et grid_search (correction)

True

36.788

15

15

15

213

100%

1.184

2020-10-19

td2a_ml/ml_lasso_rf_grid_search_enonce.ipynb

Hyperparamètres, LassoRandomForestRregressor et grid_search (énoncé)

True

2.550

4

4

4

214

100%

0.690

2020-10-19

td2a_ml/ml_scikit_learn_simple.ipynb

Rappels sur scikit-learn et le machine learning

True

1.582

12

12

12

215

100%

4.657

2020-10-19

td2a_ml/ml_scikit_learn_simple_correction.ipynb

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

True

5.565

21

21

21

216

100%

12.398

2020-10-19

td2a_ml/seasonal_timeseries.ipynb

Timeseries

True

14.331

42

42

42

217

100%

223.325

2020-10-14

td2a_ml/td2a_cenonce_session_3A.ipynb

2A.ml - Statistiques descriptives avec scikit-learn

True

224.613

18

18

18

218

100%

42.202

2020-10-14

td2a_ml/td2a_cenonce_session_3B.ipynb

2A.ml - Arbres de décision / Random Forest

True

44.940

16

16

16

219

100%

1.033

2020-10-19

td2a_ml/td2a_cenonce_session_4A.ipynb

2A.ml - Machine Learning et Marketting

True

3.095

9

9

9

220

100%

0.935

2020-10-19

td2a_ml/td2a_clustering.ipynb

2A.ml - Clustering

True

2.854

6

6

6

221

100%

28.127

2020-10-19

td2a_ml/td2a_clustering_correction.ipynb

2A.ml - Clustering - correction

True

29.045

25

25

25

222

100%

17.585

2020-10-19

td2a_ml/td2a_correction_cl_reg_anomaly.ipynb

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

True

19.380

33

33

33

223

100%

298.445

2020-10-14

td2a_ml/td2a_correction_session_3A.ipynb

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

True

300.289

24

24

24

224

100%

120.847

2020-10-14

td2a_ml/td2a_correction_session_3B.ipynb

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

True

122.639

26

26

26

225

100%

9.208

2020-10-19

td2a_ml/td2a_correction_session_4A.ipynb

2A.ml - Machine Learning et Marketting - correction

True

11.205

26

26

26

226

100%

1.683

2020-10-19

td2a_ml/td2a_enonce_cl_reg_anomaly.ipynb

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

True

2.538

9

9

9

227

96%

7.265

2020-10-14

td2a_ml/td2a_ethics.ipynb

Machine Learning éthique

True

8.138

31

30

30

228

100%

0.089

2020-10-14

td2a_ml/td2a_ethics_correction.ipynb

Machine Learning éthique - correction

True

0.959

2

2

2

229

100%

11.074

2020-10-19

td2a_ml/td2a_pipeline_tree_selection_correction.ipynb

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

True

13.843

24

24

24

230

100%

1.809

2020-10-19

td2a_ml/td2a_pipeline_tree_selection_enonce.ipynb

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

True

2.704

11

11

11

231

100%

0.773

2020-10-19

td2a_ml/td2a_sentiment_analysis.ipynb

2A.ml - Analyse de sentiments

True

1.650

6

6

6

232

100%

78.415

2020-10-19

td2a_ml/td2a_sentiment_analysis_correction.ipynb

2A.ml - Analyse de sentiments - correction

True

79.414

44

44

44

233

100%

1.697

2020-10-19

td2a_ml/td2a_timeseries.ipynb

2A.ml - Séries temporelles

True

2.552

15

15

15

234

100%

3.628

2020-10-19

td2a_ml/td2a_timeseries_correction.ipynb

2A.ml - Séries temporelles - correction

True

4.491

15

15

15

235

100%

33.466

2020-10-19

td2a_ml/td2a_tree_selection_correction.ipynb

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

True

34.478

19

19

19

236

100%

1.147

2020-10-19

td2a_ml/td2a_tree_selection_enonce.ipynb

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

True

2.142

8

8

8

_images/nbcov.png