Notebooks Coverage

Report on last executions.

90% 2020-07-09

_images/nbcov-2020-07-09.png

index

coverage

exe time

last execution

name

title

success

time

nb cells

nb runs

nb valid

0

100%

8.544

2020-07-09

1a/code_liste_tuple.ipynb

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

True

9.408

4

4

4

1

100%

2.198

2020-07-09

1a/code_multinomial.ipynb

1A.1 - Simuler une loi multinomiale

True

3.267

12

12

12

2

100%

3.054

2020-07-09

1a/coloriage_carre.ipynb

Jeux de coloriage

True

3.895

23

23

23

3

100%

0.461

2020-07-09

1a/exercice_echelle.ipynb

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

True

1.277

6

6

6

4

100%

1.594

2020-07-09

1a/exercice_morse.ipynb

1A.algo - Décoder du Morse sans espaces

True

3.098

16

16

16

5

100%

1.634

2020-07-09

1a/exercice_plus_grande_somme.ipynb

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

True

2.485

15

15

15

6

100%

1.127

2020-07-09

1a/exercice_xn.ipynb

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

True

1.976

4

4

4

7

100%

0.753

2020-07-09

1a/histogramme_rapide.ipynb

1A.1 - Histogramme et dictionnaire

True

1.623

8

8

8

8

100%

18.316

2020-07-09

1a/nbheap.ipynb

Heap

True

19.148

15

15

15

9

100%

2.967

2020-07-09

1a/profiling_example.ipynb

1A.soft - Exemple de profiling

True

4.444

11

11

11

10

100%

0.777

2020-07-09

1a/recherche_dichotomique.ipynb

1A.algo - Recherche dichotomique

True

1.614

9

9

9

11

100%

2.768

2020-07-09

1a/structures_donnees_conversion.ipynb

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

True

3.656

29

29

29

12

100%

0.827

2020-07-09

1a/tableau_contingence.ipynb

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

True

1.658

8

8

8

13

100%

18.955

2020-07-09

1a/tri_nlnd.ipynb

1A.algo - Tri plus rapide que prévu

True

19.796

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%

73.761

2020-07-08

2016-2017/solution_2016_credit_clement.ipynb

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

True

74.908

28

28

28

18

100%

4.738

2020-07-08

2016/td2a_eco_competition_comparer_classifieurs.ipynb

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

True

5.603

16

16

16

19

100%

5.040

2020-07-08

2016/td2a_eco_competition_modeles_logistiques.ipynb

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

True

5.940

26

26

26

20

100%

48.956

2020-07-08

2016/td2a_eco_competition_statsdesc.ipynb

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

True

50.332

22

22

22

21

100%

5.113

2020-07-09

2017-2018/dimensions_reduction.ipynb

Réduction des dimensions

True

6.799

20

20

20

22

100%

5.656

2020-07-08

2017/prepare_data_2017.ipynb

2A.ml - 2017 - Préparation des données

True

7.013

43

43

43

23

89%

3.685

2020-07-09

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

2018-09-18 - Rappels sur le langage python

True

5.179

28

25

25

24

100%

2.839

2020-07-09

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

2018-09-18 - Rappels sur pandas et maplotlib

True

3.987

29

29

29

25

100%

3.739

2020-07-09

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

2018-09-18 - API de scikit-learn

True

4.801

21

21

21

26

100%

0.848

2020-07-09

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

2018-09-25 - Distance entre mots

True

1.894

11

11

11

27

100%

5.667

2020-07-09

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

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

True

6.541

20

20

20

28

100%

102.959

2020-07-09

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

2018-10-09 Ensemble, Gradient, Boosting…

True

104.130

18

18

18

29

100%

8.949

2020-07-09

2a/bayesian_with_python.ipynb

2A.ml - Bayesian models with Python

True

9.865

18

18

18

30

100%

90.122

2020-07-08

2a/cffi_linear_regression.ipynb

Optimisation de code avec cffi, numba, cython

True

91.209

92

92

92

31

100%

1.856

2020-07-09

2a/dataframe_matrix_speed.ipynb

2A.i - Mesures de vitesse sur les dataframes

True

2.816

15

15

15

32

100%

6.634

2020-07-09

2a/git_notebook.ipynb

2A.soft - Git depuis le notebook

True

8.135

23

23

23

33

100%

0.714

2020-07-09

2a/jupyter_custom_magics.ipynb

2A.soft - Custom Magics for Jupyter

True

2.277

5

5

5

34

100%

5.433

2020-07-09

2a/ml_timeseries_base.ipynb

2A.ml - Timeseries et machine learning

True

6.630

28

28

28

35

100%

1.208

2020-07-09

2a/notebook_convert.ipynb

2A.soft - Convert a notebook into a document

True

2.131

8

8

8

36

100%

55.538

2020-07-08

2a/seance_5_dask.ipynb

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

True

56.519

16

16

16

37

100%

29.004

2020-07-08

2a/seance_5_intro_et_json.ipynb

2A.i - Données non structurées, programmation fonctionnelle

True

29.883

20

20

20

38

100%

98.019

2020-07-08

2a/seance_5_prog_fonctionnelle.ipynb

2A.i - programmation fonctionnelle

True

99.397

44

44

44

39

100%

11.882

2020-07-09

2a/timeseries_ssa.ipynb

Single Spectrum Analysis (SSA)

True

12.830

27

27

27

40

100%

1036.194

2020-07-09

data/data_irep.ipynb

IREP: registre des émissions polluantes

True

1037.599

21

21

21

41

100%

4.302

2020-07-09

data/deal_flow_espace_vert.ipynb

Deal flow espaces verts 2018 - 2019

True

5.585

14

14

14

42

100%

0.914

2020-07-09

exams/interro_rapide_20_minutes_2014_09.ipynb

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

True

1.759

12

12

12

43

100%

1.433

2020-07-09

exams/interro_rapide_20_minutes_2014_10.ipynb

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

True

2.282

17

17

17

44

82%

3.553

2020-07-09

exams/interro_rapide_20_minutes_2014_11.ipynb

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

True

5.132

35

29

29

45

100%

1.285

2020-07-09

exams/interro_rapide_20_minutes_2014_12.ipynb

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

True

2.284

15

15

15

46

100%

0.677

2020-07-09

exams/interro_rapide_20_minutes_2015_09.ipynb

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

True

1.480

12

12

12

47

100%

0.976

2020-07-09

exams/interro_rapide_20_minutes_2015_11.ipynb

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

True

1.796

16

16

16

48

100%

6.301

2020-07-09

exams/td_note_2013_bout_de_code_coloriage.ipynb

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

True

7.089

6

6

6

49

100%

15.257

2020-07-09

exams/td_note_2013_coloriage_correction.ipynb

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

True

16.117

14

14

14

50

100%

3.168

2020-07-09

exams/td_note_2015.ipynb

1A.e - TD noté, 5 décembre 2014

True

4.002

36

36

36

51

100%

0.170

2020-07-09

exams/td_note_2015_rattrapage_enonce.ipynb

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

True

1.018

6

6

6

52

100%

3.194

2020-07-09

exams/td_note_2016.ipynb

1A.e - TD noté, 11 décembre 2015

True

4.015

26

26

26

53

100%

2.203

2020-07-09

exams/td_note_2017.ipynb

1A.e - TD noté, 16 décembre 2016

True

3.111

23

23

23

54

100%

1.844

2020-07-09

exams/td_note_2017_2.ipynb

1A.e - TD noté, 21 février 2017

True

2.686

21

21

21

55

100%

4.452

2020-07-09

exams/td_note_2018_1.ipynb

1A.e - Enoncé 12 décembre 2017 (1)

True

5.270

25

25

25

56

100%

3.716

2020-07-09

exams/td_note_2018_2.ipynb

1A.e - Enoncé 12 décembre 2017 (2)

True

4.566

21

21

21

57

100%

21.282

2020-07-09

exams/td_note_2019_1.ipynb

1A.e - Enoncé 23 octobre 2018 (1)

True

22.155

17

17

17

58

100%

8.844

2020-07-09

exams/td_note_2019_2.ipynb

1A.e - Enoncé 23 octobre 2018 (2)

True

9.666

18

18

18

59

100%

4.156

2020-07-09

exams/td_note_2020_1.ipynb

1A.e - Enoncé 22 octobre 2019 (1)

True

5.051

29

29

29

60

100%

3.950

2020-07-09

exams/td_note_2020_2.ipynb

1A.e - Enoncé 22 octobre 2019 (2)

True

4.830

28

28

28

61

100%

16.984

2020-07-09

expose/BJKST.ipynb

2A.algo - Algorithmes de streaming : généralités

True

18.358

39

39

39

62

100%

4.081

2020-07-09

expose/expose_TSP.ipynb

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

True

5.060

11

11

11

63

100%

1.335

2020-07-09

expose/expose_einstein_riddle.ipynb

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

True

2.559

4

4

4

64

100%

3.047

2020-07-09

expose/expose_graphe_et_map_reduce.ipynb

3A.mr - Graphes et Map Reduce

True

4.351

11

11

11

65

100%

0.671

2020-07-09

expose/expose_rwr_recommandation.ipynb

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

True

2.044

4

4

4

66

100%

2.070

2020-07-08

expose/expose_vigenere.ipynb

1A.algo - Casser le code de Vigenère

True

2.982

9

9

9

67

100%

17.151

2020-07-09

expose/hash_distribution.ipynb

2A.algo - Hash et distribution

True

18.622

14

14

14

68

100%

16.949

2020-07-09

expose/ml_features_model.ipynb

2A.ml - Features ou modèle

True

18.084

15

15

15

69

100%

8.301

2020-07-08

expose/ml_huge_datasets.ipynb

2A.i - Huge datasets, datasets hiérarchiques

True

9.230

21

21

21

70

100%

535.684

2020-07-08

expose/ml_rue_paris_parcours.ipynb

2A.algo - Parcourir les rues de Paris

True

536.975

24

24

24

71

100%

176.009

2020-07-08

expose/ml_table_mortalite.ipynb

2A.i - Table de mortalité dans plusieurs containers

True

177.250

35

35

35

72

100%

2.020

2020-07-09

sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb

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

True

4.236

13

13

13

73

100%

2.468

2020-07-09

sklearn_ensae_course/01_data_manipulation.ipynb

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

True

3.373

18

18

18

74

100%

2.805

2020-07-09

sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb

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

True

3.631

15

15

15

75

100%

6.048

2020-07-09

sklearn_ensae_course/03_supervised_classification.ipynb

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

True

6.898

12

12

12

76

100%

4.793

2020-07-09

sklearn_ensae_course/04_supervised_regression.ipynb

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

True

5.817

12

12

12

77

100%

6.871

2020-07-09

sklearn_ensae_course/05_measuring_prediction_performance.ipynb

2A.ML101.5: Measuring prediction performance

True

7.821

23

23

23

78

100%

6.962

2020-07-09

sklearn_ensae_course/06_unsupervised_dimreduction.ipynb

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

True

7.828

18

18

18

79

100%

7.345

2020-07-09

sklearn_ensae_course/07_application_to_face_recognition.ipynb

2A.ML101.7: Example from Image Processing

True

8.183

19

19

19

80

100%

3.662

2020-07-09

sklearn_ensae_course/08_validation_and_learning_curves.ipynb

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

True

4.492

15

15

15

81

100%

0.343

2020-07-09

td1a/integrale_rectangle.ipynb

1A.1 - Intégrale et la méthode des rectangles

True

1.159

6

6

6

82

100%

3.042

2020-07-09

td1a/integrale_rectangle_correction.ipynb

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

True

4.518

30

30

30

83

100%

0.458

2020-07-09

td1a/j2048.ipynb

1A.2 - 2048 - stratégie gagnante

True

1.968

3

3

3

84

100%

1.033

2020-07-09

td1a/j2048_correction.ipynb

1A.2 - 2048 - stratégie gagnante - correction

True

1.862

11

11

11

85

100%

18.504

2020-07-09

td1a/matrix_dictionary.ipynb

Produit matriciel avec une matrice creuse

True

20.044

20

20

20

86

100%

0.248

2020-07-09

td1a/pp_exo_deviner_un_nombre.ipynb

1A.1 - Deviner un nombre aléatoire

True

1.158

5

5

5

87

100%

0.553

2020-07-09

td1a/pp_exo_deviner_un_nombre_correction.ipynb

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

True

2.019

7

7

7

88

75%

1.104

2020-07-09

td1a/td1a_cenonce_session1.ipynb

1A.0 - Premiers pas en Python

True

2.767

16

12

12

89

100%

3.061

2020-07-09

td1a/td1a_cenonce_session2.ipynb

1A.1 - Variables, boucles, tests

True

3.963

30

30

30

90

100%

1.858

2020-07-09

td1a/td1a_cenonce_session3.ipynb

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

True

3.393

26

26

26

91

100%

3.102

2020-07-09

td1a/td1a_cenonce_session4.ipynb

1A.2 - Modules, fichiers, expressions régulières

True

4.240

20

20

20

92

100%

2.237

2020-07-09

td1a/td1a_cenonce_session5.ipynb

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

True

3.282

17

17

17

93

100%

1.506

2020-07-09

td1a/td1a_cenonce_session6.ipynb

1A.2 - Classes, héritage

True

3.024

11

11

11

94

100%

1.062

2020-07-09

td1a/td1a_correction_session1.ipynb

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

True

1.958

13

13

13

95

100%

0.692

2020-07-09

td1a/td1a_correction_session2.ipynb

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

True

1.563

8

8

8

96

100%

0.709

2020-07-09

td1a/td1a_correction_session3.ipynb

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

True

2.084

9

9

9

97

100%

2.240

2020-07-09

td1a/td1a_correction_session4.ipynb

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

True

3.121

20

20

20

98

100%

10.321

2020-07-09

td1a/td1a_correction_session5.ipynb

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

True

11.752

12

12

12

99

100%

0.488

2020-07-09

td1a/td1a_correction_session6.ipynb

1A.2 - Classes, héritage (correction)

True

1.945

5

5

5

100

100%

0.745

2020-07-09

td1a/td1a_pyramide_bigarree.ipynb

1A.1 - Tracer une pyramide bigarrée

True

2.337

5

5

5

101

100%

1.504

2020-07-09

td1a/td1a_pyramide_bigarree_correction.ipynb

1A.1 - Tracer une pyramide bigarrée - correction

True

2.325

11

11

11

102

100%

0.753

2020-07-09

td1a/texte_langue.ipynb

1A.2 - Deviner la langue d’un texte

True

2.446

6

6

6

103

100%

5.273

2020-07-09

td1a/texte_langue_correction.ipynb

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

True

6.348

23

23

23

104

100%

0.300

2020-07-09

td1a_algo/BJKST_enonce.ipynb

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

True

1.248

4

4

4

105

100%

0.846

2020-07-09

td1a_algo/graph1exo_parcours.ipynb

1A.algo - Parcours de graphe

True

2.343

8

8

8

106

100%

1.163

2020-07-09

td1a_algo/graph1exo_parcours_correction.ipynb

1A.algo - Parcours de graphe - correction

True

2.044

9

9

9

107

100%

0.658

2020-07-09

td1a_algo/graph4exos.ipynb

1A.algo - Des problèmes de graphes

True

1.564

6

6

6

108

100%

0.753

2020-07-09

td1a_algo/graph_spectral_clustering.ipynb

1A.algo - Spectral Clustering

True

2.109

6

6

6

109

100%

1.082

2020-07-09

td1a_algo/graph_spectral_clustering_correction.ipynb

1A.algo - Spectral Clustering - correction

True

1.905

11

11

11

110

100%

0.120

2020-07-09

td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb

1A.algo - distance de Jaccard (dictionnaires)

True

1.640

4

4

4

111

100%

3.431

2020-07-09

td1a_algo/td1a_cenonce_session7.ipynb

1A.algo - Programmation dynamique et plus court chemin

True

4.413

17

17

17

112

100%

0.364

2020-07-09

td1a_algo/td1a_cenonce_session7_edition.ipynb

1A.algo - La distance d’édition

True

1.863

8

8

8

113

100%

0.419

2020-07-09

td1a_algo/td1a_cenonce_session8.ipynb

1A.algo - Arbre et Trie

True

1.893

10

10

10

114

100%

0.096

2020-07-09

td1a_algo/td1a_cenonce_session8_wikiroot.ipynb

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

True

1.645

4

4

4

115

100%

0.478

2020-07-09

td1a_algo/td1a_cenonce_session9.ipynb

1A.algo - Optimisation sous contrainte

True

1.367

6

6

6

116

100%

4.658

2020-07-09

td1a_algo/td1a_correction_session4_5_jaccard.ipynb

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

True

5.759

17

17

17

117

100%

4.587

2020-07-09

td1a_algo/td1a_correction_session7.ipynb

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

True

6.109

15

15

15

118

100%

2.042

2020-07-09

td1a_algo/td1a_correction_session7_edition.ipynb

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

True

3.383

20

20

20

119

100%

67.588

2020-07-08

td1a_algo/td1a_correction_session8.ipynb

1A.algo - Arbre et Trie (correction)

True

69.113

20

20

20

120

100%

2.895

2020-07-09

td1a_algo/td1a_correction_session8_wikiroot.ipynb

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

True

3.791

5

5

5

121

100%

1.412

2020-07-09

td1a_algo/td1a_correction_session9.ipynb

1A.algo - Optimisation sous contrainte (correction)

True

2.910

7

7

7

122

100%

0.000

2020-07-09

td1a_algo/td1a_plus_grande_somme.ipynb

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

True

0.902

1

1

1

123

100%

141.530

2020-07-09

td1a_algo/td1a_plus_grande_somme_correction.ipynb

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

True

143.079

10

10

10

124

87%

1.179

2020-07-09

td1a_algo/td1a_quicksort.ipynb

1A.algo - Quicksort

True

2.013

8

7

7

125

100%

2.039

2020-07-09

td1a_algo/td1a_quicksort_correction.ipynb

1A.algo - quicksort - correction

True

3.551

10

10

10

126

100%

0.725

2020-07-09

td1a_algo/td1a_sobel.ipynb

1A.algo - filtre de Sobel

True

1.689

6

6

6

127

100%

5.214

2020-07-09

td1a_algo/td1a_sobel_correction.ipynb

1A.algo - filtre de Sobel - correction

True

6.770

8

8

8

128

100%

0.194

2020-07-09

td1a_dfnp/decorrelation.ipynb

1A.data - Décorrélation de variables aléatoires

True

1.980

7

7

7

129

100%

1.440

2020-07-09

td1a_dfnp/decorrelation_correction.ipynb

1A.data - Décorrélation de variables aléatoires - correction

True

2.430

15

15

15

130

100%

5.597

2020-07-09

td1a_dfnp/td1a_cenonce_session_10.ipynb

1A.data - DataFrame et Matrice

True

7.245

51

51

51

131

100%

21.398

2020-07-08

td1a_dfnp/td1a_cenonce_session_12_carte.ipynb

1A.data - Visualisation des données - cartes

True

22.756

22

22

22

132

100%

7.825

2020-07-08

td1a_dfnp/td1a_cenonce_session_12_js.ipynb

1A.data - Visualisation des données - graphes interactifs

True

8.799

9

9

9

133

87%

17.544

2020-07-08

td1a_dfnp/td1a_cenonce_session_12_plot.ipynb

1A.data - Visualisation des données

True

18.537

16

14

14

134

100%

2.337

2020-07-08

td1a_dfnp/td1a_correction_session_10.ipynb

1A.data - DataFrame et Matrice (correction)

True

6.411

18

18

18

135

100%

33.218

2020-07-08

td1a_dfnp/td1a_correction_session_12.ipynb

1A.data - visualisation des données - correction

True

34.771

14

14

14

136

100%

2.475

2020-07-09

td1a_soft/td1a_cython_edit.ipynb

1A.soft - Calcul numérique et Cython

True

3.558

15

15

15

137

100%

1.853

2020-07-09

td1a_soft/td1a_cython_edit_correction.ipynb

1A.soft - Calcul numérique et Cython - correction

True

3.406

8

8

8

138

100%

62.836

2020-07-09

td1a_soft/td1a_sql.ipynb

1A.soft - Notions de SQL

True

63.775

34

34

34

139

100%

56.442

2020-07-09

td1a_soft/td1a_sql_correction.ipynb

1A.soft - Notions de SQL - correction

True

57.475

15

15

15

140

100%

4.315

2020-07-09

td1a_soft/td1a_unit_test_ci.ipynb

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

True

5.487

14

14

14

141

100%

0.775

2020-07-09

td2a/ml_crypted_data.ipynb

2A.ml - Machine Learning et données cryptées

True

1.657

9

9

9

142

100%

8.063

2020-07-09

td2a/ml_crypted_data_correction.ipynb

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

True

9.712

38

38

38

143

100%

0.871

2020-07-09

td2a/pandas_iterator.ipynb

2A.data - Pandas et itérateurs

True

1.795

8

8

8

144

100%

2.161

2020-07-09

td2a/pandas_iterator_correction.ipynb

2A.data - Pandas et itérateurs - correction

True

3.402

19

19

19

145

100%

0.104

2020-07-09

td2a/td2a_bigdata_memory.ipynb

2A.i - Stratégies et grandes matrices en mémoire

True

1.565

8

8

8

146

96%

22.262

2020-07-08

td2a/td2a_cenonce_session_1.ipynb

2A.data - DataFrame et Graphes

True

23.469

75

72

72

147

100%

6.989

2020-07-09

td2a/td2a_cenonce_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation

True

7.980

71

71

71

148

100%

0.864

2020-07-09

td2a/td2a_cenonce_session_2C.ipynb

2A.soft - Jupyter et commandes magiques

True

1.816

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%

0.630

2020-07-09

td2a/td2a_cenonce_session_2E.ipynb

2A.i - Sérialisation

True

1.551

8

8

8

152

100%

1.785

2020-07-08

td2a/td2a_cenonce_session_5.ipynb

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

True

2.676

20

20

20

153

100%

8.842

2020-07-08

td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb

2A.i - Données non structurées et programmation fonctionnelle

True

9.799

30

30

30

154

96%

25.562

2020-07-08

td2a/td2a_correction_session_1.ipynb

2A.data - DataFrame et Graphes - correction

True

26.453

27

26

26

155

100%

2.619

2020-07-08

td2a/td2a_correction_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation - correction

True

3.568

13

13

13

156

100%

1.000

2020-07-08

td2a/td2a_correction_session_2C.ipynb

2A.soft - IPython et commandes magiques - correction

True

1.867

6

6

6

157

100%

18.904

2020-07-08

td2a/td2a_correction_session_2E.ipynb

2A.i - Sérialisation - correction

True

20.266

22

22

22

158

100%

0.565

2020-07-08

td2a/td2a_correction_session_5.ipynb

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

True

1.472

3

3

3

159

100%

23.893

2020-07-08

td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb

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

True

26.343

33

33

33

160

100%

3.759

2020-07-08

td2a/td2a_ml_text_features.ipynb

2A.ml - Classification binaire avec features textuelles

True

4.701

18

18

18

161

100%

11.658

2020-07-08

td2a/td2a_ml_text_features_correction.ipynb

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

True

13.013

23

23

23

162

100%

11.515

2020-07-09

td2a/td2a_progressbar.ipynb

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

True

12.980

6

6

6

163

100%

20.652

2020-07-09

td2a/td2a_some_nlp.ipynb

2A.ml - Texte et machine learning

True

21.531

36

36

36

164

90%

35.013

2020-07-09

td2a/td2a_visualisation.ipynb

2A.data - Matplotlib

True

35.980

42

38

38

165

100%

0.173

2020-07-09

td2a_algo/gentry_integer_encryption.ipynb

Cryptage homomorphic de Craig Gentry

True

2.003

6

6

6

166

100%

0.103

2020-07-09

td2a_algo/gentry_integer_encryption_correction.ipynb

Cryptage homomorphic de Craig Gentry - correction

True

1.352

6

6

6

167

100%

6.409

2020-07-09

td2a_algo/knn_high_dimension.ipynb

2A.algo - Plus proches voisins en grande dimension

True

7.247

8

8

8

168

100%

28.734

2020-07-09

td2a_algo/knn_high_dimension_correction.ipynb

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

True

30.061

20

20

20

169

100%

0.115

2020-07-09

td2a_algo/td2a_cenonce_session_6A.ipynb

2A.algo - Puzzles algorithmiques (1)

True

0.913

6

6

6

170

100%

0.092

2020-07-09

td2a_algo/td2a_cenonce_session_6B.ipynb

2A.algo - Puzzles algorithmiques (2)

True

0.882

5

5

5

171

100%

0.468

2020-07-09

td2a_algo/td2a_correction_session_6A.ipynb

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

True

1.340

6

6

6

172

100%

0.102

2020-07-09

td2a_algo/td2a_correction_session_6B.ipynb

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

True

0.932

6

6

6

173

0%

nan

td2a_eco/TD2A_Eco_Web_Scraping.ipynb

2A.eco - Web-Scraping

nan

62

0

174

100%

9.138

2020-07-08

td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb

2A.eco - Web-Scraping - correction

True

10.043

6

6

6

175

100%

1.218

2020-07-08

td2a_eco/TD2A_eco_API_SNCF.ipynb

2A.eco - Exercice API SNCF

True

2.249

11

11

11

176

100%

26.627

2020-07-08

td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb

2A.eco - Exercice API SNCF corrigé

True

28.165

40

40

40

177

100%

1.601

2020-07-09

td2a_eco/TD2A_eco_debuter_flask.ipynb

2A.eco - Débuter avec Flask

True

3.008

14

14

14

178

100%

5.764

2020-07-09

td2a_eco/TD2A_eco_les_API.ipynb

2A.eco - API, API REST

True

6.752

15

15

15

179

100%

3.269

2020-07-09

td2a_eco/td2_eco_rappels_1a.ipynb

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

True

4.210

29

29

29

180

100%

6.759

2020-07-09

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb

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

True

8.253

34

34

34

181

100%

10.117

2020-07-09

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb

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

True

11.037

35

35

35

182

100%

0.000

2020-07-09

td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb

2A.eco - Exercice Python - Eco Séance 2

True

0.908

1

1

1

183

100%

0.522

2020-07-09

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

1.399

3

3

3

184

100%

1.234

2020-07-09

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

2.155

10

10

10

185

100%

2.697

2020-07-09

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

3.590

16

16

16

186

100%

3.259

2020-07-09

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

4.787

14

14

14

187

100%

9.069

2020-07-09

td2a_eco/td2a_eco_regressions_lineaires.ipynb

Régressions linéaires avec Statsmodels et Scikit-Learn

True

10.064

12

12

12

188

100%

3.586

2020-07-09

td2a_eco/td2a_eco_sql.ipynb

2A.eco - Python et la logique SQL

True

5.024

26

26

26

189

100%

5.193

2020-07-09

td2a_eco/td2a_eco_sql_correction.ipynb

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

True

6.417

36

36

36

190

100%

10.201

2020-07-08

td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb

TD7 - Analyse de texte

True

11.138

29

29

29

191

100%

8.103

2020-07-08

td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb

TD7 - Analyse de texte - correction

True

9.088

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%

424.184

2020-07-08

td2a_eco2/td2a_eco_NLP_tf_idf_ngrams_LDA_word2vec_sur_des_extraits_litteraires.ipynb

2A.eco - Introduction au text mining

True

425.397

69

69

69

195

100%

98.912

2020-07-09

td2a_ml/gradient_boosting.ipynb

Gradient Boosting

True

99.792

37

37

37

196

100%

182.252

2020-07-08

td2a_ml/ml_a_tree_overfitting.ipynb

2A.ml - Tree, hyperparamètres, overfitting

True

183.270

28

28

28

197

100%

45.722

2020-07-09

td2a_ml/ml_b_imbalanced.ipynb

2A.ml - Imbalanced dataset

True

46.832

22

22

22

198

100%

5.526

2020-07-09

td2a_ml/ml_c_machine_learning_problems.ipynb

2A.ml - Problèmes classiques de machine learning illustrés

True

6.585

41

41

41

199

100%

0.242

2020-07-09

td2a_ml/ml_cc_machine_learning_problems2.ipynb

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

True

1.204

4

4

4

200

100%

3.123

2020-07-09

td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb

2A.ml - Interprétabilité et corrélations des variables

True

4.679

26

26

26

201

100%

40.840

2020-07-09

td2a_ml/ml_lasso_rf_grid_search_correction.ipynb

Hyperparamètres, LassoRandomForestRregressor et grid_search (correction)

True

41.631

15

15

15

202

100%

0.866

2020-07-09

td2a_ml/ml_lasso_rf_grid_search_enonce.ipynb

Hyperparamètres, LassoRandomForestRregressor et grid_search (énoncé)

True

2.368

4

4

4

203

100%

0.830

2020-07-09

td2a_ml/ml_scikit_learn_simple.ipynb

Rappels sur scikit-learn et le machine learning

True

1.952

12

12

12

204

100%

4.700

2020-07-09

td2a_ml/ml_scikit_learn_simple_correction.ipynb

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

True

5.695

21

21

21

205

100%

8.483

2020-07-09

td2a_ml/seasonal_timeseries.ipynb

Timeseries

True

9.452

42

42

42

206

100%

239.585

2020-07-08

td2a_ml/td2a_cenonce_session_3A.ipynb

2A.ml - Statistiques descriptives avec scikit-learn

True

240.774

18

18

18

207

100%

33.173

2020-07-08

td2a_ml/td2a_cenonce_session_3B.ipynb

2A.ml - Arbres de décision / Random Forest

True

34.192

16

16

16

208

100%

1.014

2020-07-09

td2a_ml/td2a_cenonce_session_4A.ipynb

2A.ml - Machine Learning et Marketting

True

2.436

9

9

9

209

100%

1.072

2020-07-09

td2a_ml/td2a_clustering.ipynb

2A.ml - Clustering

True

2.476

6

6

6

210

100%

28.711

2020-07-09

td2a_ml/td2a_clustering_correction.ipynb

2A.ml - Clustering - correction

True

29.591

25

25

25

211

100%

18.927

2020-07-09

td2a_ml/td2a_correction_cl_reg_anomaly.ipynb

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

True

20.596

33

33

33

212

100%

315.345

2020-07-08

td2a_ml/td2a_correction_session_3A.ipynb

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

True

316.642

24

24

24

213

100%

106.359

2020-07-08

td2a_ml/td2a_correction_session_3B.ipynb

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

True

108.051

26

26

26

214

100%

8.741

2020-07-09

td2a_ml/td2a_correction_session_4A.ipynb

2A.ml - Machine Learning et Marketting - correction

True

10.698

26

26

26

215

100%

1.303

2020-07-09

td2a_ml/td2a_enonce_cl_reg_anomaly.ipynb

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

True

2.206

9

9

9

216

96%

7.596

2020-07-08

td2a_ml/td2a_ethics.ipynb

Machine Learning éthique

True

8.502

31

30

30

217

100%

0.107

2020-07-08

td2a_ml/td2a_ethics_correction.ipynb

Machine Learning éthique - correction

True

1.025

2

2

2

218

100%

9.830

2020-07-09

td2a_ml/td2a_pipeline_tree_selection_correction.ipynb

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

True

11.743

24

24

24

219

100%

1.365

2020-07-09

td2a_ml/td2a_pipeline_tree_selection_enonce.ipynb

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

True

2.315

11

11

11

220

100%

0.646

2020-07-09

td2a_ml/td2a_sentiment_analysis.ipynb

2A.ml - Analyse de sentiments

True

1.461

6

6

6

221

100%

85.797

2020-07-09

td2a_ml/td2a_sentiment_analysis_correction.ipynb

2A.ml - Analyse de sentiments - correction

True

86.795

44

44

44

222

100%

1.480

2020-07-09

td2a_ml/td2a_timeseries.ipynb

2A.ml - Séries temporelles

True

2.517

15

15

15

223

100%

4.101

2020-07-09

td2a_ml/td2a_timeseries_correction.ipynb

2A.ml - Séries temporelles - correction

True

5.009

16

16

16

224

100%

27.930

2020-07-09

td2a_ml/td2a_tree_selection_correction.ipynb

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

True

28.908

19

19

19

225

100%

0.792

2020-07-09

td2a_ml/td2a_tree_selection_enonce.ipynb

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

True

1.633

8

8

8

_images/nbcov.png