Dépendances#
Ce module et les suivants servent de support aux enseignements. Ils sont régulièrement mis à jour et testés. La grande majorité des notebooks sont exécutés toutes les semaines afin de détecter facilement les problèmes pouvant survenir lors de la mise à jour de modules tels que scikit-learn, pandas, …
Tableau de bord et statut des dépendances#
Module |
Travis |
AppVeyor |
CircleCI / Azure / Codacy |
PyPi |
Issues |
Coverage |
Notebook Coverage |
---|---|---|---|---|---|---|---|
![]() |
![]() |
||||||
![]() |
|||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
|||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
|||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
|||||||
![]() |
|||||||
![]() |
|||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
|||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
|||||||
![]() |
![]() |
||||||
![]() |
![]() |
||||||
![]() |
|||||||
![]() |
![]() |
||||||
Les suivants sont des |
exemples |
pour créer de |
nouveaux |
modules. |
|||
![]() |
|||||||
![]() |
![]() |
||||||
![]() |
|||||||
![]() |
|||||||
![]() |
|||||||
![]() |
|||||||
![]() |
|||||||
Les suivants sont des |
expérimentations. |
Les projets suivants lient C# et python. Ils ne sont plus maintenus : csharpy, csharpyml. machinelearning, machinelearningext.
D’autres modules forkés sont disponibles sur travis, appveyor, circleci.
Fork / Stars / Downloads#
Module |
PyPi |
Issues |
Forks |
Stars |
Size |
---|---|---|---|---|---|
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
|||||
![]() |
Automatisation#
module |
description |
---|---|
Fonctions à exécuter depuis un notebook Jupyter |
|
J’ai reçu plus de 120 projets par mail durant l’année 2015-2016 pour plus de 220 élèves. Je ne plus plus grand chose manuellement. Ce module s’occupe de télécharger tous les projets depuis une boîte mail ou d’envoyer des séries de mails de façon automatiser. |
|
Le module sert avant tout à installer plusieurs centaines de modules avec peu d’instructions, quelques outils comme Scite ou Graphviz. Il sert aussi à fabriquer un setup. |
|
Génère la documentation associé à ce site, surcouche sur sphinx. Le module propose également différentes fonctions pour synchroniser des répertoires, exécuter les tests unitaires ou uploader des fichiers en FTP (publication de ce site), quelques outils pour Jupyter ou Jenkins. |
|
Récupération de flux RSS. |
Outils#
module |
description |
---|---|
Explorations autour des données liées au COVID-19 |
|
module |
description |
botadi archivé |
Experimentation autour des chatbots. |
Outils, exemples pour utiliser du C# depuis Python sous Windows ou Linux. |
|
csharpyml archivé |
|
Fonctions, outils implémentées en C, C++ et habillées en Python. C’est aussi un template pour ceux qui souhaite réaliser un module en C/C++/Cython. |
|
ONNX, deep learning, onnxruntime, pytorch |
|
lightmlboard archivé |
Implémentation d’un site web dédié aux compétitions de machine learning basé sur tornado. |
lightmlrestapi archivé |
|
Outils et bouts de codes pour accéder à différentes API de données. |
|
mathenjeu archivé |
Applications web pour créer des QCM ou autre séries de questions sur internet. |
Quelques fonctions pour jouer avec des modèles de machine learning. |
|
Conversion de modèle de machine learning en code C pour prédire plus rapidement. |
|
Tutoriels pour customiser le déploiement avec ONNX |
|
Utilisation de pandas pour opérer sur des fichiers qui ne tiennent pas en mémoire en implémentant des algorithmes de streaming. |
|
Automatisation des échanges avec un cluster HADOOP depuis un notebook. |
|
Fonctionnalités uilisées par un ENSAE ou plus généralement pour un datascientist, récupération de données, commandes magiques, quelques graphes. |
|
J’ai commencé à écrire un benchmark. Après trois copier/collers pour des expériences similaires, j’en ai eu marre. J’ai donc cherché à automatiser parce que je ne sais pas faire trois fois la même chose sans rêver durant la dernière et faire une grande pause pour que la quatrième ne tienne plus qu’en quatre lignes. |
|
Modèle de module Python utilisé pour ce cours. C’est un module vide facile à adapter. |
|
Fonctions utilisées pour saisir rapidement des informations avec tkinter. Rarement utilisées depuis l’arrivée des notebooks. |
|
Utilise des librairies C construites pas d’autres comme re2. |
Outils#
module |
description |
---|---|
Rassemble diverses instructions pour installer certains packages compliqués. |
|
Modèle de module Python utilisé pour ce cours. C’est un module vide facile à adapter. |
|
Modèle de module python qui a servi de modèle pystrat2048 et td2a_plotting |
|
Modèle de module python implémentant une stratégie python, il inclut des tests unitaires, une documentation, l’intégration continue, il peut être réutilisé pour tout algorithme numérique |
|
Modèle de module python implémentant un graphe matplotlib, il inclut des tests unitaires, une documentation, l’intégration continue, il peut être réutilisé pour tout projet similaire |
|
Modèle de module python implémentant un calcul parallélisé à l’aide de cython et openmp. |
|
Modèle de module python implémentant une extension de pytorch |
Contenu#
module |
description |
---|---|
Contenu des enseignements donnés à l’Institut des Actuaires. |
|
Contenu des jeux et exercices pour les enfants disponible à code_beatrix. Ce sont des jeux pour apprendre à programmer avec ou sans ordinateurs et que j’utilise parfois durant les cours avec les plus grands. |
|
Contenu des enseignements donnés à l’ENSAE. Le module inclut également des fonctions d’automatisation et des morceaux de codes illustrant des exercices (voir Index du module). |
|
Notebooks, contenu plus spécifiques au deep learning. |
|
Présentations sous formes de notebooks données lors de conférences ou de cours. |
|
Souvenirs de lectures, rien à voir avec la programmation ou les statistiques à part Hume peut-être. |
|
Contenu plus théorique associé à la datascience, au machine learning, au traitement naturel du langage. Avec un peu plus de démonstrations mathématiques que dans les autres modules. |
|
Découverte du machine learning, mélange de pratique et de théorie. |
|
Bafouille sur spark. |
|
Cours de programmation en Python. C’est la version internet et actualisée du livre paru en 2009 et disponible au format PDF. |
Git Clone#
<<<
from ensae_teaching_cs.automation import get_teaching_modules
pattern = 'if not exist {0} git clone https://github.com/sdpython/{0}.git'
add = ['myblog', 'thesis_handwriting', '_automation']
modules = get_teaching_modules(branch=False) + add
print('\n'.join(pattern.format(_) for _ in sorted(modules)))
>>>
if not exist _automation git clone https://github.com/sdpython/_automation.git
if not exist _check_python_install git clone https://github.com/sdpython/_check_python_install.git
if not exist actuariat_python git clone https://github.com/sdpython/actuariat_python.git
if not exist code_beatrix git clone https://github.com/sdpython/code_beatrix.git
if not exist cpyquickhelper git clone https://github.com/sdpython/cpyquickhelper.git
if not exist deeponnxcustom git clone https://github.com/sdpython/deeponnxcustom.git
if not exist ensae_projects git clone https://github.com/sdpython/ensae_projects.git
if not exist ensae_teaching_cs git clone https://github.com/sdpython/ensae_teaching_cs.git
if not exist ensae_teaching_dl git clone https://github.com/sdpython/ensae_teaching_dl.git
if not exist jupytalk git clone https://github.com/sdpython/jupytalk.git
if not exist jyquickhelper git clone https://github.com/sdpython/jyquickhelper.git
if not exist lecture_citation git clone https://github.com/sdpython/lecture_citation.git
if not exist manydataapi git clone https://github.com/sdpython/manydataapi.git
if not exist mlinsights git clone https://github.com/sdpython/mlinsights.git
if not exist mloptonnx git clone https://github.com/sdpython/mloptonnx.git
if not exist mlprodict git clone https://github.com/sdpython/mlprodict.git
if not exist mlstatpy git clone https://github.com/sdpython/mlstatpy.git
if not exist myblog git clone https://github.com/sdpython/myblog.git
if not exist myblog git clone https://github.com/sdpython/myblog.git
if not exist onnxcustom git clone https://github.com/sdpython/onnxcustom.git
if not exist onnxortext git clone https://github.com/sdpython/onnxortext.git
if not exist pandas_streaming git clone https://github.com/sdpython/pandas_streaming.git
if not exist papierstat git clone https://github.com/sdpython/papierstat.git
if not exist pyenbc git clone https://github.com/sdpython/pyenbc.git
if not exist pyensae git clone https://github.com/sdpython/pyensae.git
if not exist pymlbenchmark git clone https://github.com/sdpython/pymlbenchmark.git
if not exist pymmails git clone https://github.com/sdpython/pymmails.git
if not exist pymyinstall git clone https://github.com/sdpython/pymyinstall.git
if not exist pyquickhelper git clone https://github.com/sdpython/pyquickhelper.git
if not exist pyrsslocal git clone https://github.com/sdpython/pyrsslocal.git
if not exist python3_module_template git clone https://github.com/sdpython/python3_module_template.git
if not exist sparkouille git clone https://github.com/sdpython/sparkouille.git
if not exist teachpyx git clone https://github.com/sdpython/teachpyx.git
if not exist thesis_handwriting git clone https://github.com/sdpython/thesis_handwriting.git
if not exist tkinterquickhelper git clone https://github.com/sdpython/tkinterquickhelper.git
if not exist wrapclib git clone https://github.com/sdpython/wrapclib.git