• XD
• blog
• index
• Site
  • 1. Algorithmes et programmation
    • TD - Les bases
      • Premiers pas en Python
      • Variables, boucles
      • Dictionnaires, fonctions
      • Fichiers, modules, expressions régulières
      • Classes, héritages
      • Premiers algorithmes
      • 1A.1 - Liste, tuple, ensemble, dictionnaire, liste chaînée, coût des opérations
      • 1A.algo - Calculer le nombre de façons de monter une échelle.
      • Exemples classiques
      • 1A.1 - D’une structure de données à l’autre
      • 1A.1 - Calculer un chi 2 sur un tableau de contingence
      • 1A.1 - Histogramme et dictionnaire
      • 1A.1 - Simuler une loi multinomiale
      • Produit matriciel avec une matrice creuse
    • TD - Algorithmes
      • 1A.algo - Recherche dichotomique
      • Survol algorithmique
      • Problèmes NP-complets
      • Graphes
      • Programmation dynamique
      • Programmation dynamique
      • Arbre, Trie, Graphes
      • Optimisation sous contrainte
      • Algorithmes en streaming
      • Images
      • Questions TD 2014
      • 1A.algo - Calculer x**n le plus rapidement possible
      • 1A.algo - Calculer le nombre de façons de monter une échelle.
      • 1A.algo - Décoder du Morse sans espaces
      • 1A.algo - La sous-séquence de plus grande somme
      • 1A.algo - Tri plus rapide que prévu
      • S’amuser avec les algorithmes
    • TD - calcul matriciel, graphes, données - data science
      • 1A.data - DataFrame et Matrice
      • 1A.data - DataFrame et Matrice (correction)
      • 1A.data - Décorrélation de variables aléatoires
      • 1A.data - Décorrélation de variables aléatoires - correction
      • 1A.soft - Calcul numérique et Cython
      • 1A.soft - Calcul numérique et Cython - correction
      • 1A.data - Visualisation des données
      • 1A.data - Visualisation des données - cartes
      • 1A.data - Visualisation des données - graphes interactifs
      • 1A.data - visualisation des données - correction
      • S’amuser avec des données
    • TD - Site web et pratiques logicielles
      • Site Web, exemple avec Flask
      • Génie logiciel : coder facilement, coder à plusieurs, qualité du code, gestion de projets
      • 2A.soft - Git depuis le notebook
      • 1A.soft - Exemple de profiling
      • 2A.soft - Convert a notebook into a document
      • 2A.soft - Custom Magics for Jupyter
      • Python et C++, stratégies
      • Tests Unitaires, Continuous Integration
      • Langages, SQL
      • Cython
    • Les notions qu’il faut avoir comprises ou vues
      • Pour un profil plutôt analyste
      • Pour un profil plutôt ingénieur
      • Séance notée
    • Getting started
    • Bibliographie
    • Intervenants
    • A propos du cours
      • Feuille de route 2018 (1A)
  • 2. Python pour un Data Scientist / Economiste
    • Agilité avec les données
      • Agilité avec les données
    • Machine Learning - les briques de bases
      • Machine learning - les briques de bases
    • Machine learning - extensions
      • Machine learning - extensions
    • Galleries de problèmes résolus ou presque
    • Algorithmes, Optimisation, Programmation
      • Algorithmes, Optimisation, Programmation
    • Bibliographie
      • Bibliographie
    • A propos du cours
      • Les notions qu’il faut avoir comprises ou vues
      • Feuille de route 2016 (2A)
      • Feuille de route 2017 (2A)
      • Feuille de route 2018 (2A)
      • Exposés (2A)
      • Compétitions
  • 3. Eléments logiciels pour le traitement des données massives
    • Eléments techniques
      • Anatomie et histoire d’un ordinateur
      • CPU
      • GPU
      • Autres que CPU, GPU
    • Eléments théoriques
      • Crypographie, block chain
      • Algorithmes Distribués
    • Eléments logiciels
      • Structures de données
      • Threads et synchronisation
      • Plus proches voisins en grandes dimensions
      • Distribution des calculs, stratégies de stockage, SQL NoSQL
      • Compression des données
      • Workflow de données
      • Deep Learning
      • Framework de deep learning
    • Map Reduce
      • Map Reduce en pratique
      • avec PIG sur Azure et Cloudera
      • avec Spark et Spark SQL
    • Getting started, installation, setup
      • PIG
      • SPARK
    • Bibliographie
    • Feuilles de routes des années passées
      • Feuille de route 2017 (3A)
  • 4. Projets informatiques
    • 1A - Projets informatiques
      • Extraits des projets informatiques de première année à l’ENSAE en 2015
      • Sujets proposés
      • Travail attendu
      • Que faut-il en attendre ?
      • Références
      • Ce que vous ne lisez jamais mais que j’observe chaque année
    • 2A - Projets informatiques - Data Scientist - Economiste
      • Data Scientist
      • Travail attendu
      • Barème approximatif
      • Liens
      • Questions
      • Retours des projets des années précédentes
    • 3A - Projets informatiques
      • Travail attendu
      • Suggestions d’articles
      • Exemples d’implémentation d’algorithme en PIG
      • Code de survie
  • 5. Examens
    • Révisions rapides
    • Séances notées
    • Interrogations rapides
      • 2016-2017 - Interrogation écrite - 21 octobre 2016
    • Examens écrits
    • Corrections sous forme de notebooks
      • interrogations écrites
      • TD notés, éléments de code donnés dans l’énoncé
      • TD notés, correction
    • Autres sources d’énoncés d’examens
  • 6. Découvrir
    • Culture algorithmique
    • Algorithmes illustrés
      • Stratégie automatique de trading en finance
      • Circuit hamiltonien et Kohonen
      • Circuit hamiltonien et Kruskal
      • 3A.mr - Graphes et Map Reduce
      • 3A.mr - Random Walk with Restart (système de recommandations)
      • 2A.algo - Réflexions autour du voyage de commerce (TSP)
      • Problème de dès et problème de flots
      • Image de synthèse, lancer de rayon
      • Simulation d’une corde qui chute
      • 1A.algo - Casser le code de Vigenère
      • 2A.algo - L’énigme d’Einstein et sa résolution
      • Résolution d’un puzzle
      • L’énigme d’Hermionne, Harry Potter tome 1
      • Résolution d’un sudoku
      • 2A.algo - Hash et distribution
      • 2A.algo - Algorithmes de streaming : généralités
    • Machine learning illustré
      • 2A.i - Table de mortalité dans plusieurs containers
      • 2A.i - Huge datasets, datasets hiérarchiques
      • 2A.algo - Parcourir les rues de Paris
      • Evolution d’un voisinage, d’une population
      • Optimisation sous contraintes appliquée au calcul du report des voix
  • 7. Visualisation
    • Modules et exemples
    • Galleries
    • Trucs et astuces
  • 8. Modules, Bibliographie, Articles, FAQ...
    • Articles, Références, Blogs
      • Bibliographies associées à chaque cours
      • Autres suggestions
    • Ressources, Evénements, Source de données
      • Source de données
      • Compétition, Codes
      • Evénements, Médias
      • Incubateurs
    • FAQ
      • FAQ cvxopt
      • FAQ Cython
      • FAQ Geo coordinates and Maps
      • FAQ Hadoop
      • FAQ Jupyter
      • FAQ matplotlib
      • FAQ pandas
      • FAQ python
      • FAQ web
      • FAQ Windows
    • Questions
      • Questions TD 2014
      • Questions Projets 2014
      • Questions Projets 2015
      • Questions 2016
    • Devinettes
      • Devinettes 2016
    • Bien démarrer un projet de machine learning
      • Etape 1 : quel est le type de problème ?
      • Etape 2 : quelles sont les données ?
      • Etape 3 : séparation train/test
      • Etape 4 : apprentissage d’un modèle
      • Etape 5 : mesure de la performance
      • Etape 6 : ajouter des variables
      • Etape 7 : jouer à Hercule Poirot
      • Etape 8 : validation du modèle
  • 9. Getting started
    • Notes
      • 2018-2019
      • 2017-2018
    • En résumé : Anaconda
    • Windows
      • Linux en ligne de commande / MacOS
      • IDE
      • Editeur de texte
    • Installer un module
      • pip, python et ligne de commande
      • conda ou pip
      • Dépendances
      • Installer un module avec pymy_install
      • Désinstallation des modules implémentés pour ce cours
      • Configuration pour ces cours
      • Compiler un module
    • Distributions
    • Modules incournables pour un data scientist
    • Outils, ressources pour développer
      • En vrac
      • Générer une documentation comme ce cours
      • Setup pour déveloper ce cours (Windows)
    • Maintenir sa distribution Python à jour
    • Liste exhaustive de modules Python
  • 10. Galleries d'exemples
    • Anti-sèches
      • Automatisation
      • sklearn_ensae_course
    • Collection d’examples
      • Automatisation
      • Computer Science, Machine Learning
      • Geek
    • Exemples classiques
      • Python, constructions classiques
    • Blog Gallery
      • blog 0
      • blog 1
      • blog 2
      • blog 3
      • blog 4
      • blog 5
      • blog 6
      • blog 7
      • blog 8
      • blog 9
      • blog 10
      • blog 11
      • blog 12
      • blog 13
      • blog 14
      • blog 15
      • blog 16
      • blog 17
      • blog 18
      • blog 19
      • blog 20
      • blog 21
      • blog 22
      • blog 23
      • blog 24
      • blog 25
      • blog 26
      • blog 27
      • blog 28
      • blog 29
      • blog 30
      • blog 31
      • blog 32
      • blog 33
      • blog 34
      • blog 35
      • blog 36
      • blog 37
      • blog 38
      • blog 39
      • blog 40
      • blog 41
      • blog 42
      • blog 43
      • blog 44
      • blog 45
      • blog 46
      • blog 47
      • blog 48
      • blog 49
      • blog 50
      • blog 51
      • blog 52
      • blog 53
      • blog 54
      • blog 55
      • blog 56
      • blog 57
      • blog 58
      • blog 59
      • blog 60
      • blog 61
      • blog 62
      • blog 63
      • blog 64
      • blog 65
      • blog 66
      • blog 67
      • blog 68
      • blog 69
      • blog 70
      • blog 71
      • blog 72
      • blog 73
      • blog 74
      • blog 75
      • blog 76
      • blog 77
      • blog 78
      • blog 79
      • blog 80
      • blog 81
      • blog 82
      • blog 83
      • blog 84
      • blog 85
      • blog 86
      • blog 87
      • blog 88
      • blog 89
      • blog 90
      • blog 91
      • blog 92
      • blog 93
      • blog 94
      • blog 95
      • blog 96
      • blog 97
      • blog 98
      • blog 99
      • blog 100
      • blog 101
      • blog 102
      • blog 103
      • blog 104
      • blog 105
      • blog 106
      • blog 107
      • blog 108
      • blog 109
      • blog 110
      • blog 111
      • blog 112
      • blog 113
      • blog 114
      • blog 115
      • blog 116
      • blog 117
      • blog 118
      • blog 119
      • blog 120
    • Automatisation
      • Set up or update Jenkins Jobs
      • Copy documentation
      • Exécuter des scripts python envoyé en pièce jointe
      • Send many mails
      • Publish documentation
      • Récupérer des mails d’étudiants en pièce jointe (1:1)
    • Galleries de notebooks
      • 1A - Exposés, Exercices pour apprendre la programmation et les algorithmes
      • 2A - Exposés, Techniques de data scientiste
      • Compétitions de machine learning
      • 1A - Examens et solutions
      • Exposés
      • Notebooks des étudiants
      • Année 2014-2015
      • Année 2016-2017
      • Année 2017-2018
      • Année 2018-2019
      • 2A - sklearn_ensae_course
      • 1A - Travaux dirigés - Introductions
      • 1A - Travaux dirigés autour des algorithmes
      • 1A - Travaux dirigés autour des données
      • 1A - Travaux dirigés autour des pratiques logiciels
      • 2A - Travaux dirigés - Data Scientiste / Economiste
      • 2A - Travaux dirigés - Algorithmes
      • 2A - Travaux dirigés - Economistes
      • 2A - Long Travaux dirigés - Economistes
      • 2A - Travaux dirigés - Machine Learning
  • 11. Index
    • README
      • ensae_teaching_cs
      • History
      • page de blog - 1/11
      • Glossaire
      • License
      • Dépendances
    • A propos de ce module
      • Changes
      • All indexes
      • Statistics on code
      • Modules
  • 12. API
    • Automatisation
      • Examens
      • Web
    • Données
      • Jeux de données
      • Outils
    • Exercices
      • 1A
      • 2A
      • Promenades
    • Outils
      • Code
      • Cython
      • Conversion
      • Dataframes
      • Graphes
      • Image
      • Outils
      • pygame
      • Web
• Page
  • Tests Unitaires, Continuous Integration