Notebooks Coverage

Report on last executions.

78% 2023-03-19

index	coverage	exe time	last execution	name	title	success	time	nb cells	nb runs	nb valid
0	100%	23.134	2023-03-18	1a/code_liste_tuple.ipynb	1A.1 - Liste, tuple, ensemble, dictionnaire, liste chaînée, coût des opérations	True	27.197	4	4	4
1	100%	9.833	2023-03-18	1a/code_multinomial.ipynb	1A.1 - Simuler une loi multinomiale	True	13.861	12	12	12
2	100%	12.399	2023-03-18	1a/coloriage_carre.ipynb	Jeux de coloriage	True	16.475	23	23	23
3	100%	0.581	2023-03-18	1a/exercice_echelle.ipynb	1A.algo - Calculer le nombre de façons de monter une échelle.	True	4.599	6	6	6
4	100%	2.113	2023-03-18	1a/exercice_morse.ipynb	1A.algo - Décoder du Morse sans espaces	True	6.181	16	16	16
5	100%	5.000	2023-03-18	1a/exercice_plus_grande_somme.ipynb	1A.algo - La sous-séquence de plus grande somme	True	9.052	15	15	15
6	100%	0.352	2023-03-18	1a/exercice_xn.ipynb	1A.algo - Calculer x**n le plus rapidement possible	True	4.658	4	4	4
7	100%	0.878	2023-03-18	1a/histogramme_rapide.ipynb	1A.1 - Histogramme et dictionnaire	True	4.891	8	8	8
8	100%	71.256	2023-03-18	1a/nbheap.ipynb	Heap	True	75.334	15	15	15
9	100%	54.532	2023-03-18	1a/pivot_gauss.ipynb	Pivot de gauss avec numpy	True	58.581	10	10	10
10	100%	13.196	2023-03-18	1a/profiling_example.ipynb	1A.soft - Exemple de profiling	True	17.216	11	11	11
11	100%	0.939	2023-03-18	1a/recherche_dichotomique.ipynb	1A.algo - Recherche dichotomique	True	4.983	9	9	9
12	100%	5.230	2023-03-18	1a/structures_donnees_conversion.ipynb	1A.1 - D’une structure de données à l’autre	True	9.389	29	29	29
13	100%	2.213	2023-03-18	1a/tableau_contingence.ipynb	1A.1 - Calculer un chi 2 sur un tableau de contingence	True	6.256	8	8	8
14	100%	83.920	2023-03-18	1a/tri_nlnd.ipynb	1A.algo - Tri plus rapide que prévu	True	87.996	17	17	17
15	100%	369.495	2023-03-05	2016-2017/solution_2016_credit_clement.ipynb	2016 - Une solution à la compétition de machine learning 2A	True	373.691	28	28	28
16	100%	13.864	2023-02-25	2016/td2a_eco_competition_comparer_classifieurs.ipynb	2A.ml - 2016 - Compétition - Préparation des données	True	16.903	16	16	16
17	100%	10.496	2023-02-25	2016/td2a_eco_competition_modeles_logistiques.ipynb	2A.ml - 2016 - Compétition ENSAE - Premiers modèles	True	13.586	26	26	26
18	100%	68.092	2023-02-25	2016/td2a_eco_competition_statsdesc.ipynb	2A.ml - 2016 - Compétition - Importation des données	True	71.319	22	22	22
19	100%	28.356	2023-03-18	2017-2018/dimensions_reduction.ipynb	Réduction des dimensions	True	32.453	20	20	20
20	0%	nan		2017/prepare_data_2017.ipynb	2A.ml - 2017 - Préparation des données		nan	60	0
21	89%	2.944	2023-03-18	2018-2019/2018-09-18_rappels_python.ipynb	2018-09-18 - Rappels sur le langage python	True	7.045	28	25	25
22	100%	9.150	2023-03-18	2018-2019/2018-09-18_rappels_python_pandas_matplotlib.ipynb	2018-09-18 - Rappels sur pandas et maplotlib	True	13.262	29	29	29
23	100%	7.689	2023-03-18	2018-2019/2018-09-18_sklearn_api.ipynb	2018-09-18 - API de scikit-learn	True	11.730	21	21	21
24	100%	0.986	2023-03-18	2018-2019/2018-09-25_distance_entre_mots.ipynb	2018-09-25 - Distance entre mots	True	5.035	11	11	11
25	100%	15.089	2023-03-18	2018-2019/2018-10-02_scraping_recuperer_images.ipynb	2018-10-02 - Scraping, récupérer une image depuis LeMonde	True	19.188	20	20	20
26	100%	198.258	2023-03-18	2018-2019/2018-10-09_ensemble_gradient_boosting.ipynb	2018-10-09 Ensemble, Gradient, Boosting…	True	202.359	19	19	19
27	100%	17.092	2023-03-18	2a/bayesian_with_python.ipynb	2A.ml - Bayesian models with Python	True	21.389	19	19	19
28	100%	195.184	2023-03-05	2a/cffi_linear_regression.ipynb	Optimisation de code avec cffi, numba, cython	True	199.523	92	92	92
29	100%	4.672	2023-03-18	2a/dataframe_matrix_speed.ipynb	2A.i - Mesures de vitesse sur les dataframes	True	8.745	15	15	15
30	100%	8.039	2023-03-18	2a/git_notebook.ipynb	2A.soft - Git depuis le notebook	True	12.154	23	23	23
31	100%	1.694	2023-03-18	2a/jupyter_custom_magics.ipynb	2A.soft - Custom Magics for Jupyter	True	5.723	5	5	5
32	100%	25.684	2023-03-18	2a/ml_timeseries_base.ipynb	2A.ml - Timeseries et machine learning	True	29.811	28	28	28
33	100%	6.626	2023-03-18	2a/notebook_convert.ipynb	2A.soft - Convert a notebook into a document	True	10.690	8	8	8
34	0%	nan		2a/seance_5_dask.ipynb	2A.i - Données non structurées, programmation fonctionnelle : dask		nan	28	0
35	0%	nan		2a/seance_5_intro_et_json.ipynb	2A.i - Données non structurées, programmation fonctionnelle		nan	46	0
36	0%	nan		2a/seance_5_prog_fonctionnelle.ipynb	2A.i - programmation fonctionnelle		nan	78	0
37	100%	60.854	2023-03-18	2a/timeseries_ssa.ipynb	Single Spectrum Analysis (SSA)	True	64.968	27	27	27
38	100%	2086.567	2023-03-05	data/data_irep.ipynb	IREP: registre des émissions polluantes	True	2092.597	21	21	21
39	100%	24.294	2023-03-05	data/deal_flow_espace_vert.ipynb	Deal flow espaces verts 2018 - 2019	True	28.633	14	14	14
40	100%	1.208	2023-03-18	exams/interro_rapide_20_minutes_2014_09.ipynb	1A.e - Correction de l’interrogation écrite du 26 septembre 2014	True	5.261	12	12	12
41	100%	3.290	2023-03-18	exams/interro_rapide_20_minutes_2014_10.ipynb	1A.e - Correction de l’interrogation écrite du 10 octobre 2014	True	7.374	17	17	17
42	82%	3.464	2023-03-18	exams/interro_rapide_20_minutes_2014_11.ipynb	1A.e - Correction de l’interrogation écrite du 14 novembre 2014	True	7.661	35	29	29
43	100%	1.547	2023-03-18	exams/interro_rapide_20_minutes_2014_12.ipynb	1A.e - Correction de l’interrogation écrite du 14 novembre 2014	True	5.590	15	15	15
44	100%	0.836	2023-03-18	exams/interro_rapide_20_minutes_2015_09.ipynb	1A.e - Correction de l’interrogation écrite du 26 septembre 2015	True	4.888	12	12	12
45	100%	1.188	2023-03-18	exams/interro_rapide_20_minutes_2015_11.ipynb	1A.e - Correction de l’interrogation écrite du 6 novembre 2015	True	5.288	16	16	16
46	100%	26.879	2023-03-18	exams/td_note_2013_bout_de_code_coloriage.ipynb	1A.e - TD noté, 27 novembre 2012 (éléments de code pour le coloriage)	True	30.930	6	6	6
47	100%	59.807	2023-03-18	exams/td_note_2013_coloriage_correction.ipynb	1A.e - TD noté, 27 novembre 2012 (coloriage, correction)	True	63.931	14	14	14
48	100%	4.231	2023-03-18	exams/td_note_2015.ipynb	1A.e - TD noté, 5 décembre 2014	True	8.354	36	36	36
49	100%	0.212	2023-03-18	exams/td_note_2015_rattrapage_enonce.ipynb	1A.e - TD noté 2015 rattrapage (énoncé, écrit et oral)	True	4.229	6	6	6
50	100%	10.769	2023-03-18	exams/td_note_2016.ipynb	1A.e - TD noté, 11 décembre 2015	True	14.885	26	26	26
51	100%	3.700	2023-03-18	exams/td_note_2017.ipynb	1A.e - TD noté, 16 décembre 2016	True	7.782	23	23	23
52	100%	2.615	2023-03-18	exams/td_note_2017_2.ipynb	1A.e - TD noté, 21 février 2017	True	6.697	21	21	21
53	100%	20.595	2023-03-18	exams/td_note_2018_1.ipynb	1A.e - Enoncé 12 décembre 2017 (1)	True	24.760	25	25	25
54	100%	17.914	2023-03-18	exams/td_note_2018_2.ipynb	1A.e - Enoncé 12 décembre 2017 (2)	True	21.979	21	21	21
55	100%	81.822	2023-03-18	exams/td_note_2019_1.ipynb	1A.e - Enoncé 23 octobre 2018 (1)	True	85.925	17	17	17
56	100%	40.855	2023-03-18	exams/td_note_2019_2.ipynb	1A.e - Enoncé 23 octobre 2018 (2)	True	44.954	18	18	18
57	100%	17.424	2023-03-18	exams/td_note_2020_1.ipynb	1A.e - Enoncé 22 octobre 2019 (1)	True	21.601	29	29	29
58	100%	16.948	2023-03-18	exams/td_note_2020_2.ipynb	1A.e - Enoncé 22 octobre 2019 (2)	True	21.081	28	28	28
59	100%	29.120	2023-03-18	exams/td_note_2021.ipynb	1A - Enoncé 24 novembre 2020	True	33.203	24	24	24
60	100%	22.962	2023-03-18	exams/td_note_2022.ipynb	1A - Enoncé 3 novembre 2021	True	27.041	31	31	31
61	100%	1.091	2023-03-18	exams/td_note_2022_rattrapage.ipynb	1A - Enoncé 15 novembre 2021 - rattrapage	True	5.243	9	9	9
62	100%	9.146	2023-03-18	exams/td_note_2022_rattrapage2.ipynb	1A - Enoncé 3 mars 2022- rattrapage	True	13.167	10	10	10
63	100%	53.744	2023-03-18	exams/td_note_2023.ipynb	1A - Enoncé 26 octobre 2022	True	57.872	17	17	17
64	100%	52.109	2023-03-18	expose/BJKST.ipynb	2A.algo - Algorithmes de streaming : généralités	True	56.273	39	39	39
65	100%	22.154	2023-03-18	expose/expose_TSP.ipynb	2A.algo - Réflexions autour du voyage de commerce (TSP)	True	26.188	11	11	11
66	100%	6.979	2023-03-18	expose/expose_einstein_riddle.ipynb	2A.algo - L’énigme d’Einstein et sa résolution	True	11.069	6	6	6
67	100%	6.858	2023-03-18	expose/expose_graphe_et_map_reduce.ipynb	3A.mr - Graphes et Map Reduce	True	10.899	11	11	11
68	100%	1.127	2023-03-18	expose/expose_rwr_recommandation.ipynb	3A.mr - Random Walk with Restart (système de recommandations)	True	5.167	4	4	4
69	0%	nan		expose/expose_vigenere.ipynb	1A.algo - Casser le code de Vigenère		nan	18	0
70	100%	34.070	2023-03-18	expose/hash_distribution.ipynb	2A.algo - Hash et distribution	True	38.168	14	14	14
71	100%	63.709	2023-03-18	expose/ml_features_model.ipynb	2A.ml - Features ou modèle	True	67.798	15	15	15
72	0%	nan		expose/ml_huge_datasets.ipynb	2A.i - Huge datasets, datasets hiérarchiques		nan	30	0
73	0%	nan		expose/ml_rue_paris_parcours.ipynb	2A.algo - Parcourir les rues de Paris		nan	53	0
74	0%	nan		expose/ml_table_mortalite.ipynb	2A.i - Table de mortalité dans plusieurs containers		nan	54	0
75	100%	8.586	2023-03-18	sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb	2A.ML101.0: What is machine learning?	True	12.697	13	13	13
76	100%	9.182	2023-03-18	sklearn_ensae_course/01_data_manipulation.ipynb	2A.ML101.1: Introduction to data manipulation with scientific Python	True	13.304	18	18	18
77	100%	18.641	2023-03-18	sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb	2A.ML101.2: Basic principles of machine learning with scikit-learn	True	22.705	15	15	15
78	100%	36.778	2023-03-18	sklearn_ensae_course/03_supervised_classification.ipynb	2A.ML101.3: Supervised Learning: Classification of Handwritten Digits	True	40.820	12	12	12
79	100%	18.508	2023-03-18	sklearn_ensae_course/04_supervised_regression.ipynb	2A.ML101.4: Supervised Learning: Regression	True	22.599	12	12	12
80	100%	25.024	2023-03-18	sklearn_ensae_course/05_measuring_prediction_performance.ipynb	2A.ML101.5: Measuring prediction performance	True	29.112	23	23	23
81	100%	26.016	2023-03-18	sklearn_ensae_course/06_unsupervised_dimreduction.ipynb	2A.ML101.6: Unsupervised Learning: Dimensionality Reduction and Visualization	True	30.077	18	18	18
82	100%	28.747	2023-03-18	sklearn_ensae_course/07_application_to_face_recognition.ipynb	2A.ML101.7: Example from Image Processing	True	32.898	19	19	19
83	100%	17.831	2023-03-18	sklearn_ensae_course/08_validation_and_learning_curves.ipynb	2A.ML101.8: Parameter selection, Validation & Testing	True	21.911	15	15	15
84	100%	0.541	2023-03-18	td1a/integrale_rectangle.ipynb	1A.1 - Intégrale et la méthode des rectangles	True	4.615	6	6	6
85	100%	8.143	2023-03-18	td1a/integrale_rectangle_correction.ipynb	1A.1 - Intégrale et la méthode des rectangles - correction	True	12.251	30	30	30
86	100%	0.384	2023-03-18	td1a/j2048.ipynb	1A.2 - 2048 - stratégie gagnante	True	4.415	3	3	3
87	100%	1.463	2023-03-18	td1a/j2048_correction.ipynb	1A.2 - 2048 - stratégie gagnante - correction	True	5.531	11	11	11
88	100%	63.449	2023-03-18	td1a/matrix_dictionary.ipynb	Produit matriciel avec une matrice creuse	True	67.532	20	20	20
89	100%	0.345	2023-03-18	td1a/pp_exo_deviner_un_nombre.ipynb	1A.1 - Deviner un nombre aléatoire	True	4.397	5	5	5
90	100%	0.664	2023-03-18	td1a/pp_exo_deviner_un_nombre_correction.ipynb	1A.1 - Deviner un nombre aléatoire (correction)	True	4.713	7	7	7
91	75%	1.248	2023-03-18	td1a/td1a_cenonce_session1.ipynb	1A.0 - Premiers pas en Python	True	5.313	16	12	12
92	100%	3.467	2023-03-18	td1a/td1a_cenonce_session2.ipynb	1A.1 - Variables, boucles, tests	True	7.592	30	30	30
93	100%	2.135	2023-03-18	td1a/td1a_cenonce_session3.ipynb	1A.1 - Dictionnaires, fonctions, code de Vigenère	True	6.214	26	26	26
94	100%	4.481	2023-03-18	td1a/td1a_cenonce_session4.ipynb	1A.2 - Modules, fichiers, expressions régulières	True	8.633	20	20	20
95	100%	2.092	2023-03-18	td1a/td1a_cenonce_session5.ipynb	1A.2 - Classes, méthodes, attributs, opérateurs et carré magique	True	6.189	17	17	17
96	100%	0.948	2023-03-18	td1a/td1a_cenonce_session6.ipynb	1A.2 - Classes, héritage	True	4.971	11	11	11
97	100%	1.320	2023-03-18	td1a/td1a_correction_session1.ipynb	1A.0 - Premiers pas en Python (correction)	True	5.376	13	13	13
98	100%	0.873	2023-03-18	td1a/td1a_correction_session2.ipynb	1A.1 - Variables, boucles, tests (correction)	True	4.897	8	8	8
99	100%	0.934	2023-03-18	td1a/td1a_correction_session3.ipynb	1A.1 - Dictionnaires, fonctions, code de Vigenère (correction)	True	4.950	9	9	9
100	100%	6.414	2023-03-18	td1a/td1a_correction_session4.ipynb	1A.2 - Modules, fichiers, expressions régulières (correction)	True	10.463	20	20	20
101	100%	64.189	2023-03-18	td1a/td1a_correction_session5.ipynb	1A.2 - Classes, méthodes, attributs, opérateurs et carré magique (correction)	True	68.280	12	12	12
102	100%	0.561	2023-03-18	td1a/td1a_correction_session6.ipynb	1A.2 - Classes, héritage (correction)	True	4.720	5	5	5
103	100%	2.688	2023-03-18	td1a/td1a_pyramide_bigarree.ipynb	1A.1 - Tracer une pyramide bigarrée	True	6.717	5	5	5
104	100%	7.416	2023-03-18	td1a/td1a_pyramide_bigarree_correction.ipynb	1A.1 - Tracer une pyramide bigarrée - correction	True	11.579	11	11	11
105	100%	1.837	2023-03-18	td1a/texte_langue.ipynb	1A.2 - Deviner la langue d’un texte	True	5.915	6	6	6
106	100%	21.204	2023-03-18	td1a/texte_langue_correction.ipynb	1A.2 - Deviner la langue d’un texte (correction)	True	25.297	23	23	23
107	100%	0.443	2023-03-18	td1a_algo/BJKST_enonce.ipynb	1A.algo - BJKST - calculer le nombre d’éléments distincts	True	4.549	4	4	4
108	100%	1.765	2023-03-18	td1a_algo/graph1exo_parcours.ipynb	1A.algo - Parcours de graphe	True	5.810	8	8	8
109	100%	1.987	2023-03-18	td1a_algo/graph1exo_parcours_correction.ipynb	1A.algo - Parcours de graphe - correction	True	6.096	9	9	9
110	100%	1.210	2023-03-18	td1a_algo/graph4exos.ipynb	1A.algo - Des problèmes de graphes	True	5.264	6	6	6
111	100%	1.479	2023-03-18	td1a_algo/graph_spectral_clustering.ipynb	1A.algo - Spectral Clustering	True	5.519	6	6	6
112	100%	2.492	2023-03-18	td1a_algo/graph_spectral_clustering_correction.ipynb	1A.algo - Spectral Clustering - correction	True	6.586	11	11	11
113	100%	0.130	2023-03-18	td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb	1A.algo - distance de Jaccard (dictionnaires)	True	4.139	4	4	4
114	100%	4.439	2023-03-18	td1a_algo/td1a_cenonce_session7.ipynb	1A.algo - Programmation dynamique et plus court chemin	True	8.579	17	17	17
115	100%	0.424	2023-03-18	td1a_algo/td1a_cenonce_session7_edition.ipynb	1A.algo - La distance d’édition	True	4.562	8	8	8
116	100%	0.506	2023-03-18	td1a_algo/td1a_cenonce_session8.ipynb	1A.algo - Arbre et Trie	True	4.538	10	10	10
117	100%	0.138	2023-03-18	td1a_algo/td1a_cenonce_session8_wikiroot.ipynb	1A.algo - Parcours dans un graphe (wikipédia)	True	4.194	4	4	4
118	100%	0.570	2023-03-18	td1a_algo/td1a_cenonce_session9.ipynb	1A.algo - Optimisation sous contrainte	True	4.618	6	6	6
119	100%	20.984	2023-03-18	td1a_algo/td1a_correction_session4_5_jaccard.ipynb	1A.algo - distance de Jaccard (dictionnaires) - correction	True	25.033	17	17	17
120	100%	7.810	2023-03-18	td1a_algo/td1a_correction_session7.ipynb	1A.algo - Programmation dynamique et plus court chemin (correction)	True	11.900	15	15	15
121	100%	2.451	2023-03-18	td1a_algo/td1a_correction_session7_edition.ipynb	1A.algo - La distance d’édition (correction)	True	6.528	20	20	20
122	100%	178.703	2023-03-05	td1a_algo/td1a_correction_session8.ipynb	1A.algo - Arbre et Trie (correction)	True	183.085	20	20	20
123	100%	4.155	2023-03-18	td1a_algo/td1a_correction_session8_wikiroot.ipynb	1A.algo - Parcours dans un graphe (wikipédia) - correction	True	8.220	5	5	5
124	100%	1.726	2023-03-18	td1a_algo/td1a_correction_session9.ipynb	1A.algo - Optimisation sous contrainte (correction)	True	5.762	7	7	7
125	100%	0.000	2023-03-18	td1a_algo/td1a_plus_grande_somme.ipynb	1A.algo - la plus grande sous-séquence croissante	True	4.050	1	1	1
126	100%	55.750	2023-03-18	td1a_algo/td1a_plus_grande_somme_correction.ipynb	1A.algo - la plus grande sous-séquence croissante - correction	True	59.845	10	10	10
127	87%	3.285	2023-03-18	td1a_algo/td1a_quicksort.ipynb	1A.algo - Quicksort	True	7.326	8	7	7
128	100%	4.893	2023-03-18	td1a_algo/td1a_quicksort_correction.ipynb	1A.algo - quicksort - correction	True	8.968	10	10	10
129	100%	2.264	2023-03-18	td1a_algo/td1a_sobel.ipynb	1A.algo - filtre de Sobel	True	6.348	6	6	6
130	100%	18.538	2023-03-18	td1a_algo/td1a_sobel_correction.ipynb	1A.algo - filtre de Sobel - correction	True	22.590	8	8	8
131	100%	0.139	2023-03-18	td1a_dfnp/decorrelation.ipynb	1A.data - Décorrélation de variables aléatoires	True	4.160	7	7	7
132	100%	1.663	2023-03-18	td1a_dfnp/decorrelation_correction.ipynb	1A.data - Décorrélation de variables aléatoires - correction	True	5.776	15	15	15
133	100%	7.666	2023-03-18	td1a_dfnp/td1a_cenonce_session_10.ipynb	1A.data - DataFrame et Matrice	True	11.887	51	51	51
134	100%	25.371	2023-03-05	td1a_dfnp/td1a_cenonce_session_12_carte.ipynb	1A.data - Visualisation des données - cartes	True	29.832	22	22	22
135	100%	13.233	2023-03-05	td1a_dfnp/td1a_cenonce_session_12_js.ipynb	1A.data - Visualisation des données - graphes interactifs	True	18.091	9	9	9
136	87%	105.568	2023-03-05	td1a_dfnp/td1a_cenonce_session_12_plot.ipynb	1A.data - Visualisation des données	True	110.246	16	14	14
137	100%	7.844	2023-03-05	td1a_dfnp/td1a_correction_session_10.ipynb	1A.data - DataFrame et Matrice (correction)	True	12.389	18	18	18
138	100%	195.937	2023-03-05	td1a_dfnp/td1a_correction_session_12.ipynb	1A.data - visualisation des données - correction	True	200.241	14	14	14
139	100%	25.255	2023-03-18	td1a_home/2020_carte.ipynb	Tech - carte	True	29.355	23	23	23
140	100%	98.440	2023-03-18	td1a_home/2020_covid.ipynb	Algo - simulation COVID	True	102.737	33	33	33
141	100%	3.102	2023-03-18	td1a_home/2020_edit.ipynb	Algo - distance d’édiction	True	7.185	15	15	15
142	100%	30.824	2023-03-18	td1a_home/2020_graph.ipynb	Algo - Graphe - Composantes connexes	True	34.972	15	15	15
143	100%	9.210	2023-03-18	td1a_home/2020_json_xml.ipynb	Tech - JSON - XML	True	13.388	45	45	45
144	100%	40.291	2023-03-18	td1a_home/2020_numpy.ipynb	Tech - calcul matriciel avec numpy	True	44.407	35	35	35
145	100%	3.025	2023-03-18	td1a_home/2020_ordonnancement.ipynb	Algo - Problème d’ordonnancement	True	7.070	11	11	11
146	100%	35.054	2023-03-18	td1a_home/2020_pandas.ipynb	Tech - manipulation de données avec pandas	True	39.281	64	64	64
147	100%	50.308	2023-03-18	td1a_home/2020_profile.ipynb	Tech - profiling	True	54.445	18	18	18
148	100%	1.112	2023-03-18	td1a_home/2020_regex.ipynb	Tech - expressions régulières	True	5.224	14	14	14
149	100%	16.864	2023-03-18	td1a_home/2020_rest.ipynb	Tech - API REST pour deep learning avec FastAPI	True	20.997	28	28	28
150	100%	5.163	2023-03-18	td1a_home/2020_suffix.ipynb	Algo - jeux de dictionnaires, plus grand suffixe commun	True	9.240	24	24	24
151	100%	24.448	2023-03-18	td1a_home/2020_surface.ipynb	Algo - Calculs de surface et autres calculs	True	28.492	16	16	16
152	100%	60.169	2023-03-18	td1a_home/2020_topk.ipynb	Algo - les k premiers éléments	True	64.285	32	32	32
153	100%	13.380	2023-03-18	td1a_home/2020_tsp.ipynb	Algo - TSP - Traveling Salesman Problem	True	17.532	14	14	14
154	100%	39.044	2023-03-18	td1a_home/2021_2048_classe.ipynb	2048 et les classes	True	43.293	19	19	19
155	100%	60.555	2023-03-18	td1a_home/2021_covid_pickle.ipynb	Sérialisation, pickle, COVID	True	64.752	24	24	24
156	100%	2.067	2023-03-18	td1a_home/2021_editdist.ipynb	Distance entre deux mots de même longueur et tests unitaires	True	6.109	17	17	17
157	100%	12.024	2023-03-18	td1a_home/2021_random_graph.ipynb	Algo - graphes aléatoires	True	16.266	22	22	22
158	100%	12.518	2023-03-18	td1a_home/2021_tsp.ipynb	Algo - Aparté sur le voyageur de commerce	True	17.020	9	9	9
159	100%	1.059	2023-03-18	td1a_home/2022_classes.ipynb	Un bref aperçu des classes	True	5.145	10	10	10
160	100%	29.789	2023-03-18	td1a_home/2022_hash.ipynb	Répartition, table de hashage	True	33.880	16	16	16
161	100%	12.843	2023-03-18	td1a_home/2022_profiling.ipynb	Profiling, application à la convolution	True	17.008	17	17	17
162	100%	12.206	2023-03-18	td1a_home/2022_serialisation.ipynb	Tech - Sérialisation	True	16.254	15	15	15
163	100%	1.225	2023-03-18	td1a_home/2022_unit_test.ipynb	Test unitaires	True	5.327	14	14	14
164	100%	7.641	2023-03-18	td1a_soft/td1a_cython_edit.ipynb	1A.soft - Calcul numérique et Cython	True	11.677	15	15	15
165	100%	8.230	2023-03-18	td1a_soft/td1a_cython_edit_correction.ipynb	1A.soft - Calcul numérique et Cython - correction	True	12.284	8	8	8
166	100%	255.406	2023-03-18	td1a_soft/td1a_sql.ipynb	1A.soft - Notions de SQL	True	259.676	34	34	34
167	100%	219.034	2023-03-18	td1a_soft/td1a_sql_correction.ipynb	1A.soft - Notions de SQL - correction	True	223.115	15	15	15
168	100%	14.930	2023-03-18	td1a_soft/td1a_unit_test_ci.ipynb	1A.soft - Tests unitaires, setup et ingéniérie logicielle	True	19.003	14	14	14
169	100%	4.321	2023-03-18	td2a/ml_crypted_data.ipynb	2A.ml - Machine Learning et données cryptées	True	8.319	9	9	9
170	100%	27.712	2023-03-18	td2a/ml_crypted_data_correction.ipynb	2A.ml - Machine Learning et données cryptées - correction	True	31.836	38	38	38
171	100%	3.246	2023-03-18	td2a/pandas_iterator.ipynb	2A.data - Pandas et itérateurs	True	7.320	8	8	8
172	100%	5.326	2023-03-18	td2a/pandas_iterator_correction.ipynb	2A.data - Pandas et itérateurs - correction	True	9.348	19	19	19
173	100%	0.189	2023-03-18	td2a/td2a_bigdata_memory.ipynb	2A.i - Stratégies et grandes matrices en mémoire	True	4.220	8	8	8
174	96%	114.969	2023-03-05	td2a/td2a_cenonce_session_1.ipynb	2A.data - DataFrame et Graphes	True	119.475	75	72	72
175	100%	14.687	2023-03-18	td2a/td2a_cenonce_session_2A.ipynb	2A.data - Calcul Matriciel, Optimisation	True	18.938	71	71	71
176	100%	0.452	2023-03-18	td2a/td2a_cenonce_session_2C.ipynb	2A.soft - Jupyter et commandes magiques	True	4.534	5	5	5
177	0%	nan		td2a/td2a_cenonce_session_2D_jupyter.ipynb	2A.i - Jupyter et calcul distribué		nan	72	0
178	0%	nan		td2a/td2a_cenonce_session_2D_parallelisation_local.ipynb	2A.i - Parallélisation locale (énoncé)		nan	7	0
179	100%	1.628	2023-03-18	td2a/td2a_cenonce_session_2E.ipynb	2A.i - Sérialisation	True	5.690	8	8	8
180	100%	2.770	2023-03-05	td2a/td2a_cenonce_session_5.ipynb	2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien	True	6.916	20	20	20
181	100%	21.721	2023-03-05	td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb	2A.i - Données non structurées et programmation fonctionnelle	True	25.936	30	30	30
182	96%	67.228	2023-03-05	td2a/td2a_correction_session_1.ipynb	2A.data - DataFrame et Graphes - correction	True	71.445	27	26	26
183	100%	8.562	2023-03-05	td2a/td2a_correction_session_2A.ipynb	2A.data - Calcul Matriciel, Optimisation - correction	True	12.880	13	13	13
184	100%	5.031	2023-03-05	td2a/td2a_correction_session_2C.ipynb	2A.soft - IPython et commandes magiques - correction	True	9.116	6	6	6
185	100%	39.511	2023-03-05	td2a/td2a_correction_session_2E.ipynb	2A.i - Sérialisation - correction	True	43.764	24	24	24
186	0%	nan		td2a/td2a_correction_session_5.ipynb	2A.i - Modèle relationnel, analyse d’incidents dans le transport aérien - correction		nan	5	0
187	0%	nan		td2a/td2a_correction_session_5_donnees_non_structurees_et_programmation_fonctionnelle_corrige.ipynb	2A.i - Données non structurées, programmation fonctionnelle - correction		nan	72	0
188	0%	nan		td2a/td2a_ml_text_features.ipynb	2A.ml - Classification binaire avec features textuelles		nan	29	0
189	0%	nan		td2a/td2a_ml_text_features_correction.ipynb	2A.ml - Classification binaire avec features textuelles - correction		nan	39	0
190	100%	14.475	2023-03-18	td2a/td2a_progressbar.ipynb	2A.i - ProgressBar et fusion de random forest - énoncé	True	19.169	6	6	6
191	100%	53.877	2023-03-18	td2a/td2a_some_nlp.ipynb	2A.ml - Texte et machine learning	True	58.069	36	36	36
192	90%	176.289	2023-03-18	td2a/td2a_visualisation.ipynb	2A.data - Matplotlib	True	180.608	42	38	38
193	100%	0.131	2023-03-18	td2a_algo/gentry_integer_encryption.ipynb	Cryptage homomorphic de Craig Gentry	True	4.171	6	6	6
194	100%	0.139	2023-03-18	td2a_algo/gentry_integer_encryption_correction.ipynb	Cryptage homomorphic de Craig Gentry - correction	True	4.153	6	6	6
195	100%	8.854	2023-03-18	td2a_algo/knn_high_dimension.ipynb	2A.algo - Plus proches voisins en grande dimension	True	12.872	8	8	8
196	100%	492.696	2023-03-18	td2a_algo/knn_high_dimension_correction.ipynb	2A.algo - Plus proches voisins en grande dimension - correction	True	496.781	20	20	20
197	100%	0.138	2023-03-18	td2a_algo/td2a_cenonce_session_6A.ipynb	2A.algo - Puzzles algorithmiques (1)	True	4.179	6	6	6
198	100%	0.161	2023-03-18	td2a_algo/td2a_cenonce_session_6B.ipynb	2A.algo - Puzzles algorithmiques (2)	True	4.236	5	5	5
199	100%	0.530	2023-03-18	td2a_algo/td2a_correction_session_6A.ipynb	2A.algo - Puzzles algorithmes (1) - correction	True	4.614	6	6	6
200	100%	0.121	2023-03-18	td2a_algo/td2a_correction_session_6B.ipynb	2A.algo - Puzzles algorithmes (2) - correction	True	4.128	6	6	6
201	0%	nan		td2a_eco/TD2A_Eco_Web_Scraping.ipynb	2A.eco - Web-Scraping		nan	62	0
202	0%	nan		td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb	2A.eco - Web-Scraping - pokemon		nan	11	0
203	0%	nan		td2a_eco/TD2A_eco_API_SNCF.ipynb	2A.eco - Exercice API SNCF		nan	40	0
204	0%	nan		td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb	2A.eco - Exercice API SNCF corrigé		nan	51	0
205	100%	1.910	2023-03-18	td2a_eco/TD2A_eco_debuter_flask.ipynb	2A.eco - Débuter avec Flask	True	5.975	14	14	14
206	100%	10.628	2023-03-18	td2a_eco/TD2A_eco_les_API.ipynb	2A.eco - API, API REST	True	14.699	15	15	15
207	100%	4.538	2023-03-18	td2a_eco/td2_eco_rappels_1a.ipynb	2A.eco - Rappel de ce que vous savez déjà mais avez peut-être oublié	True	8.634	29	29	29
208	100%	16.979	2023-03-18	td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb	2A.eco - Traitement automatique de la langue en Python	True	21.105	34	34	34
209	100%	33.631	2023-03-18	td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb	2A.eco - Traitement automatique de la langue en Python - correction	True	38.279	35	35	35
210	100%	0.000	2023-03-18	td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb	2A.eco - Exercice Python - Eco Séance 2	True	4.010	1	1	1
211	100%	1.514	2023-03-18	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	5.547	3	3	3
212	100%	4.558	2023-03-18	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	8.598	10	10	10
213	100%	7.877	2023-03-18	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	11.965	16	16	16
214	100%	10.258	2023-03-18	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	14.316	14	14	14
215	100%	45.413	2023-03-18	td2a_eco/td2a_eco_regressions_lineaires.ipynb	Régressions linéaires avec Statsmodels et Scikit-Learn	True	49.484	12	12	12
216	100%	4.041	2023-03-18	td2a_eco/td2a_eco_sql.ipynb	2A.eco - Python et la logique SQL	True	8.332	26	26	26
217	100%	5.722	2023-03-18	td2a_eco/td2a_eco_sql_correction.ipynb	2A.eco - Python et la logique SQL - correction	True	9.837	36	36	36
218	0%	nan		td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb	TD7 - Analyse de texte		nan	63	0
219	0%	nan		td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb	TD7 - Analyse de texte - correction		nan	63	0
220	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
221	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
222	0%	nan		td2a_eco2/td2a_eco_NLP_tf_idf_ngrams_LDA_word2vec_sur_des_extraits_litteraires.ipynb	2A.eco - Introduction au text mining		nan	115	0
223	100%	484.258	2023-03-18	td2a_ml/gradient_boosting.ipynb	Gradient Boosting	True	488.557	37	37	37
224	100%	739.809	2023-03-05	td2a_ml/ml_a_tree_overfitting.ipynb	2A.ml - Tree, hyperparamètres, overfitting	True	744.012	28	28	28
225	100%	265.347	2023-03-18	td2a_ml/ml_b_imbalanced.ipynb	2A.ml - Imbalanced dataset	True	269.461	22	22	22
226	100%	22.097	2023-03-18	td2a_ml/ml_c_machine_learning_problems.ipynb	2A.ml - Problèmes classiques de machine learning illustrés	True	26.299	41	41	41
227	100%	0.366	2023-03-18	td2a_ml/ml_cc_machine_learning_problems2.ipynb	2A.ml - Boosting, random forest, gradient - les features qu’ils aiment	True	4.415	4	4	4
228	100%	10.394	2023-03-18	td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb	2A.ml - Interprétabilité et corrélations des variables	True	14.570	27	27	27
229	100%	167.667	2023-03-18	td2a_ml/ml_lasso_rf_grid_search_correction.ipynb	Hyperparamètres, LassoRandomForestRregressor et grid_search (correction)	True	171.770	15	15	15
230	100%	4.314	2023-03-18	td2a_ml/ml_lasso_rf_grid_search_enonce.ipynb	Hyperparamètres, LassoRandomForestRregressor et grid_search (énoncé)	True	8.391	4	4	4
231	100%	2.668	2023-03-18	td2a_ml/ml_scikit_learn_simple.ipynb	Rappels sur scikit-learn et le machine learning	True	6.751	12	12	12
232	100%	18.522	2023-03-18	td2a_ml/ml_scikit_learn_simple_correction.ipynb	Rappels sur scikit-learn et le machine learning (correction)	True	22.593	21	21	21
233	100%	33.542	2023-03-18	td2a_ml/seasonal_timeseries.ipynb	Timeseries	True	37.701	42	42	42
234	100%	1283.866	2023-03-05	td2a_ml/td2a_cenonce_session_3A.ipynb	2A.ml - Statistiques descriptives avec scikit-learn	True	1288.623	18	18	18
235	100%	179.528	2023-03-05	td2a_ml/td2a_cenonce_session_3B.ipynb	2A.ml - Arbres de décision / Random Forest	True	184.175	16	16	16
236	100%	3.925	2023-03-18	td2a_ml/td2a_cenonce_session_4A.ipynb	2A.ml - Machine Learning et Marketting	True	7.965	9	9	9
237	100%	4.729	2023-03-18	td2a_ml/td2a_clustering.ipynb	2A.ml - Clustering	True	8.794	6	6	6
238	100%	62.496	2023-03-18	td2a_ml/td2a_clustering_correction.ipynb	2A.ml - Clustering - correction	True	66.707	25	25	25
239	100%	52.353	2023-03-18	td2a_ml/td2a_correction_cl_reg_anomaly.ipynb	2A.data - Classification, régression, anomalies - correction	True	56.483	33	33	33
240	100%	1860.482	2023-03-05	td2a_ml/td2a_correction_session_3A.ipynb	2A.ml - Statistiques descriptives avec scikit-learn - correction	True	1864.813	24	24	24
241	100%	551.529	2023-03-05	td2a_ml/td2a_correction_session_3B.ipynb	2A.ml - Arbres de décision / Random Forest - correction	True	556.269	26	26	26
242	100%	45.205	2023-03-18	td2a_ml/td2a_correction_session_4A.ipynb	2A.ml - Machine Learning et Marketting - correction	True	49.330	26	26	26
243	100%	5.762	2023-03-18	td2a_ml/td2a_enonce_cl_reg_anomaly.ipynb	2A.data - Classification, régression, anomalies - énoncé	True	9.786	9	9	9
244	0%	nan		td2a_ml/td2a_ethics.ipynb	Machine Learning éthique		nan	42	0
245	0%	nan		td2a_ml/td2a_ethics_correction.ipynb	Machine Learning éthique - correction		nan	6	0
246	100%	40.525	2023-03-18	td2a_ml/td2a_pipeline_tree_selection_correction.ipynb	2A.ml - Pipeline pour un réduction d’une forêt aléatoire - correction	True	44.603	24	24	24
247	100%	7.223	2023-03-18	td2a_ml/td2a_pipeline_tree_selection_enonce.ipynb	2A.ml - Pipeline pour un réduction d’une forêt aléatoire - énoncé	True	13.412	11	11	11
248	100%	3.579	2023-03-18	td2a_ml/td2a_sentiment_analysis.ipynb	2A.ml - Analyse de sentiments	True	7.650	6	6	6
249	100%	32.453	2023-03-18	td2a_ml/td2a_sentiment_analysis_correction.ipynb	2A.ml - Analyse de sentiments - correction	True	36.547	44	44	44
250	100%	7.403	2023-03-18	td2a_ml/td2a_timeseries.ipynb	2A.ml - Séries temporelles	True	11.452	15	15	15
251	100%	34.902	2023-03-18	td2a_ml/td2a_timeseries_correction.ipynb	2A.ml - Séries temporelles - correction	True	39.002	15	15	15
252	100%	83.176	2023-03-18	td2a_ml/td2a_tree_selection_correction.ipynb	2A.ml - Réduction d’une forêt aléatoire - correction	True	87.493	19	19	19
253	100%	4.351	2023-03-18	td2a_ml/td2a_tree_selection_enonce.ipynb	2A.ml - Réduction d’une forêt aléatoire - énoncé	True	8.387	8	8	8