Notebooks Coverage

Report on last executions.

61% 2022-05-27

_images/nbcov-2022-05-27.png

index

coverage

exe time

last execution

name

title

success

time

nb cells

nb runs

nb valid

0

100%

22.379

2022-05-27

1a/code_liste_tuple.ipynb

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

True

25.630

4

4

4

1

100%

8.580

2022-05-27

1a/code_multinomial.ipynb

1A.1 - Simuler une loi multinomiale

True

11.823

12

12

12

2

100%

8.120

2022-05-27

1a/coloriage_carre.ipynb

Jeux de coloriage

True

11.679

23

23

23

3

100%

1.296

2022-05-27

1a/exercice_echelle.ipynb

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

True

4.849

6

6

6

4

100%

4.242

2022-05-27

1a/exercice_morse.ipynb

1A.algo - Décoder du Morse sans espaces

True

7.791

16

16

16

5

100%

6.586

2022-05-27

1a/exercice_plus_grande_somme.ipynb

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

True

10.093

15

15

15

6

100%

0.884

2022-05-27

1a/exercice_xn.ipynb

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

True

4.418

4

4

4

7

100%

1.145

2022-05-27

1a/histogramme_rapide.ipynb

1A.1 - Histogramme et dictionnaire

True

4.346

8

8

8

8

100%

45.944

2022-05-27

1a/nbheap.ipynb

Heap

True

49.325

15

15

15

9

100%

12.807

2022-05-27

1a/profiling_example.ipynb

1A.soft - Exemple de profiling

True

15.968

11

11

11

10

100%

2.220

2022-05-27

1a/recherche_dichotomique.ipynb

1A.algo - Recherche dichotomique

True

5.621

9

9

9

11

100%

8.150

2022-05-27

1a/structures_donnees_conversion.ipynb

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

True

11.454

29

29

29

12

100%

2.538

2022-05-27

1a/tableau_contingence.ipynb

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

True

5.774

8

8

8

13

100%

56.376

2022-05-27

1a/tri_nlnd.ipynb

1A.algo - Tri plus rapide que prévu

True

59.642

17

17

17

14

0%

nan

2016-2017/solution_2016_credit_clement.ipynb

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

nan

29

0

15

0%

nan

2016/td2a_eco_competition_comparer_classifieurs.ipynb

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

nan

24

0

16

0%

nan

2016/td2a_eco_competition_modeles_logistiques.ipynb

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

nan

35

0

17

0%

nan

2016/td2a_eco_competition_statsdesc.ipynb

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

nan

33

0

18

100%

13.922

2022-05-27

2017-2018/dimensions_reduction.ipynb

Réduction des dimensions

True

17.111

20

20

20

19

0%

nan

2017/prepare_data_2017.ipynb

2A.ml - 2017 - Préparation des données

nan

60

0

20

89%

3.302

2022-05-27

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

2018-09-18 - Rappels sur le langage python

True

6.400

28

25

25

21

100%

7.326

2022-05-27

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

2018-09-18 - Rappels sur pandas et maplotlib

True

10.444

29

29

29

22

100%

6.878

2022-05-27

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

2018-09-18 - API de scikit-learn

True

10.703

21

21

21

23

100%

2.015

2022-05-27

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

2018-09-25 - Distance entre mots

True

5.365

11

11

11

24

100%

11.210

2022-05-27

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

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

True

14.405

20

20

20

25

100%

156.169

2022-05-27

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

2018-10-09 Ensemble, Gradient, Boosting…

True

159.392

19

19

19

26

100%

10.755

2022-05-27

2a/bayesian_with_python.ipynb

2A.ml - Bayesian models with Python

True

14.089

19

19

19

27

0%

nan

2a/cffi_linear_regression.ipynb

Optimisation de code avec cffi, numba, cython

nan

138

0

28

100%

3.439

2022-05-27

2a/dataframe_matrix_speed.ipynb

2A.i - Mesures de vitesse sur les dataframes

True

6.598

15

15

15

29

100%

8.853

2022-05-27

2a/git_notebook.ipynb

2A.soft - Git depuis le notebook

True

12.050

23

23

23

30

100%

1.296

2022-05-27

2a/jupyter_custom_magics.ipynb

2A.soft - Custom Magics for Jupyter

True

4.426

5

5

5

31

100%

15.505

2022-05-27

2a/ml_timeseries_base.ipynb

2A.ml - Timeseries et machine learning

True

18.669

28

28

28

32

100%

3.974

2022-05-27

2a/notebook_convert.ipynb

2A.soft - Convert a notebook into a document

True

7.080

8

8

8

33

0%

nan

2a/seance_5_dask.ipynb

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

nan

28

0

34

0%

nan

2a/seance_5_intro_et_json.ipynb

2A.i - Données non structurées, programmation fonctionnelle

nan

46

0

35

0%

nan

2a/seance_5_prog_fonctionnelle.ipynb

2A.i - programmation fonctionnelle

nan

78

0

36

100%

31.258

2022-05-27

2a/timeseries_ssa.ipynb

Single Spectrum Analysis (SSA)

True

34.408

27

27

27

37

0%

nan

data/data_irep.ipynb

IREP: registre des émissions polluantes

nan

30

0

38

0%

nan

data/deal_flow_espace_vert.ipynb

Deal flow espaces verts 2018 - 2019

nan

21

0

39

100%

1.647

2022-05-27

exams/interro_rapide_20_minutes_2014_09.ipynb

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

True

4.780

12

12

12

40

100%

3.436

2022-05-27

exams/interro_rapide_20_minutes_2014_10.ipynb

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

True

6.968

17

17

17

41

82%

3.295

2022-05-27

exams/interro_rapide_20_minutes_2014_11.ipynb

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

True

6.529

35

29

29

42

100%

1.954

2022-05-27

exams/interro_rapide_20_minutes_2014_12.ipynb

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

True

5.110

15

15

15

43

100%

0.783

2022-05-27

exams/interro_rapide_20_minutes_2015_09.ipynb

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

True

3.971

12

12

12

44

100%

1.366

2022-05-27

exams/interro_rapide_20_minutes_2015_11.ipynb

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

True

4.643

16

16

16

45

100%

23.988

2022-05-27

exams/td_note_2013_bout_de_code_coloriage.ipynb

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

True

27.192

6

6

6

46

100%

51.257

2022-05-27

exams/td_note_2013_coloriage_correction.ipynb

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

True

55.096

14

14

14

47

100%

5.232

2022-05-27

exams/td_note_2015.ipynb

1A.e - TD noté, 5 décembre 2014

True

9.201

36

36

36

48

100%

0.254

2022-05-27

exams/td_note_2015_rattrapage_enonce.ipynb

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

True

3.388

6

6

6

49

100%

9.241

2022-05-27

exams/td_note_2016.ipynb

1A.e - TD noté, 11 décembre 2015

True

12.412

26

26

26

50

100%

3.831

2022-05-27

exams/td_note_2017.ipynb

1A.e - TD noté, 16 décembre 2016

True

7.058

23

23

23

51

100%

3.610

2022-05-27

exams/td_note_2017_2.ipynb

1A.e - TD noté, 21 février 2017

True

6.994

21

21

21

52

100%

13.480

2022-05-27

exams/td_note_2018_1.ipynb

1A.e - Enoncé 12 décembre 2017 (1)

True

16.662

25

25

25

53

100%

12.548

2022-05-27

exams/td_note_2018_2.ipynb

1A.e - Enoncé 12 décembre 2017 (2)

True

15.674

21

21

21

54

100%

61.373

2022-05-27

exams/td_note_2019_1.ipynb

1A.e - Enoncé 23 octobre 2018 (1)

True

64.652

17

17

17

55

100%

33.043

2022-05-27

exams/td_note_2019_2.ipynb

1A.e - Enoncé 23 octobre 2018 (2)

True

36.209

18

18

18

56

100%

12.140

2022-05-27

exams/td_note_2020_1.ipynb

1A.e - Enoncé 22 octobre 2019 (1)

True

15.377

29

29

29

57

100%

13.990

2022-05-27

exams/td_note_2020_2.ipynb

1A.e - Enoncé 22 octobre 2019 (2)

True

17.497

28

28

28

58

100%

25.059

2022-05-27

exams/td_note_2021.ipynb

1A - Enoncé 24 novembre 2020

True

28.204

24

24

24

59

100%

26.903

2022-05-27

exams/td_note_2022.ipynb

1A - Enoncé 3 novembre 2021

True

30.090

31

31

31

60

100%

1.233

2022-05-27

exams/td_note_2022_rattrapage.ipynb

1A - Enoncé 15 novembre 2021 - rattrapage

True

4.539

9

9

9

61

100%

6.602

2022-05-27

exams/td_note_2022_rattrapage2.ipynb

1A - Enoncé 3 mars 2022- rattrapage

True

9.759

10

10

10

62

100%

42.048

2022-05-27

expose/BJKST.ipynb

2A.algo - Algorithmes de streaming : généralités

True

45.186

39

39

39

63

100%

12.942

2022-05-27

expose/expose_TSP.ipynb

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

True

16.067

11

11

11

64

100%

4.412

2022-05-27

expose/expose_einstein_riddle.ipynb

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

True

7.563

6

6

6

65

100%

5.801

2022-05-27

expose/expose_graphe_et_map_reduce.ipynb

3A.mr - Graphes et Map Reduce

True

8.956

11

11

11

66

100%

1.507

2022-05-27

expose/expose_rwr_recommandation.ipynb

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

True

4.648

4

4

4

67

0%

nan

expose/expose_vigenere.ipynb

1A.algo - Casser le code de Vigenère

nan

18

0

68

100%

26.150

2022-05-27

expose/hash_distribution.ipynb

2A.algo - Hash et distribution

True

29.351

14

14

14

69

100%

39.540

2022-05-27

expose/ml_features_model.ipynb

2A.ml - Features ou modèle

True

42.675

15

15

15

70

0%

nan

expose/ml_huge_datasets.ipynb

2A.i - Huge datasets, datasets hiérarchiques

nan

30

0

71

0%

nan

expose/ml_rue_paris_parcours.ipynb

2A.algo - Parcourir les rues de Paris

nan

53

0

72

0%

nan

expose/ml_table_mortalite.ipynb

2A.i - Table de mortalité dans plusieurs containers

nan

54

0

73

100%

6.360

2022-05-27

sklearn_ensae_course/00_introduction_machine_learning_and_data.ipynb

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

True

9.518

13

13

13

74

100%

6.492

2022-05-27

sklearn_ensae_course/01_data_manipulation.ipynb

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

True

9.638

18

18

18

75

100%

9.189

2022-05-27

sklearn_ensae_course/02_basic_of_machine_learning_with_scikit-learn.ipynb

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

True

12.321

15

15

15

76

100%

21.943

2022-05-27

sklearn_ensae_course/03_supervised_classification.ipynb

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

True

25.059

12

12

12

77

100%

11.353

2022-05-27

sklearn_ensae_course/04_supervised_regression.ipynb

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

True

14.492

12

12

12

78

100%

17.989

2022-05-27

sklearn_ensae_course/05_measuring_prediction_performance.ipynb

2A.ML101.5: Measuring prediction performance

True

21.379

23

23

23

79

100%

17.477

2022-05-27

sklearn_ensae_course/06_unsupervised_dimreduction.ipynb

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

True

20.600

18

18

18

80

100%

19.562

2022-05-27

sklearn_ensae_course/07_application_to_face_recognition.ipynb

2A.ML101.7: Example from Image Processing

True

22.769

19

19

19

81

100%

11.254

2022-05-27

sklearn_ensae_course/08_validation_and_learning_curves.ipynb

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

True

14.430

15

15

15

82

100%

0.486

2022-05-27

td1a/integrale_rectangle.ipynb

1A.1 - Intégrale et la méthode des rectangles

True

3.689

6

6

6

83

100%

7.719

2022-05-27

td1a/integrale_rectangle_correction.ipynb

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

True

10.903

30

30

30

84

100%

0.322

2022-05-27

td1a/j2048.ipynb

1A.2 - 2048 - stratégie gagnante

True

3.365

3

3

3

85

100%

1.460

2022-05-27

td1a/j2048_correction.ipynb

1A.2 - 2048 - stratégie gagnante - correction

True

4.714

11

11

11

86

100%

43.966

2022-05-27

td1a/matrix_dictionary.ipynb

Produit matriciel avec une matrice creuse

True

47.329

20

20

20

87

100%

0.429

2022-05-27

td1a/pp_exo_deviner_un_nombre.ipynb

1A.1 - Deviner un nombre aléatoire

True

3.654

5

5

5

88

100%

0.730

2022-05-27

td1a/pp_exo_deviner_un_nombre_correction.ipynb

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

True

3.887

7

7

7

89

75%

1.312

2022-05-27

td1a/td1a_cenonce_session1.ipynb

1A.0 - Premiers pas en Python

True

4.403

16

12

12

90

100%

4.100

2022-05-27

td1a/td1a_cenonce_session2.ipynb

1A.1 - Variables, boucles, tests

True

7.256

30

30

30

91

100%

2.875

2022-05-27

td1a/td1a_cenonce_session3.ipynb

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

True

5.993

26

26

26

92

100%

3.697

2022-05-27

td1a/td1a_cenonce_session4.ipynb

1A.2 - Modules, fichiers, expressions régulières

True

6.871

20

20

20

93

100%

1.859

2022-05-27

td1a/td1a_cenonce_session5.ipynb

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

True

5.006

17

17

17

94

100%

1.080

2022-05-27

td1a/td1a_cenonce_session6.ipynb

1A.2 - Classes, héritage

True

4.203

11

11

11

95

100%

1.486

2022-05-27

td1a/td1a_correction_session1.ipynb

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

True

4.585

13

13

13

96

100%

0.840

2022-05-27

td1a/td1a_correction_session2.ipynb

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

True

3.931

8

8

8

97

100%

1.071

2022-05-27

td1a/td1a_correction_session3.ipynb

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

True

4.454

9

9

9

98

100%

6.032

2022-05-27

td1a/td1a_correction_session4.ipynb

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

True

9.139

20

20

20

99

100%

39.153

2022-05-27

td1a/td1a_correction_session5.ipynb

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

True

42.282

12

12

12

100

100%

0.594

2022-05-27

td1a/td1a_correction_session6.ipynb

1A.2 - Classes, héritage (correction)

True

3.784

5

5

5

101

100%

3.216

2022-05-27

td1a/td1a_pyramide_bigarree.ipynb

1A.1 - Tracer une pyramide bigarrée

True

6.337

5

5

5

102

100%

5.292

2022-05-27

td1a/td1a_pyramide_bigarree_correction.ipynb

1A.1 - Tracer une pyramide bigarrée - correction

True

8.452

11

11

11

103

100%

1.496

2022-05-27

td1a/texte_langue.ipynb

1A.2 - Deviner la langue d’un texte

True

4.623

6

6

6

104

100%

13.407

2022-05-27

td1a/texte_langue_correction.ipynb

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

True

16.590

23

23

23

105

100%

0.396

2022-05-27

td1a_algo/BJKST_enonce.ipynb

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

True

3.537

4

4

4

106

100%

1.581

2022-05-27

td1a_algo/graph1exo_parcours.ipynb

1A.algo - Parcours de graphe

True

4.732

8

8

8

107

100%

1.916

2022-05-27

td1a_algo/graph1exo_parcours_correction.ipynb

1A.algo - Parcours de graphe - correction

True

5.466

9

9

9

108

100%

1.063

2022-05-27

td1a_algo/graph4exos.ipynb

1A.algo - Des problèmes de graphes

True

4.155

6

6

6

109

100%

1.251

2022-05-27

td1a_algo/graph_spectral_clustering.ipynb

1A.algo - Spectral Clustering

True

4.504

6

6

6

110

100%

2.167

2022-05-27

td1a_algo/graph_spectral_clustering_correction.ipynb

1A.algo - Spectral Clustering - correction

True

5.339

11

11

11

111

100%

0.143

2022-05-27

td1a_algo/td1a_cenonce_session4_5_jaccard.ipynb

1A.algo - distance de Jaccard (dictionnaires)

True

3.301

4

4

4

112

100%

3.902

2022-05-27

td1a_algo/td1a_cenonce_session7.ipynb

1A.algo - Programmation dynamique et plus court chemin

True

7.031

17

17

17

113

100%

0.487

2022-05-27

td1a_algo/td1a_cenonce_session7_edition.ipynb

1A.algo - La distance d’édition

True

3.668

8

8

8

114

100%

0.497

2022-05-27

td1a_algo/td1a_cenonce_session8.ipynb

1A.algo - Arbre et Trie

True

3.635

10

10

10

115

100%

0.145

2022-05-27

td1a_algo/td1a_cenonce_session8_wikiroot.ipynb

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

True

3.250

4

4

4

116

100%

0.702

2022-05-27

td1a_algo/td1a_cenonce_session9.ipynb

1A.algo - Optimisation sous contrainte

True

3.816

6

6

6

117

100%

14.054

2022-05-27

td1a_algo/td1a_correction_session4_5_jaccard.ipynb

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

True

17.539

17

17

17

118

100%

6.285

2022-05-27

td1a_algo/td1a_correction_session7.ipynb

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

True

9.438

15

15

15

119

100%

3.408

2022-05-27

td1a_algo/td1a_correction_session7_edition.ipynb

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

True

6.524

20

20

20

120

0%

nan

td1a_algo/td1a_correction_session8.ipynb

1A.algo - Arbre et Trie (correction)

nan

38

0

121

100%

4.035

2022-05-27

td1a_algo/td1a_correction_session8_wikiroot.ipynb

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

True

7.169

5

5

5

122

100%

1.583

2022-05-27

td1a_algo/td1a_correction_session9.ipynb

1A.algo - Optimisation sous contrainte (correction)

True

4.683

7

7

7

123

100%

0.000

2022-05-27

td1a_algo/td1a_plus_grande_somme.ipynb

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

True

3.140

1

1

1

124

100%

104.208

2022-05-27

td1a_algo/td1a_plus_grande_somme_correction.ipynb

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

True

107.379

10

10

10

125

87%

2.417

2022-05-27

td1a_algo/td1a_quicksort.ipynb

1A.algo - Quicksort

True

5.508

8

7

7

126

100%

3.719

2022-05-27

td1a_algo/td1a_quicksort_correction.ipynb

1A.algo - quicksort - correction

True

6.862

10

10

10

127

100%

1.455

2022-05-27

td1a_algo/td1a_sobel.ipynb

1A.algo - filtre de Sobel

True

4.681

6

6

6

128

100%

17.611

2022-05-27

td1a_algo/td1a_sobel_correction.ipynb

1A.algo - filtre de Sobel - correction

True

20.802

8

8

8

129

100%

0.138

2022-05-27

td1a_dfnp/decorrelation.ipynb

1A.data - Décorrélation de variables aléatoires

True

3.538

7

7

7

130

100%

1.701

2022-05-27

td1a_dfnp/decorrelation_correction.ipynb

1A.data - Décorrélation de variables aléatoires - correction

True

4.827

15

15

15

131

100%

8.295

2022-05-27

td1a_dfnp/td1a_cenonce_session_10.ipynb

1A.data - DataFrame et Matrice

True

11.499

51

51

51

132

0%

nan

td1a_dfnp/td1a_cenonce_session_12_carte.ipynb

1A.data - Visualisation des données - cartes

nan

38

0

133

0%

nan

td1a_dfnp/td1a_cenonce_session_12_js.ipynb

1A.data - Visualisation des données - graphes interactifs

nan

17

0

134

0%

nan

td1a_dfnp/td1a_cenonce_session_12_plot.ipynb

1A.data - Visualisation des données

nan

29

0

135

0%

nan

td1a_dfnp/td1a_correction_session_10.ipynb

1A.data - DataFrame et Matrice (correction)

nan

28

0

136

0%

nan

td1a_dfnp/td1a_correction_session_12.ipynb

1A.data - visualisation des données - correction

nan

24

0

137

100%

15.606

2022-05-27

td1a_home/2020_carte.ipynb

Tech - carte

True

18.730

23

23

23

138

100%

44.711

2022-05-27

td1a_home/2020_covid.ipynb

Algo - simulation COVID

True

47.919

33

33

33

139

100%

3.899

2022-05-27

td1a_home/2020_edit.ipynb

Algo - distance d’édiction

True

7.245

15

15

15

140

100%

20.466

2022-05-27

td1a_home/2020_graph.ipynb

Algo - Graphe - Composantes connexes

True

23.777

15

15

15

141

100%

8.846

2022-05-27

td1a_home/2020_json_xml.ipynb

Tech - JSON - XML

True

12.057

45

45

45

142

100%

31.688

2022-05-27

td1a_home/2020_numpy.ipynb

Tech - calcul matriciel avec numpy

True

34.915

35

35

35

143

100%

3.708

2022-05-27

td1a_home/2020_ordonnancement.ipynb

Algo - Problème d’ordonnancement

True

6.932

11

11

11

144

100%

22.680

2022-05-27

td1a_home/2020_pandas.ipynb

Tech - manipulation de données avec pandas

True

25.942

64

64

64

145

100%

31.865

2022-05-27

td1a_home/2020_profile.ipynb

Tech - profiling

True

35.057

18

18

18

146

100%

1.402

2022-05-27

td1a_home/2020_regex.ipynb

Tech - expressions régulières

True

4.494

14

14

14

147

100%

13.348

2022-05-27

td1a_home/2020_rest.ipynb

Tech - API REST pour deep learning avec FastAPI

True

16.666

28

28

28

148

100%

4.756

2022-05-27

td1a_home/2020_suffix.ipynb

Algo - jeux de dictionnaires, plus grand suffixe commun

True

8.030

24

24

24

149

100%

16.008

2022-05-27

td1a_home/2020_surface.ipynb

Algo - Calculs de surface et autres calculs

True

19.400

16

16

16

150

100%

41.502

2022-05-27

td1a_home/2020_topk.ipynb

Algo - les k premiers éléments

True

44.680

32

32

32

151

100%

7.820

2022-05-27

td1a_home/2020_tsp.ipynb

Algo - TSP - Traveling Salesman Problem

True

11.146

14

14

14

152

100%

26.725

2022-05-27

td1a_home/2021_2048_classe.ipynb

2048 et les classes

True

30.057

19

19

19

153

100%

54.437

2022-05-27

td1a_home/2021_covid_pickle.ipynb

Sérialisation, pickle, COVID

True

57.660

24

24

24

154

100%

2.995

2022-05-27

td1a_home/2021_editdist.ipynb

Distance entre deux mots de même longueur et tests unitaires

True

6.200

17

17

17

155

100%

6.824

2022-05-27

td1a_home/2021_random_graph.ipynb

Algo - graphes aléatoires

True

10.098

22

22

22

156

100%

7.705

2022-05-27

td1a_home/2021_tsp.ipynb

Algo - Aparté sur le voyageur de commerce

True

11.121

9

9

9

157

100%

8.369

2022-05-27

td1a_soft/td1a_cython_edit.ipynb

1A.soft - Calcul numérique et Cython

True

11.713

15

15

15

158

100%

8.516

2022-05-27

td1a_soft/td1a_cython_edit_correction.ipynb

1A.soft - Calcul numérique et Cython - correction

True

11.927

8

8

8

159

100%

160.904

2022-05-27

td1a_soft/td1a_sql.ipynb

1A.soft - Notions de SQL

True

164.146

34

34

34

160

100%

136.796

2022-05-27

td1a_soft/td1a_sql_correction.ipynb

1A.soft - Notions de SQL - correction

True

139.968

15

15

15

161

100%

11.939

2022-05-27

td1a_soft/td1a_unit_test_ci.ipynb

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

True

15.244

14

14

14

162

100%

4.068

2022-05-27

td2a/ml_crypted_data.ipynb

2A.ml - Machine Learning et données cryptées

True

7.136

9

9

9

163

100%

19.567

2022-05-27

td2a/ml_crypted_data_correction.ipynb

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

True

22.979

38

38

38

164

100%

2.832

2022-05-27

td2a/pandas_iterator.ipynb

2A.data - Pandas et itérateurs

True

5.990

8

8

8

165

100%

4.775

2022-05-27

td2a/pandas_iterator_correction.ipynb

2A.data - Pandas et itérateurs - correction

True

7.891

19

19

19

166

100%

0.145

2022-05-27

td2a/td2a_bigdata_memory.ipynb

2A.i - Stratégies et grandes matrices en mémoire

True

3.284

8

8

8

167

0%

nan

td2a/td2a_cenonce_session_1.ipynb

2A.data - DataFrame et Graphes

nan

146

0

168

100%

11.724

2022-05-27

td2a/td2a_cenonce_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation

True

14.963

71

71

71

169

100%

0.481

2022-05-27

td2a/td2a_cenonce_session_2C.ipynb

2A.soft - Jupyter et commandes magiques

True

3.649

5

5

5

170

0%

nan

td2a/td2a_cenonce_session_2D_jupyter.ipynb

2A.i - Jupyter et calcul distribué

nan

72

0

171

0%

nan

td2a/td2a_cenonce_session_2D_parallelisation_local.ipynb

2A.i - Parallélisation locale (énoncé)

nan

7

0

172

100%

1.279

2022-05-27

td2a/td2a_cenonce_session_2E.ipynb

2A.i - Sérialisation

True

4.400

8

8

8

173

0%

nan

td2a/td2a_cenonce_session_5.ipynb

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

nan

29

0

174

0%

nan

td2a/td2a_cenonce_session_5_donnees_non_structurees_et_programmation_fonctionnelle.ipynb

2A.i - Données non structurées et programmation fonctionnelle

nan

66

0

175

0%

nan

td2a/td2a_correction_session_1.ipynb

2A.data - DataFrame et Graphes - correction

nan

42

0

176

0%

nan

td2a/td2a_correction_session_2A.ipynb

2A.data - Calcul Matriciel, Optimisation - correction

nan

27

0

177

0%

nan

td2a/td2a_correction_session_2C.ipynb

2A.soft - IPython et commandes magiques - correction

nan

9

0

178

0%

nan

td2a/td2a_correction_session_2E.ipynb

2A.i - Sérialisation - correction

nan

34

0

179

0%

nan

td2a/td2a_correction_session_5.ipynb

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

nan

5

0

180

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

181

0%

nan

td2a/td2a_ml_text_features.ipynb

2A.ml - Classification binaire avec features textuelles

nan

29

0

182

0%

nan

td2a/td2a_ml_text_features_correction.ipynb

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

nan

39

0

183

100%

13.318

2022-05-27

td2a/td2a_progressbar.ipynb

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

True

17.013

6

6

6

184

100%

39.829

2022-05-27

td2a/td2a_some_nlp.ipynb

2A.ml - Texte et machine learning

True

43.070

36

36

36

185

90%

116.693

2022-05-27

td2a/td2a_visualisation.ipynb

2A.data - Matplotlib

True

120.238

42

38

38

186

100%

0.142

2022-05-27

td2a_algo/gentry_integer_encryption.ipynb

Cryptage homomorphic de Craig Gentry

True

3.319

6

6

6

187

100%

0.137

2022-05-27

td2a_algo/gentry_integer_encryption_correction.ipynb

Cryptage homomorphic de Craig Gentry - correction

True

3.291

6

6

6

188

100%

6.118

2022-05-27

td2a_algo/knn_high_dimension.ipynb

2A.algo - Plus proches voisins en grande dimension

True

9.232

8

8

8

189

100%

91.735

2022-05-27

td2a_algo/knn_high_dimension_correction.ipynb

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

True

94.866

20

20

20

190

100%

0.118

2022-05-27

td2a_algo/td2a_cenonce_session_6A.ipynb

2A.algo - Puzzles algorithmiques (1)

True

3.276

6

6

6

191

100%

0.172

2022-05-27

td2a_algo/td2a_cenonce_session_6B.ipynb

2A.algo - Puzzles algorithmiques (2)

True

3.265

5

5

5

192

100%

0.633

2022-05-27

td2a_algo/td2a_correction_session_6A.ipynb

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

True

3.783

6

6

6

193

100%

0.132

2022-05-27

td2a_algo/td2a_correction_session_6B.ipynb

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

True

3.273

6

6

6

194

0%

nan

td2a_eco/TD2A_Eco_Web_Scraping.ipynb

2A.eco - Web-Scraping

nan

62

0

195

0%

nan

td2a_eco/TD2A_Eco_Web_Scraping_corrige.ipynb

2A.eco - Web-Scraping - correction

nan

10

0

196

0%

nan

td2a_eco/TD2A_eco_API_SNCF.ipynb

2A.eco - Exercice API SNCF

nan

40

0

197

0%

nan

td2a_eco/TD2A_eco_API_SNCF_corrige.ipynb

2A.eco - Exercice API SNCF corrigé

nan

61

0

198

100%

1.892

2022-05-27

td2a_eco/TD2A_eco_debuter_flask.ipynb

2A.eco - Débuter avec Flask

True

5.098

14

14

14

199

100%

6.076

2022-05-27

td2a_eco/TD2A_eco_les_API.ipynb

2A.eco - API, API REST

True

9.217

15

15

15

200

100%

4.566

2022-05-27

td2a_eco/td2_eco_rappels_1a.ipynb

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

True

7.774

29

29

29

201

100%

15.741

2022-05-27

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python.ipynb

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

True

18.960

34

34

34

202

100%

21.773

2022-05-27

td2a_eco/td2a_TD5_Traitement_automatique_des_langues_en_Python_correction.ipynb

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

True

25.131

35

35

35

203

100%

0.000

2022-05-27

td2a_eco/td2a_eco_exercice_de_fin_de_seance.ipynb

2A.eco - Exercice Python - Eco Séance 2

True

3.323

1

1

1

204

100%

1.140

2022-05-27

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

4.236

3

3

3

205

100%

3.307

2022-05-27

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

6.493

10

10

10

206

100%

6.653

2022-05-27

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

9.778

16

16

16

207

100%

7.233

2022-05-27

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

10.413

14

14

14

208

100%

21.383

2022-05-27

td2a_eco/td2a_eco_regressions_lineaires.ipynb

Régressions linéaires avec Statsmodels et Scikit-Learn

True

24.531

12

12

12

209

100%

7.575

2022-05-27

td2a_eco/td2a_eco_sql.ipynb

2A.eco - Python et la logique SQL

True

11.135

26

26

26

210

100%

9.430

2022-05-27

td2a_eco/td2a_eco_sql_correction.ipynb

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

True

12.838

36

36

36

211

0%

nan

td2a_eco2/td2a_Seance_7_Analyse_de_textes.ipynb

TD7 - Analyse de texte

nan

63

0

212

0%

nan

td2a_eco2/td2a_Seance_7_Analyse_de_textes_correction.ipynb

TD7 - Analyse de texte - correction

nan

63

0

213

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

214

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

215

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

216

100%

1028.692

2022-05-27

td2a_ml/gradient_boosting.ipynb

Gradient Boosting

True

1032.003

37

37

37

217

0%

nan

td2a_ml/ml_a_tree_overfitting.ipynb

2A.ml - Tree, hyperparamètres, overfitting

nan

48

0

218

100%

146.385

2022-05-27

td2a_ml/ml_b_imbalanced.ipynb

2A.ml - Imbalanced dataset

True

149.550

22

22

22

219

100%

13.145

2022-05-27

td2a_ml/ml_c_machine_learning_problems.ipynb

2A.ml - Problèmes classiques de machine learning illustrés

True

16.413

41

41

41

220

100%

0.326

2022-05-27

td2a_ml/ml_cc_machine_learning_problems2.ipynb

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

True

3.456

4

4

4

221

100%

6.812

2022-05-27

td2a_ml/ml_ccc_machine_learning_interpretabilite.ipynb

2A.ml - Interprétabilité et corrélations des variables

True

9.996

27

27

27

222

100%

98.687

2022-05-27

td2a_ml/ml_lasso_rf_grid_search_correction.ipynb

Hyperparamètres, LassoRandomForestRregressor et grid_search (correction)

True

101.838

15

15

15

223

100%

5.079

2022-05-27

td2a_ml/ml_lasso_rf_grid_search_enonce.ipynb

Hyperparamètres, LassoRandomForestRregressor et grid_search (énoncé)

True

8.218

4

4

4

224

100%

3.082

2022-05-27

td2a_ml/ml_scikit_learn_simple.ipynb

Rappels sur scikit-learn et le machine learning

True

6.262

12

12

12

225

100%

12.442

2022-05-27

td2a_ml/ml_scikit_learn_simple_correction.ipynb

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

True

15.558

21

21

21

226

100%

20.239

2022-05-27

td2a_ml/seasonal_timeseries.ipynb

Timeseries

True

23.458

42

42

42

227

0%

nan

td2a_ml/td2a_cenonce_session_3A.ipynb

2A.ml - Statistiques descriptives avec scikit-learn

nan

36

0

228

0%

nan

td2a_ml/td2a_cenonce_session_3B.ipynb

2A.ml - Arbres de décision / Random Forest

nan

31

0

229

100%

4.179

2022-05-27

td2a_ml/td2a_cenonce_session_4A.ipynb

2A.ml - Machine Learning et Marketting

True

7.322

9

9

9

230

100%

4.411

2022-05-27

td2a_ml/td2a_clustering.ipynb

2A.ml - Clustering

True

7.535

6

6

6

231

100%

40.999

2022-05-27

td2a_ml/td2a_clustering_correction.ipynb

2A.ml - Clustering - correction

True

44.204

25

25

25

232

100%

45.953

2022-05-27

td2a_ml/td2a_correction_cl_reg_anomaly.ipynb

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

True

49.305

33

33

33

233

0%

nan

td2a_ml/td2a_correction_session_3A.ipynb

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

nan

37

0

234

0%

nan

td2a_ml/td2a_correction_session_3B.ipynb

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

nan

46

0

235

100%

28.991

2022-05-27

td2a_ml/td2a_correction_session_4A.ipynb

2A.ml - Machine Learning et Marketting - correction

True

32.162

26

26

26

236

100%

5.671

2022-05-27

td2a_ml/td2a_enonce_cl_reg_anomaly.ipynb

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

True

9.096

9

9

9

237

0%

nan

td2a_ml/td2a_ethics.ipynb

Machine Learning éthique

nan

42

0

238

0%

nan

td2a_ml/td2a_ethics_correction.ipynb

Machine Learning éthique - correction

nan

6

0

239

100%

25.908

2022-05-27

td2a_ml/td2a_pipeline_tree_selection_correction.ipynb

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

True

29.043

24

24

24

240

100%

5.662

2022-05-27

td2a_ml/td2a_pipeline_tree_selection_enonce.ipynb

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

True

8.733

11

11

11

241

100%

3.647

2022-05-27

td2a_ml/td2a_sentiment_analysis.ipynb

2A.ml - Analyse de sentiments

True

6.819

6

6

6

242

100%

36.198

2022-05-27

td2a_ml/td2a_sentiment_analysis_correction.ipynb

2A.ml - Analyse de sentiments - correction

True

39.351

44

44

44

243

100%

5.694

2022-05-27

td2a_ml/td2a_timeseries.ipynb

2A.ml - Séries temporelles

True

8.786

15

15

15

244

100%

19.896

2022-05-27

td2a_ml/td2a_timeseries_correction.ipynb

2A.ml - Séries temporelles - correction

True

23.085

15

15

15

245

100%

147.536

2022-05-27

td2a_ml/td2a_tree_selection_correction.ipynb

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

True

150.799

19

19

19

246

100%

4.118

2022-05-27

td2a_ml/td2a_tree_selection_enonce.ipynb

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

True

7.581

8

8

8

_images/nbcov.png