Notebooks Coverage

Report on last executions.

61% 2022-05-27

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

précédent

Hyperparamètres, LassoRandomForestRregressor et grid_search (énoncé)

suivant

Index