Sépare les notebooks (#373)

* test workdlow

* NLP intro

* Automated changes

* easier

* Automated changes

* test

* Automated changes

* change how we do it

* Automated changes

* remove notebooks

* Automated changes

* nb

* Automated changes

* notebooks

* Automated changes

* rm

* Automated changes

* Update netlify-test.yaml

* Automated changes

* copy recursively

* Automated changes

* mv

* Automated changes

* recurisve

* Automated changes

* remove

* Automated changes

* ordre

* Automated changes

* pull

* Automated changes

* pull no need

* Automated changes

* handle

* Automated changes

* test une action dédiée

* Automated changes

* url depot

* Automated changes

* change auth

* Automated changes

* change

* Automated changes

* test reset repo force

* Automated changes

* notebooks

* Automated changes

* un seul job

* test other notebook

* back action

* seems to worrk

* retour

* update

---------

Co-authored-by: github-actions[bot] <github-actions[bot]@users.noreply.github.com>

Author: linogaliana

.github/workflows/netlify-test.yaml

@@ -6,7 +6,6 @@ on:
       - main
       - master
       - dev
-      - quarto
 
 jobs:
   pages:
@@ -59,20 +58,21 @@ jobs:
           name: Website
           path: public/
   enonces:
-    name: Render-Blog
+    name: Render notebooks
     runs-on: ubuntu-latest
     container: linogaliana/python-datascientist:latest
     steps:
-      - uses: actions/checkout@v2
+      - uses: actions/checkout@v3
         with:
-          submodules: true
           fetch-depth: 0
           ref: ${{ github.event.pull_request.head.ref }}
-          repository: ${{github.event.pull_request.head.repo.full_name}}
       - name: Configure safe.directory  # Workaround for actions/checkout#760
-        run: git config --global --add safe.directory /__w/python-datascientist/python-datascientist
+        run: |
+          git config --global --add safe.directory /__w/python-datascientist/python-datascientist
+          git config --global --add safe.directory /__w/python-datascientist/python-datascientist-notebooks
       - shell: bash
         run: |
+          ls
           conda info
           conda list
       - name: Convert in ipynb with Quarto
@@ -82,71 +82,37 @@ jobs:
          python build/tweak_render.py
          python build/pimp_notebook.py
          quarto render content --to ipynb
-         mkdir -p notebooks
-         python build/move_files.py notebooks
+         mkdir -p temp_notebooks
+         mkdir -p temp_notebooks/notebooks
+         python build/move_files.py temp_notebooks/notebooks
+         quarto render content --to ipynb --execute
+         mkdir -p temp_notebooks/corrections
+         python build/move_files.py temp_notebooks/corrections
       - uses: actions/upload-artifact@v2
         with:
           name: Source enonce
           path: content/
       - uses: actions/upload-artifact@v2
         with:
           name: Enonces
-          path: notebooks/
-      - name: Commit new notebooks
-        if: ${{ github.event.pull_request.head.repo.full_name == github.repository }}
-        env:
-          BRANCHE_REF: ${{ github.event.pull_request.head.ref }}
-        run: |
-         git config user.name 'github-actions[bot]'
-         git config user.email 'github-actions[bot]@users.noreply.github.com'
-         git status
-         find notebooks -type f -name "*.ipynb" | xargs git add
-         git commit -m "Automated changes";
-         git pull
-         git push
-  corrections:
-    name: Render-Blog
-    runs-on: ubuntu-latest
-    container: linogaliana/python-datascientist:latest
-    steps:
-      - uses: actions/checkout@v2
-        with:
-          submodules: true
-          fetch-depth: 0
-          ref: ${{ github.event.pull_request.head.ref }}
-          repository: ${{github.event.pull_request.head.repo.full_name}}
-      - name: Configure safe.directory  # Workaround for actions/checkout#760
-        run: git config --global --add safe.directory /__w/python-datascientist/python-datascientist
-      - shell: bash
-        run: |
-          conda info
-          conda list
-      - name: Convert in ipynb with Quarto
-        run: |
-         git diff --name-only origin/master origin/${GITHUB_HEAD_REF} >> diff
-         python build/tweak_project.py
-         python build/tweak_render.py
-         python build/tweak_options_quarto.py
-         python build/pimp_notebook.py
-         quarto render content --to ipynb --execute
-         mkdir -p corrections
-         python build/move_files.py corrections
+          path: temp_notebooks/notebooks/
       - uses: actions/upload-artifact@v2
         with:
-          name: Corrections
-          path: corrections/
-      - name: Commit new notebooks
-        if: ${{ github.event.pull_request.head.repo.full_name == github.repository }}
+          name: Enonces
+          path: temp_notebooks/corrections/
+      - name: Pushes to another repository
+        uses: linogaliana/github-action-push-to-another-repository@main
         env:
-          BRANCHE_REF: ${{ github.event.pull_request.head.ref }}
-        run: |
-         git config user.name 'github-actions[bot]'
-         git config user.email 'github-actions[bot]@users.noreply.github.com'
-         git status
-         find corrections -type f -name "*.ipynb" | xargs git add
-         git commit -m "Automated changes";
-         git pull
-         git push
+          API_TOKEN_GITHUB: ${{ secrets.API_TOKEN_GITHUB }}
+        with:
+          source-directory: 'temp_notebooks/'
+          destination-repository-username: 'linogaliana'
+          destination-repository-name: 'python-datascientist-notebooks'
+          user-email: lino.galiana@insee.fr
+          destination-github-username: linogaliana
+          target-branch: dev
+          create-target-branch-if-needed: true
+          reset-repo: true
 
 
 

.github/workflows/prod.yml

@@ -37,3 +37,58 @@ jobs:
         with:
           name: Website
           path: public/
+  enonces:
+    name: Render notebooks
+    runs-on: ubuntu-latest
+    container: linogaliana/python-datascientist:latest
+    steps:
+      - uses: actions/checkout@v3
+        with:
+          fetch-depth: 0
+          ref: ${{ github.event.pull_request.head.ref }}
+      - name: Configure safe.directory  # Workaround for actions/checkout#760
+        run: |
+          git config --global --add safe.directory /__w/python-datascientist/python-datascientist
+          git config --global --add safe.directory /__w/python-datascientist/python-datascientist-notebooks
+      - shell: bash
+        run: |
+          ls
+          conda info
+          conda list
+      - name: Convert in ipynb with Quarto
+        run: |
+         python build/tweak_render.py
+         python build/wc_website.py
+         python build/pimp_notebook.py
+         quarto render content --to ipynb
+         mkdir -p temp_notebooks
+         mkdir -p temp_notebooks/notebooks
+         python build/move_files.py temp_notebooks/notebooks
+         quarto render content --to ipynb --execute
+         mkdir -p temp_notebooks/corrections
+         python build/move_files.py temp_notebooks/corrections
+      - uses: actions/upload-artifact@v2
+        with:
+          name: Source enonce
+          path: content/
+      - uses: actions/upload-artifact@v2
+        with:
+          name: Enonces
+          path: temp_notebooks/notebooks/
+      - uses: actions/upload-artifact@v2
+        with:
+          name: Enonces
+          path: temp_notebooks/corrections/
+      - name: Pushes to another repository
+        uses: cpina/github-action-push-to-another-repository@main
+        env:
+          API_TOKEN_GITHUB: ${{ secrets.API_TOKEN_GITHUB }}
+        with:
+          source-directory: 'temp_notebooks/'
+          destination-repository-username: 'linogaliana'
+          destination-repository-name: 'python-datascientist-notebooks'
+          user-email: lino.galiana@insee.fr
+          destination-github-username: linogaliana
+          #target-branch: test
+          create-target-branch-if-needed: true
+          #reset-repo: true

content/course/NLP/01_intro/index.qmd

@@ -1,8 +1,6 @@
 ---
 title: "Quelques éléments pour comprendre les enjeux du NLP"
-date: 2020-10-15T13:00:00Z
-draft: false
-weight: 10
+date: 2023-07-15T13:00:00Z
 slug: nlpintro
 type: book
 tags:
@@ -21,7 +19,7 @@ description: |
   explorer quelques méthodes classiques de nettoyage en s'appuyant
   sur le _Comte de Monte Cristo_ d'Alexandre Dumas. 
 bibliography: ../../../../reference.bib
-image: featured.png
+image: wordcloud_openfood_clean.png
 ---
 
 ::: {.cell .markdown}
@@ -95,9 +93,9 @@ dumas[10000:10500]
 ```
 
 
-# La particularité des données textuelles
+## La particularité des données textuelles
 
-## Objectif
+### Objectif
 
 Le *natural language processing* (NLP) ou
 *traitement automatisé de la langue* (TAL) en Français,
@@ -118,7 +116,7 @@ Si cette tâche n'était pas assez difficile comme ça, on peut ajouter d'autres
 * propres à chaque langue : il n'existe pas de règle de passage unique entre deux langues
 * grande dimension : des combinaisons infinies de séquences de mots
 
-## Méthode
+### Méthode
 
 L’unité textuelle peut être le mot ou encore une séquence de *n*
 mots (un *n-gramme*) ou encore une chaîne de caractères (e.g. la
@@ -132,7 +130,7 @@ l’information transformée. Mais les étapes de nettoyage de texte sont indisp
 
 
 
-# Nettoyer un texte
+## Nettoyer un texte
 
 Les *wordclouds* sont des représentations graphiques assez pratiques pour visualiser
 les mots les plus fréquents. Elles sont très simples à implémenter en `Python`
@@ -201,7 +199,7 @@ mesure de les comparer.
 :::
 
 
-## Tokenisation
+### Tokenisation
 
 ::: {.cell .markdown}
 ```{=html}
@@ -259,7 +257,7 @@ commande suivante :
 
 
 
-## Retirer les stop-words
+### Retirer les stop-words
 
 Le jeu de données est maintenant propre. On peut désormais retirer les 
 mots qui n'apportent pas de sens et servent seulement à faire le 
@@ -327,7 +325,7 @@ plt.axis("off")
 ```
 
 
-## *Stemming*
+### *Stemming*
 
 Pour réduire la complexité d'un texte, on peut tirer partie de
 _"classes d'équivalence"_ : on peut
@@ -385,7 +383,7 @@ stemmer = FrenchStemmer()
 :::
 
 
-# Reconnaissance des entités nommées
+## Reconnaissance des entités nommées
 
 Cette étape n'est pas une étape de préparation mais illustre la capacité 
 des librairies `Python` a extraire du sens d'un texte. La librairie 
@@ -429,7 +427,7 @@ displacy.render(doc, style="ent", jupyter=True)
 ~~~
 
 
-# Représentation d'un texte sous forme vectorielle
+## Représentation d'un texte sous forme vectorielle
 
 Une fois nettoyé, le texte est plus propice à une représentation vectorielle.
 En fait, implicitement, on a depuis le début adopté une démarche *bag of words*.
@@ -447,4 +445,4 @@ La pondération la plus simple est basée sur la fréquence des mots dans le doc
 C'est l'objet de la métrique **tf-idf** (term frequency - inverse document frequency)
 abordée dans un prochain chapitre.
 
-# Références
+## Références

content/course/NLP/02_exoclean/index.qmd

@@ -93,7 +93,7 @@ plongements de mots permet d'obtenir des tableaux comme celui-ci:
 ![](word_embedding.png)
 
 
-# Librairies nécessaires
+## Librairies nécessaires
 
 Cette page évoquera les principales librairies pour faire du NLP, notamment : 
 
@@ -160,7 +160,7 @@ nltk.download('wordnet')
 nltk.download('omw-1.4')
 ```
 
-# Données utilisées
+## Données utilisées
 
 ::: {.cell .markdown}
 ```{=html}
@@ -289,7 +289,7 @@ constructions d'indices de similarité cosinus reposent sur ce type d'approche.
 :::
 
 
-## Fréquence d'un mot
+### Fréquence d'un mot
 
 Avant de s'adonner à une analyse systématique du champ lexical de chaque
 auteur, on se focaliser dans un premier temps sur un unique mot, le mot *fear*. 
@@ -407,7 +407,7 @@ fig.get_figure()
 ```
 
 
-# Premier *wordcloud*
+## Premier *wordcloud*
 
 Pour aller plus loin dans l'analyse du champ lexical de chaque auteur,
 on peut représenter un `wordcloud` qui permet d'afficher chaque mot avec une
@@ -501,7 +501,7 @@ par la loi de Zipf, cf. exercice suivant).
 
 
 
-## Aparté: la loi de Zipf
+### Aparté: la loi de Zipf
 
 ::: {.cell .markdown}
 ```{=html}
@@ -592,7 +592,7 @@ quasiment log-linéaire entre le rang et la fréquence d'occurrence d'un mot.
 Dit autrement, le mot le plus utilisé l'est deux fois plus que le deuxième
 mois le plus fréquent qui l'est trois plus que le troisième, etc.
 
-# Nettoyage d'un texte
+## Nettoyage d'un texte
 
 Les premières étapes dans le nettoyage d'un texte, qu'on a
 développé au cours du [chapitre précédent](#nlp), sont :
@@ -797,7 +797,7 @@ print("---------------------------")
 print(lemmatized_output[:209])
 ```
 
-# TF-IDF: calcul de fréquence
+## TF-IDF: calcul de fréquence
 
 Le calcul [tf-idf](https://fr.wikipedia.org/wiki/TF-IDF) (term _frequency–inverse document frequency_)
 permet de calculer un score de proximité entre un terme de recherche et un
@@ -897,7 +897,7 @@ La matrice `document x terms` est un exemple typique de matrice _sparse_ puisque
 :::
 
 
-# Approche contextuelle: les *n-gramms*
+## Approche contextuelle: les *n-gramms*
 
 
 Pour être en mesure de mener cette analyse, il est nécessaire de télécharger un corpus supplémentaire :
@@ -1042,4 +1042,4 @@ collocations_word("love")
 ```
 
 
-# Références
+## Références