ci_status.rst

Dépendances

Ce module et les suivants servent de support aux enseignements. Ils sont régulièrement mis à jour et testés. La grande majorité des notebooks sont exécutés toutes les semaines afin de détecter facilement les problèmes pouvant survenir lors de la mise à jour de modules tels que scikit-learn, pandas, ...

ci, status

Tableau de bord et statut des dépendances

Module	Travis	AppVeyor	CircleCI / Azure / Codacy	PyPi	Issues	Coverage	Notebook Coverage
actuariat_python
aftercovid
code_beatrix
cpyquickhelper
deeponnxcustom
ensae_projects
ensae_teaching_cs
ensae_teaching_dl
jupytalk
jyquickhelper
lecture_citation
manydataapi
mlinsights
mlprodict
mlstatpy
onnx-array-api
onnx-extended
onnxcustom
onnxortext
pandas_streaming
papierstat
pyenbc
pyensae
pymlbenchmark
pymmails
pymyinstall
pyquickhelper
pyrsslocal
sparkouille
teachpyx
tkinterquickhelper
wrapclib
Les suivants sont des	exemples	pour créer de	nouveaux	modules.
_check_python_install
python3_module_template
td1a_unit_test_ci
td2a_plotting
td3a_cpp
td3a_cpp_deep
pystrat2048
Les suivants sont des	expérimentations.

Les projets suivants lient C# et python. Ils ne sont plus maintenus : csharpy, csharpyml. machinelearning, machinelearningext.

D'autres modules forkés sont disponibles sur travis, appveyor, circleci.

Fork / Stars / Downloads

from textwrap import dedent, indent from ensae_teaching_cs.automation.teaching_modules import get_teaching_modules

text = dedent(""" .. list-table:: :widths: 12 10 10 10 10 10 :header-rows: 1

• • Module
  • PyPi
  • Issues
  • Forks
  • Stars
  • Size""")

row = indent(dedent("""

• • {0}
  • 
  • 
  • 
  • 
  • 

row_nod = indent(dedent("""

• • {0}
  • 
  • 
  • 
  • 

row2 = indent(dedent("""

• • {0}
  • 
  • 
  • 
  • 
  • 

modules = get_teaching_modules(branch=False) skip = {'myblog', '_benchmarks', 'lecture_citation', 'machinelearningext', 'python3_module_template'} rows = [text] for module in sorted(modules): if module in skip: pat = row_nod elif module == 'code_beatrix': pat = row2 else: pat = row rows.append(pat.format(module, module.replace("_", "-")))

print("".join(rows))

Automatisation

module	description
jyquickhelper	Fonctions à exécuter depuis un notebook Jupyter
pymmails	J'ai reçu plus de 120 projets par mail durant l'année 2015-2016 pour plus de 220 élèves. Je ne plus plus grand chose manuellement. Ce module s'occupe de télécharger tous les projets depuis une boîte mail ou d'envoyer des séries de mails de façon automatiser.
pymyinstall	Le module sert avant tout à installer plusieurs centaines de modules avec peu d'instructions, quelques outils comme Scite ou Graphviz. Il sert aussi à fabriquer un setup.
pyquickhelper	Génère la documentation associé à ce site, surcouche sur sphinx. Le module propose également différentes fonctions pour synchroniser des répertoires, exécuter les tests unitaires ou uploader des fichiers en FTP (publication de ce site), quelques outils pour Jupyter ou Jenkins.
pyrsslocal	Récupération de flux RSS.

Outils

module	description
aftercovid	Explorations autour des données liées au COVID-19
module	description
botadi archivé	Experimentation autour des chatbots.
csharpy	Outils, exemples pour utiliser du C# depuis Python sous Windows ou Linux.
csharpyml archivé	csharpy archivé + ML.net + Scikit.ML
cpyquickhelper	Fonctions, outils implémentées en C, C++ et habillées en Python. C'est aussi un template pour ceux qui souhaite réaliser un module en C/C++/Cython.
deeponnxcustom	ONNX, deep learning, onnxruntime, pytorch
lightmlboard archivé	Implémentation d'un site web dédié aux compétitions de machine learning basé sur tornado.
lightmlrestapi archivé	Implémentation d'une REST API avec falcon.
manydataapi	Outils et bouts de codes pour accéder à différentes API de données.
mathenjeu archivé	Applications web pour créer des QCM ou autre séries de questions sur internet.
mlinsights	Quelques fonctions pour jouer avec des modèles de machine learning.
mlprodict	Conversion de modèle de machine learning en code C pour prédire plus rapidement.
onnxcustom	Tutoriels pour customiser le déploiement avec ONNX
pandas_streaming	Utilisation de pandas pour opérer sur des fichiers qui ne tiennent pas en mémoire en implémentant des algorithmes de streaming.
pyenbc	Automatisation des échanges avec un cluster HADOOP depuis un notebook.
pyensae	Fonctionnalités uilisées par un ENSAE ou plus généralement pour un datascientist, récupération de données, commandes magiques, quelques graphes.
pymlbenchmark	J'ai commencé à écrire un benchmark. Après trois copier/collers pour des expériences similaires, j'en ai eu marre. J'ai donc cherché à automatiser parce que je ne sais pas faire trois fois la même chose sans rêver durant la dernière et faire une grande pause pour que la quatrième ne tienne plus qu'en quatre lignes.
python3_module_template	Modèle de module Python utilisé pour ce cours. C'est un module vide facile à adapter.
tkinterquickhelper	Fonctions utilisées pour saisir rapidement des informations avec tkinter. Rarement utilisées depuis l'arrivée des notebooks.
wrapclib	Utilise des librairies C construites pas d'autres comme re2.

Outils

module	description
_check_python_install	Rassemble diverses instructions pour installer certains packages compliqués.
python3_module_template	Modèle de module Python utilisé pour ce cours. C'est un module vide facile à adapter.
td1a_unit_test_ci	Modèle de module python qui a servi de modèle pystrat2048 et td2a_plotting
pystrat2048	Modèle de module python implémentant une stratégie python, il inclut des tests unitaires, une documentation, l'intégration continue, il peut être réutilisé pour tout algorithme numérique
td2a_plotting	Modèle de module python implémentant un graphe matplotlib, il inclut des tests unitaires, une documentation, l'intégration continue, il peut être réutilisé pour tout projet similaire
td3a_cpp	Modèle de module python implémentant un calcul parallélisé à l'aide de cython et openmp.
td3a_cpp_deep	Modèle de module python implémentant une extension de pytorch

Contenu

module	description
actuariat_python	Contenu des enseignements donnés à l'Institut des Actuaires.
code_beatrix	Contenu des jeux et exercices pour les enfants disponible à code_beatrix. Ce sont des jeux pour apprendre à programmer avec ou sans ordinateurs et que j'utilise parfois durant les cours avec les plus grands.
ensae_teaching_cs	Contenu des enseignements donnés à l'ENSAE. Le module inclut également des fonctions d'automatisation et des morceaux de codes illustrant des exercices (voir modindex).
ensae_teaching_dl	Notebooks, contenu plus spécifiques au deep learning.
jupytalk	Présentations sous formes de notebooks données lors de conférences ou de cours.
lecture_citation	Souvenirs de lectures, rien à voir avec la programmation ou les statistiques à part Hume peut-être.
mlstatpy	Contenu plus théorique associé à la datascience, au machine learning, au traitement naturel du langage. Avec un peu plus de démonstrations mathématiques que dans les autres modules.
papierstat	Découverte du machine learning, mélange de pratique et de théorie.
sparkouille	Bafouille sur spark.
teachpyx	Cours de programmation en Python. C'est la version internet et actualisée du livre paru en 2009 et disponible au format PDF.

Git Clone

from ensae_teaching_cs.automation import get_teaching_modules pattern = 'if not exist {0} git clone https://github.com/sdpython/{0}.git' add = ['myblog', 'thesis_handwriting', '_automation'] modules = get_teaching_modules(branch=False) + add print('n'.join(pattern.format(_) for _ in sorted(modules)))

Pypi download

ci_status_download