Skip to content
/ CoursIA Public

Dépôt contenant les ressources et TPs d'un cours en IA en C# et en Python

License

MIT license
4 stars 22 forks Branches Tags Activity
Star
Notifications You must be signed in to change notification settings

jsboige/CoursIA

BranchesTags

Repository files navigation

CoursIA

Bienvenue dans le depot CoursIA, plateforme educative complete pour l'apprentissage de l'intelligence artificielle en C# et Python.

License: MIT

Table des matieres

Introduction

Ce depot contient 255+ notebooks Jupyter interactifs couvrant :

  • IA Symbolique : Logiques formelles, argumentation, verification formelle (Lean 4, Tweety, Z3)
  • Probabilites : Inference bayesienne, modeles graphiques (Infer.NET)
  • Theorie des jeux : Nash, jeux evolutionnaires, cooperatifs, CFR, OpenSpiel
  • Machine Learning : ML.NET, algorithmes genetiques
  • IA Generative : OpenAI, LLMs, generation d'images (DALL-E, FLUX, Qwen, SD3.5)
  • Trading Algorithmique : QuantConnect LEAN, ML/DL/RL pour strategies de trading

Les notebooks sont en C# (.NET Interactive), Python et Lean 4, avec une documentation pedagogique complete.

Cartographie complete

Structure du depot

CoursIA/
├── MyIA.AI.Notebooks/           # 255+ notebooks interactifs
│   ├── GenAI/                   # IA Generative (55+ notebooks)
│   │   ├── 00-GenAI-Environment/# Setup et configuration (6 notebooks)
│   │   ├── Image/               # Generation d'images (19 notebooks)
│   │   │   ├── 01-Foundation/   # DALL-E 3, GPT-5, Forge
│   │   │   ├── 02-Advanced/     # Qwen, FLUX, SD3.5, Z-Image
│   │   │   ├── 03-Orchestration/# Multi-modeles, workflows
│   │   │   └── 04-Applications/ # Production, contenu educatif
│   │   ├── Texte/               # LLMs et generation texte (10 notebooks)
│   │   ├── SemanticKernel/      # Microsoft Semantic Kernel (14 notebooks)
│   │   └── Vibe-Coding/         # Claude Code et Roo Code tutorials
│   │
│   ├── SymbolicAI/              # IA Symbolique (47+ notebooks)
│   │   ├── Tweety/              # TweetyProject - 10 notebooks
│   │   ├── Lean/                # Lean 4 - 10 notebooks
│   │   ├── Argument_Analysis/   # Analyse argumentative - 6 notebooks
│   │   └── Planners/            # Fast-Downward, PDDL
│   │
│   ├── GameTheory/              # Theorie des jeux (26 notebooks)
│   │   ├── GameTheory-1 to 17   # Notebooks principaux
│   │   └── *b, *c variants      # Lean + Python side tracks
│   │
│   ├── Probas/Infer/            # Infer.NET - 20 notebooks
│   ├── Sudoku/                  # Resolution Sudoku (11 notebooks)
│   ├── Search/                  # Recherche et optimisation (5 notebooks)
│   ├── ML/                      # Machine Learning (14 notebooks)
│   ├── RL/                      # Reinforcement Learning (3 notebooks)
│   ├── QuantConnect/            # Trading algorithmique + AI (27 notebooks Python)
│   ├── IIT/                     # PyPhi - Information integree (1 notebook)
│   ├── Probas/                  # Probabilites (22 notebooks)
│   ├── EPF/                     # Devoirs etudiants (4 notebooks)
│   └── Config/                  # Configuration API (settings.json)
│
├── .claude/                     # Configuration Claude Code
│   ├── agents/                  # 10 agents specialises
│   └── commands/                # 6 skills (commandes slash)
│
├── scripts/                     # Scripts utilitaires
│   ├── verify_notebooks.py      # Verification multi-famille
│   ├── extract_notebook_skeleton.py  # Extraction structure
│   └── genai-stack/             # Validation GenAI
│
├── docker-configurations/       # Infrastructure Docker GPU
│   ├── services/
│   │   ├── comfyui-qwen/        # ComfyUI + Qwen Image Edit
│   │   ├── orchestrator/        # Multi-services (FLUX, SD3.5)
│   │   ├── vllm-zimage/         # Z-Image/Lumina
│   │   └── forge-turbo/         # Forge SD
│   └── shared/                  # Modeles et cache partages
│
├── GradeBookApp/                # Systeme de notation etudiants
├── notebook-infrastructure/     # Papermill automation
└── MyIA.AI.Shared/              # Bibliotheque C# partagee

Statistiques globales

Categorie Notebooks Kernels Duree estimee API requise
SymbolicAI 47+ Python, Lean 4 ~25h OpenAI (optionnel)
GameTheory 26 Python, Lean 4 ~18h30 OpenAI (optionnel)
Infer.NET 20 .NET C# ~17h -
GenAI 55+ Python ~25h OpenAI/Anthropic
Sudoku 11 C#, Python ~2h -
Search 5 C#, Python ~1h10 -
ML 14 C#, Python ~4h -
RL 3 Python ~2h -
QuantConnect 27 Python ~30h QuantConnect (gratuit)
IIT 1 Python ~1h30 -
Total 255+ Mixed ~130h -

Series de notebooks

SymbolicAI - IA Symbolique

47+ notebooks couvrant les logiques formelles, l'argumentation computationnelle et la verification formelle.

Serie Notebooks Contenu Prerequis README
Tweety 10 TweetyProject, logiques PL/FOL/DL, argumentation Dung, ASPIC+ JDK 17+ (auto) README
Lean 10 Lean 4, types dependants, tactiques, Mathlib, LLM integration WSL, elan README
Argument_Analysis 6 Analyse argumentative multi-agents avec Semantic Kernel OpenAI API README
Planners 1 Fast-Downward, planification PDDL Python README
Autres 14+ Z3, OR-Tools, RDF.NET Varies -

Notebooks Tweety (detail) :

Notebook Contenu Outils externes
Tweety-1-Setup JDK, JPype, libs -
Tweety-2-Basic-Logics PL, FOL, SAT4J, pySAT pySAT
Tweety-3-Advanced-Logics DL, Modal, QBF SPASS (admin req.)
Tweety-4-Belief-Revision CrMas, MUS, MaxSAT MARCO
Tweety-5-Abstract-Argumentation Dung, semantiques -
Tweety-6-Structured-Argumentation ASPIC+, DeLP, ASP Clingo
Tweety-7a-Extended-Frameworks ADF, Bipolar, WAF -
Tweety-7b-Ranking-Probabilistic Ranking semantics -
Tweety-8-Agent-Dialogues Protocoles de dialogue -
Tweety-9-Preferences Voting, social choice -

README SymbolicAI

GameTheory - Theorie des Jeux

26 notebooks (17 principaux + 9 side tracks) combinant Python et Lean 4.

Partie Notebooks Contenu Kernel
Fondations 1-6 Forme normale, Nash, minimax, jeux evolutionnaires Python
Jeux dynamiques 7-12 Forme extensive, backward induction, jeux bayesiens Python
Avances 13-17 CFR, jeux differentiels, cooperatifs, mechanism design, MARL Python + OpenSpiel
Side tracks b 2b, 4b, 8b, 15b, 16b Formalisations Lean 4 Lean 4 (WSL)
Side tracks c 2c, 4c, 8c, 15c, 16c Approfondissements Python Python

README GameTheory

Probas - Programmation Probabiliste

22 notebooks couvrant l'inference bayesienne avec Infer.NET (C#) et Pyro (Python).

Section Notebooks Kernel Contenu
Racine 2 Python/C# Infer-101 (intro), Pyro_RSA_Hyperbole (pragmatique)
Infer/ 1-13 13 C# Fondamentaux, modeles classiques, debugging
Infer/ 14-20 7 C# Theorie de la decision bayesienne

README Probas | README Infer

Sudoku - Resolution par Contraintes

11 notebooks (7 C#, 4 Python) illustrant differentes approches algorithmiques.

Approche Notebooks Technologies Kernel
Backtracking 1, Python MRV, recherche exhaustive C#, Python
Genetique 2, Python GeneticSharp, PyGAD C#, Python
Contraintes 3, Python OR-Tools CP/SAT/MIP C#, Python
SMT 4, Python Z3, bitvectors C#, Python
Couverture exacte 5, Python Dancing Links (DLX) C#, Python
Probabiliste 6 Infer.NET C#

Note : Les notebooks C# utilisent #!import et necessitent une execution cellule par cellule (Papermill incompatible).

README Sudoku

Search - Recherche et Optimisation

5 notebooks sur les algorithmes de recherche et les metaheuristiques.

Notebook Kernel Contenu
CSPs_Intro Python Programmation par contraintes, AC-3, N-Queens, Min-Conflicts
Exploration Python BFS, DFS, A*, Hill Climbing, Simulated Annealing
GeneticSharp-EdgeDetection C# Detection de bords avec GeneticSharp
Portfolio_Optimization C# Optimisation de portefeuille financier
PyGad-EdgeDetection Python Detection de bords avec PyGAD

README Search

GenAI - IA Generative

55+ notebooks organises en plusieurs sous-domaines.

Sous-domaine Notebooks Contenu Services requis
00-Environment 6 Setup, Docker, API, validation, deploiement local -
Image/ 19 Generation d'images (4 niveaux) OpenAI/Docker GPU
Texte/ 10 OpenAI, Prompts, Structured Outputs, RAG, Reasoning, Production OpenAI API
SemanticKernel/ 14 SK Fundamentals a MCP, NotebookMaker, templates OpenAI API
Vibe-Coding/ 5+ Notebooks CLI Claude Code + ateliers Roo Code Claude/Roo

Structure Image/ :

Niveau Contenu
01-Foundation DALL-E 3, GPT-5, Forge SD-XL Turbo, Qwen
02-Advanced Qwen Image Edit 2509, FLUX, SD 3.5, Z-Image/Lumina
03-Orchestration Comparaison multi-modeles, workflows, optimisation
04-Applications Contenu educatif, workflows creatifs, production

README GenAI

IIT - Integrated Information Theory

1 notebook sur PyPhi et la theorie de l'information integree.

Notebook Contenu Duree
Intro_to_PyPhi TPM, Phi, CES, Causation actuelle, Macro-subsystemes ~90 min

README IIT

ML - Machine Learning

14 notebooks couvrant ML.NET (C#) et Python Data Science avec agents IA.

Section Notebooks Contenu
ML.NET 5 Introduction, Features, Entrainement, AutoML, Evaluation
Python Foundations 2 NumPy, Pandas
AI Agents Workshop 7 RFP Analysis, CV Screening, Data Wrangling, First Agent

README ML

RL - Reinforcement Learning

3 notebooks sur Stable Baselines3 et l'apprentissage par renforcement.

Notebook Contenu Duree
stable_baseline_1 Introduction PPO, CartPole ~30 min
stable_baseline_2 Wrappers, sauvegarde, callbacks ~40 min
stable_baseline_3 HER, goal-conditioned RL, SAC/DDPG ~45 min

README RL

QuantConnect - Trading Algorithmique + AI

27 notebooks Python sur le trading algorithmique avec QuantConnect LEAN, incluant ML/DL/RL/LLM.

Phase Notebooks Contenu
Fondations LEAN 01-04 Setup, Platform Fundamentals, Data Management, Research
Universe & Assets 05-08 Universe Selection, Options, Futures/Forex, Multi-Asset
Trading Avance 09-12 Order Types, Risk Management, Indicators, Backtesting
Algorithm Framework 13-15 Alpha Models, Portfolio Construction, Optimization
Data Alternatives 16-17 Alternative Data, Sentiment Analysis
ML/DL/AI 18-27 Features, Classification, Regression, Deep Learning, RL, LLM

Caracteristiques :

  • Cloud-first (QuantConnect free tier)
  • 9 notebooks dedies ML/DL/RL/LLM
  • Production-ready (deployment live)

README QuantConnect | Getting Started

Configuration et API Keys

Fichiers de configuration par famille

Famille Fichier .env Variables cles
GenAI MyIA.AI.Notebooks/GenAI/.env OPENAI_API_KEY, ANTHROPIC_API_KEY, COMFYUI_API_TOKEN
Argument_Analysis MyIA.AI.Notebooks/SymbolicAI/Argument_Analysis/.env OPENAI_API_KEY, GLOBAL_LLM_SERVICE, BATCH_MODE
Lean MyIA.AI.Notebooks/SymbolicAI/Lean/.env OPENAI_API_KEY, GITHUB_TOKEN, LEAN_VERSION
GameTheory MyIA.AI.Notebooks/GameTheory/.env BATCH_MODE, OPENSPIEL_NUM_THREADS
QuantConnect MyIA.AI.Notebooks/QuantConnect/.env QC_USER_ID, QC_API_TOKEN, QC_ORG_ID
C# Notebooks MyIA.AI.Notebooks/Config/settings.json apikey, model, type (openai/azure)
Docker ComfyUI docker-configurations/services/comfyui-qwen/.env CIVITAI_TOKEN, HF_TOKEN, COMFYUI_BEARER_TOKEN

Configuration initiale

# GenAI
cp MyIA.AI.Notebooks/GenAI/.env.example MyIA.AI.Notebooks/GenAI/.env
# Editer et ajouter: OPENAI_API_KEY, ANTHROPIC_API_KEY

# Argument Analysis
cp MyIA.AI.Notebooks/SymbolicAI/Argument_Analysis/.env.example MyIA.AI.Notebooks/SymbolicAI/Argument_Analysis/.env
# Editer et ajouter: OPENAI_API_KEY

# Lean (pour notebooks 7-10)
cp MyIA.AI.Notebooks/SymbolicAI/Lean/.env.example MyIA.AI.Notebooks/SymbolicAI/Lean/.env
# Editer et ajouter: OPENAI_API_KEY, GITHUB_TOKEN

# GameTheory
cp MyIA.AI.Notebooks/GameTheory/.env.example MyIA.AI.Notebooks/GameTheory/.env

# C# Notebooks
cp MyIA.AI.Notebooks/Config/settings.json.openai-example MyIA.AI.Notebooks/Config/settings.json
# Editer et ajouter: apikey

# Docker ComfyUI
cp docker-configurations/services/comfyui-qwen/.env.example docker-configurations/services/comfyui-qwen/.env
# Editer et ajouter: CIVITAI_TOKEN, HF_TOKEN

Variables d'environnement detaillees

GenAI (.env.template) :

# API principale
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
OPENROUTER_API_KEY=sk-or-...  # Alternative multi-modeles

# Services Docker
COMFYUI_API_URL=http://localhost:8188
COMFYUI_API_TOKEN=...

# Configuration
DEFAULT_VISION_MODEL=gpt-5-mini
GENAI_TIMEOUT_SECONDS=120
GENAI_MAX_RETRIES=3

Lean (.env.example) :

# LLM Integration (notebooks 7-10)
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...

# LeanDojo (notebook 10)
GITHUB_TOKEN=ghp_...

# Lean configuration
LEAN_VERSION=4.3.0
LEAN_TIMEOUT=30

Kernels Jupyter

Kernels par famille

Famille Kernel Installation
Python notebooks python3 Conda mcp-jupyter-py310
C# notebooks .net-csharp dotnet tool install -g Microsoft.dotnet-interactive
Lean 4 lean4_jupyter Via elan (WSL uniquement)

Installation des kernels

Python :

python -m venv venv
venv\Scripts\activate  # Windows
pip install jupyter ipykernel
python -m ipykernel install --user --name=coursia --display-name "Python (CoursIA)"

.NET Interactive :

dotnet tool install -g Microsoft.dotnet-interactive
dotnet interactive jupyter install

Lean 4 (WSL uniquement) :

# Dans WSL
curl https://raw.githubusercontent.com/leanprover/elan/master/elan-init.sh -sSf | sh
pip install lean4_jupyter
python -m lean4_jupyter.install

Limitations kernels

Probleme Impact Contournement
Papermill + #!import Notebooks C# avec imports bloquent Execution cellule par cellule
Lean sur Windows signal.SIGPIPE non supporte Utiliser WSL
Cold start .NET Premier demarrage 30-60s Relancer apres timeout

Outils externes

Outils par famille

Outil Version Notebooks Installation
Z3 SMT Solver 4.12+ Sudoku, SymbolicAI, Search pip install z3-solver
OR-Tools 9.8+ Sudoku, Search, SymbolicAI pip install ortools
Tweety 1.28 Tweety series Auto-telecharge (JARs)
JDK 17+ Tweety, Argument_Analysis Auto-telecharge (Zulu portable)
PyPhi 1.2+ IIT pip install pyphi
Lean 4 4.3+ Lean, GameTheory Via elan (WSL)
Mathlib4 Latest Lean 6+ Auto avec lake
OpenSpiel 1.4+ GameTheory 13-15 pip install open_spiel
Infer.NET 0.4+ Probas/Infer Via NuGet
Clingo 5.6+ Tweety-6 Installation manuelle
pySAT 1.8+ Tweety-2 pip install python-sat

Outils optionnels

Outil Usage Note
SPASS Logique modale (Tweety-3) Requiert droits admin Windows
EProver FOL prover Linux uniquement
MARCO MUS enumeration Avec Z3
Fast-Downward Planification PDDL Auto-compilation

Mise en route

Prerequis

  • Python 3.10+ avec pip
  • .NET 9.0 SDK (pour notebooks C#)
  • Visual Studio Code avec extensions Python, Jupyter, .NET Interactive
  • WSL (recommande pour Lean et certains outils)
  • Docker + GPU (optionnel, pour GenAI avance)

Installation rapide

# 1. Cloner le depot
git clone https://github.com/jsboige/CoursIA.git
cd CoursIA

# 2. Environnement Python
python -m venv venv
venv\Scripts\activate  # Windows
pip install jupyter openai anthropic python-dotenv

# 3. Kernel Python
python -m ipykernel install --user --name=coursia --display-name "Python (CoursIA)"

# 4. Packages .NET
dotnet restore MyIA.CoursIA.sln

# 5. Configuration API (choisir selon besoins)
cp MyIA.AI.Notebooks/Config/settings.json.openai-example MyIA.AI.Notebooks/Config/settings.json
cp MyIA.AI.Notebooks/GenAI/.env.example MyIA.AI.Notebooks/GenAI/.env
# Editer les fichiers et ajouter les cles API

Installation par famille

Sudoku/Search (aucune config requise) :

pip install z3-solver ortools numpy matplotlib

Tweety (JDK auto-telecharge) :

pip install jpype1 python-sat
# Executer Tweety-1-Setup.ipynb pour telecharger JDK et JARs

Lean (WSL requis) :

# Dans WSL
curl https://raw.githubusercontent.com/leanprover/elan/master/elan-init.sh -sSf | sh
pip install lean4_jupyter openai anthropic
python -m lean4_jupyter.install
# Valider: python MyIA.AI.Notebooks/SymbolicAI/Lean/scripts/validate_lean_setup.py

GameTheory :

pip install numpy scipy matplotlib nashpy open_spiel networkx
cp MyIA.AI.Notebooks/GameTheory/.env.example MyIA.AI.Notebooks/GameTheory/.env

GenAI (Docker GPU recommande) :

pip install -r MyIA.AI.Notebooks/GenAI/requirements.txt
cp MyIA.AI.Notebooks/GenAI/.env.example MyIA.AI.Notebooks/GenAI/.env
# Editer .env avec API keys

Parcours d'apprentissage suggere

  1. ML - Introduction au Machine Learning (ML.NET et Python)
  2. Sudoku - Algorithmes de resolution (backtracking, contraintes)
  3. Search - Recherche et optimisation
  4. RL - Reinforcement Learning avec Stable Baselines3
  5. SymbolicAI/Tweety - Logiques formelles et argumentation
  6. Probas - Inference bayesienne (Infer.NET, Pyro)
  7. IIT - Theorie de l'information integree (PyPhi)
  8. GameTheory - Theorie des jeux
  9. SymbolicAI/Lean - Verification formelle (WSL requis)
  10. GenAI - IA generative (API keys requises)

Infrastructure Docker

Services disponibles

Service Port GPU VRAM Description
ComfyUI-Qwen 8188 Oui ~29GB Qwen Image Edit 2509
FLUX.1-dev 8189 Oui ~10GB Text-to-image
Stable Diffusion 3.5 8190 Oui ~12GB Image generation
Z-Image/Lumina 8001 Oui ~10GB Lumina-Next-SFT
Orchestrator 8090 Non - Service management

Demarrage rapide

# ComfyUI seul
cd docker-configurations/services/comfyui-qwen
cp .env.example .env
docker-compose up -d

# Multi-services (orchestrator)
cd docker-configurations/services/orchestrator
docker-compose up -d

Configuration Docker

Variables .env requises :

# Tokens pour telecharger les modeles
CIVITAI_TOKEN=...
HF_TOKEN=...

# Authentification ComfyUI
COMFYUI_BEARER_TOKEN=...
COMFYUI_USERNAME=admin
COMFYUI_PASSWORD=...

# GPU
GPU_DEVICE_ID=0
CUDA_VISIBLE_DEVICES=0

Volumes partages

docker-configurations/
├── shared/
│   ├── models/    # Cache modeles (~50GB+)
│   ├── cache/     # HuggingFace cache
│   └── outputs/   # Images generees
└── .secrets/      # Tokens (read-only)

Scripts et validation

Scripts principaux

Script Chemin Usage
notebook_tools.py scripts/ Outil consolide : skeleton, validate, analyze, check-env
notebook_helpers.py scripts/ Helpers pour manipulation notebooks et iteration
extract_notebook_skeleton.py scripts/ Extraction structure pour README
validate_notebooks.py scripts/genai-stack/ Validation GenAI via Papermill
validate_stack.py scripts/genai-stack/ Validation ecosysteme complet
check_vram.py scripts/genai-stack/ Verification VRAM disponible
validate_lean_setup.py MyIA.AI.Notebooks/SymbolicAI/Lean/scripts/ Validation environnement Lean
test_notebooks.py MyIA.AI.Notebooks/Probas/Infer/scripts/ Tests Infer.NET

Note : Les anciens scripts de maintenance sont archives dans scripts/archive/.

Utilisation

# Outil consolide notebook_tools.py (recommande)
python scripts/notebook_tools.py skeleton MyIA.AI.Notebooks/Sudoku --output markdown
python scripts/notebook_tools.py validate MyIA.AI.Notebooks/Sudoku --quick
python scripts/notebook_tools.py analyze MyIA.AI.Notebooks/Sudoku
python scripts/notebook_tools.py check-env Sudoku

# Helpers pour manipulation de cellules
python scripts/notebook_helpers.py list notebook.ipynb
python scripts/notebook_helpers.py analyze notebook.ipynb
python scripts/notebook_helpers.py get-source notebook.ipynb 5
python scripts/notebook_helpers.py get-output notebook.ipynb 5

# Extraction structure (alternatif)
python scripts/extract_notebook_skeleton.py MyIA.AI.Notebooks/Sudoku --output markdown

# Validation stack GenAI
python scripts/genai-stack/validate_stack.py

# Validation Lean
python MyIA.AI.Notebooks/SymbolicAI/Lean/scripts/validate_lean_setup.py --wsl

GitHub Actions

Le workflow .github/workflows/notebook-validation.yml valide automatiquement :

  • Format des notebooks (JSON valide)
  • Syntaxe Python/C#
  • Execution de base (timeout 60s)

Outils Claude Code

Skills (Commandes slash)

Commande Description
/verify-notebooks [target] Verifier et tester les notebooks
/enrich-notebooks [target] Enrichir avec du contenu pedagogique
/cleanup-notebooks [target] Nettoyer et reorganiser le markdown
/build-notebook [topic] Construire un nouveau notebook from scratch
/execute-notebook [path] Executer un notebook via MCP Jupyter
/validate-genai Valider le stack GenAI complet

Options :

  • --quick : Structure uniquement (pas d'execution)
  • --fix : Correction automatique des erreurs
  • --python-only / --dotnet-only : Filtrer par kernel
  • --consecutive : Focus sur cellules de code consecutives
  • --iterate : Iteration sur cellules jusqu'a objectif atteint
  • --dry-run : Lister sans modifier

Exemples :

/verify-notebooks Sudoku --quick
/enrich-notebooks Infer --consecutive
/cleanup-notebooks Tweety --dry-run

Agents specialises

Agent Fichier Mission
notebook-enricher .claude/agents/notebook-enricher.md Enrichissement pedagogique
infer-notebook-enricher .claude/agents/infer-notebook-enricher.md Specialisation Infer.NET
notebook-cleaner .claude/agents/notebook-cleaner.md Nettoyage markdown
notebook-cell-iterator .claude/agents/notebook-cell-iterator.md Iteration sur cellules
readme-updater .claude/agents/readme-updater.md Mise a jour README
notebook-designer .claude/agents/notebook-designer.md Conception de notebooks
notebook-executor .claude/agents/notebook-executor.md Execution de notebooks
notebook-iterative-builder .claude/agents/notebook-iterative-builder.md Construction iterative
notebook-validator .claude/agents/notebook-validator.md Validation de notebooks
readme-hierarchy-auditor .claude/agents/readme-hierarchy-auditor.md Audit et maintenance hierarchie README

MCP Jupyter Papermill

Claude Code dispose d'un MCP pour executer les notebooks :

Categorie Outils
Lecture/Ecriture read_notebook, write_notebook, create_notebook
Cellules read_cells, add_cell, update_cell, remove_cell
Kernels list_kernels, manage_kernel (start/stop/restart)
Execution execute_on_kernel, execute_notebook
Jobs async manage_async_job (status, logs, cancel)

Contribution

  1. Fork le depot
  2. Creer une branche (git checkout -b feature/nouvelle-fonctionnalite)
  3. Commit (git commit -m 'Add: nouvelle fonctionnalite')
  4. Push (git push origin feature/nouvelle-fonctionnalite)
  5. Ouvrir une Pull Request

Conventions

  • Pas d'emojis dans le code et les fichiers generes
  • PEP 8 pour Python, conventions standard pour C#
  • Branches : type/nom-court (ex: feature/notebook-transformers)
  • Commits : Type: description (ex: Add: notebook sur les Transformers)

Structure des .env.example

Chaque famille de notebooks doit avoir un .env.example documentant :

  • Les variables requises vs optionnelles
  • Le format attendu (API key, URL, boolean)
  • Les valeurs par defaut

Licence

Ce projet est sous licence MIT - voir LICENSE.

Repository: https://github.com/jsboige/CoursIA

About

Dépôt contenant les ressources et TPs d'un cours en IA en C# et en Python

Resources

Readme

License

MIT license

Contributing

Contributing
Activity

Stars

4 stars

Watchers

1 watching

Forks

22 forks
Report repository

Releases

No releases published

Packages

No packages published

Contributors 10

Languages