Add application 6 fr

slides/fr/applications/_application6.qmd

@@ -0,0 +1,73 @@
+:::{.callout-tip collapse="true" icon=false}
+## Création d'un tableau de bord de monitoring
+
+:::::{.nonincremental}
+1. Nous allons utiliser [`Quarto Dashboards`](https://quarto.org/docs/dashboards/) qui fera partie de la version 1.4 de `Quarto`. Téléchargez et installez la pre-release.
+
+    ```sh
+    wget https://github.com/quarto-dev/quarto-cli/releases/download/v1.4.489/quarto-1.4.489-linux-amd64.deb \
+        -O quarto.deb
+    sudo dpkg -i quarto.deb
+    quarto check install
+    rm quarto.deb
+    ```
+
+2. Ouvrez le fichier `dashboard/index.qmd` et inspectez le code. Pour récupérer les données nécessaires à la création du tableau de bord, on utilise un SGBD *serverless* : `DuckDB`. `DuckDB` nous permet de faire des requêtes `SQL` sur un fichier `.parquet` contenant des logs *parsés*. Ce fichier contient une ligne par prédiction, avec les variables `timestamp`, `text`, `prediction_1`, `proba_1`, `prediction_2` et `proba_2`.
+
+3. Pour visualiser le tableau de bord, entrez les commandes suivantes dans un `Terminal` depuis la racine du projet et cliquez sur le lien généré.
+
+    ```sh
+    cd dashboard
+    quarto preview index.qmd
+    ```
+
+4. Pour l'instant le pourcentage de prédictions avec une probabilité supérieure à 0.8 ne correspond pas à la réalité. Modifiez la requête SQL permettant d'obtenir la variable `pct_predictions` pour afficher la bonne valeur.
+
+<details> 
+<summary> 
+    <font size=\"3\" color=\"darkgreen\"><b>Cliquez pour voir la réponse </b></font> 
+</summary>
+
+```python
+pct_predictions = duckdb.sql(
+    """
+    SELECT 100 * COUNT(*) / COUNT(*)
+    FROM data;
+    """
+).fetchall()[0][0]
+```
+
+</details>
+
+
+5. Les deux graphiques situés en bas du tableau de bord ne sont pas corrects non plus. Modifiez la requête SQL permettant d'obtenir la variable `daily_stats` pour afficher les bons graphiques.
+
+<details> 
+<summary> 
+    <font size=\"3\" color=\"darkgreen\"><b>Cliquez pour voir la réponse </b></font> 
+</summary>
+
+```python
+daily_stats = duckdb.sql(
+    """
+    SELECT
+        CAST(timestamp AS DATE) AS date,
+        COUNT(*) AS n_liasses,
+        (
+            COUNT(
+                CASE WHEN data.proba_1 > 0.8 THEN 1 END
+            ) * 100.0 / COUNT(*)
+        ) AS pct_high_proba
+    FROM data
+    GROUP BY CAST(timestamp AS DATE);
+    """
+).to_df()
+```
+
+6. Constatez les changements apportés au tableau de bord.
+
+</details>
+
+:::
+
+:::

slides/fr/index.qmd

@@ -72,6 +72,9 @@ from: markdown+emoji
 
 {{< include applications/_application5.qmd >}}
 
+## Application 6 {.scrollable}
+
+{{< include applications/_application6.qmd >}}
 
 # Conclusion