Ex 03-3: style

module3/exo3/exercice.jmd

@@ -2,15 +2,17 @@
 title : Analyse de la concentration de CO2 dans l'atmosphère depuis 1958
 author : François Févotte
 date: avril 2020
+options:
+  css: skeleton_css.css
 ---
 
 # Gestion des dépendances
 
 
-### Environnement
+## Environnement
 
 ```julia; echo=false; results="hidden"
-@info "Instantiating project"
+@info "* Instantiating project"
 ```
 
 Nous utilisons Julia dans sa version 1.4.0, sur une architecture matérielle de
@@ -37,10 +39,10 @@ Pkg.instantiate()
 ```
 
 
-### Chargement des dépendances
+## Chargement des dépendances
 
 ```julia; echo=false; results="hidden"
-@info "Loading dependencies"
+@info "* Loading dependencies"
 ```
 
 Tant que nous y sommes, profitons en pour charger dès maintenant les paquets
@@ -68,10 +70,10 @@ CO2](https://scrippsco2.ucsd.edu/data/atmospheric_co2/primary_mlo_co2_record.htm
 fondons l'analyse sur le jeu de données contenant des observations hebdomadaires.
 
 
-### Téléchargement
+## Téléchargement
 
 ```julia; echo=false; results="hidden"
-@info "Retrieving data"
+@info "* Retrieving data"
 ```
 
 Le jeu de données est téléchargé une seule fois ; c'est une copie locale qui
@@ -112,10 +114,10 @@ end
 ```
 
 
-### Lecture
+## Lecture
 
 ```julia; echo=false; results="hidden"
-@info "Parsing data"
+@info "* Parsing data"
 ```
 
 Les données d'entrée sont stockées au format CSV, et contiennent 44 lignes
@@ -144,10 +146,10 @@ info(data_raw)
 ```
 
 
-### Vérification des données manquantes
+## Vérification des données manquantes
 
 ```julia; echo=false; results="hidden"
-@info "Checking for missing values"
+@info "* Checking for missing values"
 ```
 
 Les relevés étant hebdomadaires, l'écart entre deux dates successives du jeu de
@@ -168,10 +170,10 @@ Il y a 12 périodes durant lesquelles les données sont manquantes, dont une en
 particulier ayant duré 19 semaines en 1964. Le traitement devra en tenir compte.
 
 
-### Aperçu global des données
+## Aperçu global des données
 
 ```julia; echo=false; results="hidden"
-@info "Plotting raw data"
+@info "* Plotting raw data"
 ```
 
 Une visualisation de l'ensemble des données semble montrer une augmentation
@@ -225,7 +227,7 @@ annuel, nous allons commencer par interpoler les données à une maille
 journalière. Ceci nous permettra de découper le jeu de données en années.
 
 
-### Travaux sur les dates
+## Travaux sur les dates
 
 Il est plus simple d'interpoler entre deux nombres qu'entre deux dates. Dans la
 suite, nous adopterons une convention selon laquelle chaque date peut être
@@ -263,10 +265,10 @@ présence d'années bissextiles, mais rien n'a été fait pour les traiter à pa
 l'impact, de l'ordre de 1/365 une année sur 4, a été jugé négligeable a priori.
 
 
-### Interpolation à la maille journalière
+## Interpolation à la maille journalière
 
 ```julia; echo=false; results="hidden"
-@info "Interpolating daily data"
+@info "* Interpolating daily data"
 ```
 
 On construit un interpolateur linéaire basé sur les mesures de CO2 en fonction
@@ -358,10 +360,10 @@ plot(xlabel="Jour de l'année", ylabel="Nombre de valeurs")
 histogram!(data.day, bins=0:31:365, label=nothing)
 ```
 
-### Analyse des variations annuelles
+## Analyse des variations annuelles
 
 ```julia; echo=false; results="hidden"
-@info "Fitting yearly oscillations"
+@info "* Fitting yearly oscillations"
 ```
 
 Pour chaque année, on commence par tenter d'extraire la composante oscillante de
@@ -469,10 +471,10 @@ moyen est suffisamment représentatif pour permettre d'extraire la composante
 tendancielle lisse des données.
 
 
-### Analyse des variations tendancielles
+## Analyse des variations tendancielles
 
 ```julia; echo=false; output="hidden"
-@info "Fitting underlying trend"
+@info "* Fitting underlying trend"
 ```
 
 Nous sommes maintenant prêts à extraire la composante tendancielle des
@@ -543,10 +545,10 @@ plot!(data.date, α .+ β1 * data.date_num .+ γ*data.date_num.^2, linecolor="re
 plot!(data.date, α .+ β2 * data.date_num .+ γ*data.date_num.^2, linecolor="red", label=nothing)
 ```
 
-### Reconstruction du signal complet et prédiction
+## Reconstruction du signal complet et prédiction
 
 ```julia; echo=false; output="hidden"
-@info "Reconstructing and predicting complete signal"
+@info "* Reconstructing and predicting complete signal"
 ```
 
 Nous avons maintenant tous les éléments nécessaires afin de reconstruire
@@ -591,10 +593,10 @@ plot!(prediction.date, prediction.theta,     label="tendance")
 plot!(prediction.date, prediction.val,       label="prédiction")
 ```
 
-### Pour aller plus loin
+## Pour aller plus loin
 
 ```julia; echo=false
-@info "Studying alternate model"
+@info "* Studying alternate model"
 ```
 
 En utilisant des modèles plus complexes, il est possible de mieux caractériser
@@ -637,4 +639,5 @@ closeall()
 
 <!-- Local Variables: -->
 <!-- mode: markdown -->
+<!-- ispell-local-dictionary: "french" -->
 <!-- End: -->