Pinned Repositories
Pong-Arcade
Remake of the original arcade game Pong, made in 1972, playable on your web browser. (Final project of the 42 cursus: ft_transcendence)
BlockchainMessenger
MsgBlockchain is a simple Solidity smart contract that allows a contract owner to set and update a message on the blockchain. Other users can reply to the message set by the owner, with certain restrictions to ensure the integrity of the communication
Cub3D
Résumé: Ce projet est inspiré du jeu Wolfeinstein3D, considéré comme le premier FPS jamais développé. Il vous permettra d’explorer la technique du ray-casting. Votre objectif est de faire une vue dynamique au sein d’un labyrinthe, dans lequel vous devrez trouver votre chemin.
CyberSecurity-Data-Science
Use machine learning to classify malware. Malware analysis 101. Set up a cybersecurity lab environment. Learn how to tackle data class imbalance. Unsupervised anomaly detection. End-to-end deep neural networks for malware classification. Create a machine learning Intrusion Detection System (IDS). Employ machine learning for offensive security. Learn how to address False Positive constraints. Break a CAPTCHA system using machine learning.
Inception_42
Il vous faudra écrire un Dockerfile par service supplémentaire. Ainsi, chaque service tournera dans un container dédié et, si besoin, possédera son propre volume.
irc_serv_c
Internet Relay Chat est un protocole de communication textuel sur Internet. Il sert à la communication instantanée principalement sous la forme de discussions en groupe par l’intermédiaire de canaux de discussion, mais peut aussi être utilisé pour de la communication directe entre deux personnes.
Iron_Dom
Iron Dome est un programme de surveillance des systèmes qui utilise un modèle de machine learning pour détecter les activités suspectes. Il surveille les modifications de fichiers, les activités de cryptographie et l'utilisation du système, et enregistre les résultats dans un journal.
Libft_42
• Votre projet doit être écrit en C. • Votre projet doit être codé à la Norme. Si vous avez des fichiers ou fonctions bonus, celles-ci seront inclues dans la vérification de la norme et vous aurez 0 au projet en cas de faute de norme. • Vos fonctions de doivent pas s’arrêter de manière inattendue (segmentation fault, bus error, double free, etc) mis à part dans le cas d’un comportement indéfini. Si cela arrive, votre projet sera considéré non fonctionnel et vous aurez 0 au projet. • Toute mémoire allouée sur la heap doit être libéré lorsque c’est nécessaire. Aucun leak ne sera toléré. • Si le projet le demande, vous devez rendre un Makefile qui compilera vos sources pour créer la sortie demandée, en utilisant les flags -Wall, -Wextra et -Werror. Votre Makefile ne doit pas relink. • Si le projet demande un Makefile, votre Makefile doit au minimum contenir les règles $(NAME), all, clean, fclean et re. • Pour rendre des bonus, vous devez inclure une règle bonus à votre Makefile qui ajoutera les divers headers, librairies ou fonctions qui ne sont pas autorisées dans la partie principale du projet. Les bonus doivent être dans un fichier différent : _bonus.{c/h}. L’évaluation de la partie obligatoire et de la partie bonus sont faites séparément. • Si le projet autorise votre libft, vous devez copier ses sources et son Makefile associé dans un dossier libft contenu à la racine. Le Makefile de votre projet doit compiler la librairie à l’aide de son Makefile, puis compiler le projet. • Nous vous recommandons de créer des programmes de test pour votre projet, bien que ce travail ne sera pas rendu ni noté. Cela vous donnera une chance de tester facilement votre travail ainsi que celui de vos pairs. • Vous devez rendre votre travail sur le git qui vous est assigné. Seul le travail déposé sur git sera évalué. Si Deepthought doit corriger votre travail, cela sera fait à la fin des peer-evaluations. Si une erreur se produit pendant l’évaluation Deepthought, celle-ci s’arrête. Dans cette première partie, vous devez recoder un ensemble de fonctions de la libc telles que décrites dans leur man respectif sur votre système. Vos fonctions devront avoir exactement le même prototype et le même comportement que les originales. Seule différence, leur nom devra être préfixé par ’ft_’. Ainsi, strlen devient ft_strlen
Reverse
This repository contains a series of programs demonstrating examples of reverse engineering in C. The goal is to understand how we can alter the flow of these programs by modifying the source code, a practice common in software cracking or patching.
So_long
Il est temps pour vous d’attaquer votre premier projet graphique ! so long vous donnera des bases dans les compétences suivantes : gestion de fenêtre, gestion des événements, choix de couleurs et de textures. Vous allez maintenant prendre en main la bibliothèque graphique de l’école : la MiniLibX ! Cette bibliothèque a été développée en interne et inclut des outils basiques permettant d’ouvrir une fenêtre, de créer des images et de gérer des événements clavier et souris. Les objectifs de ce projet sont similaires à tous ceux de votre première année : faire preuve de rigueur, vous améliorer en programmation C, utiliser des algorithmes basiques, chercher des informations en autonomie, etc. ...
ulookme's Repositories
ulookme/CyberSecurity-Data-Science
Use machine learning to classify malware. Malware analysis 101. Set up a cybersecurity lab environment. Learn how to tackle data class imbalance. Unsupervised anomaly detection. End-to-end deep neural networks for malware classification. Create a machine learning Intrusion Detection System (IDS). Employ machine learning for offensive security. Learn how to address False Positive constraints. Break a CAPTCHA system using machine learning.
ulookme/Libft_42
• Votre projet doit être écrit en C. • Votre projet doit être codé à la Norme. Si vous avez des fichiers ou fonctions bonus, celles-ci seront inclues dans la vérification de la norme et vous aurez 0 au projet en cas de faute de norme. • Vos fonctions de doivent pas s’arrêter de manière inattendue (segmentation fault, bus error, double free, etc) mis à part dans le cas d’un comportement indéfini. Si cela arrive, votre projet sera considéré non fonctionnel et vous aurez 0 au projet. • Toute mémoire allouée sur la heap doit être libéré lorsque c’est nécessaire. Aucun leak ne sera toléré. • Si le projet le demande, vous devez rendre un Makefile qui compilera vos sources pour créer la sortie demandée, en utilisant les flags -Wall, -Wextra et -Werror. Votre Makefile ne doit pas relink. • Si le projet demande un Makefile, votre Makefile doit au minimum contenir les règles $(NAME), all, clean, fclean et re. • Pour rendre des bonus, vous devez inclure une règle bonus à votre Makefile qui ajoutera les divers headers, librairies ou fonctions qui ne sont pas autorisées dans la partie principale du projet. Les bonus doivent être dans un fichier différent : _bonus.{c/h}. L’évaluation de la partie obligatoire et de la partie bonus sont faites séparément. • Si le projet autorise votre libft, vous devez copier ses sources et son Makefile associé dans un dossier libft contenu à la racine. Le Makefile de votre projet doit compiler la librairie à l’aide de son Makefile, puis compiler le projet. • Nous vous recommandons de créer des programmes de test pour votre projet, bien que ce travail ne sera pas rendu ni noté. Cela vous donnera une chance de tester facilement votre travail ainsi que celui de vos pairs. • Vous devez rendre votre travail sur le git qui vous est assigné. Seul le travail déposé sur git sera évalué. Si Deepthought doit corriger votre travail, cela sera fait à la fin des peer-evaluations. Si une erreur se produit pendant l’évaluation Deepthought, celle-ci s’arrête. Dans cette première partie, vous devez recoder un ensemble de fonctions de la libc telles que décrites dans leur man respectif sur votre système. Vos fonctions devront avoir exactement le même prototype et le même comportement que les originales. Seule différence, leur nom devra être préfixé par ’ft_’. Ainsi, strlen devient ft_strlen
ulookme/api-fraud-temporel
Killia api fraud detected time serie
ulookme/Application_reconnaissance_D_image
DEEP learning reconnaissance par classification des chats
ulookme/AZURE
introduction AZURE et creation d'espace de travaille et run model
ulookme/BIDIRECTIONAL_GRU_DEEP_LONGTIME-
ulookme/Born2beRoot42
Ce projet consiste à vous faire mettre en place votre premier serveur en suivant des règles spécifiques.
ulookme/DEEP-ANN-PRICE-DIAMOND
calculating the price of diamonds by increasing data the results of neural networks are good.
ulookme/DEEP-DIAMOND-PRICE
calculating the price of diamonds by increasing data the results of neural networks are excellent.
ulookme/DEPP_TRADING_BOT_BINANCE
ulookme/examshell
ulookme/exo_Dee_learning
création de neurone en apprentissage profond
ulookme/ft_printf
Vous devez implémenter la fonction printf() de la libc. Le prototype de ft_printf() devra être : int ft_printf(const char *, ...); Voici quelques impératifs à respecter : • Contrairement à la fonction printf() originale, vous ne devez pas gérer de buffer. • Vous devez gérer les conversions suivantes : cspdiuxX% • Votre rendu sera comparé à la fonction printf() originale. • Vous devez utiliser la commande ar pour créer votre bibliothèque. L’utilisation de la commande libtool est interdite. • Votre libftprintf.a doit être créé à la racine de votre dépôt.
ulookme/Get-Next-Line
• Des appels successifs à votre fonction get_next_line() doivent vous permettre de lire l’intégralité du fichier texte référencé par le descripteur de fichier, une ligne à la fois. • Votre fonction doit retourner la ligne qui vient d’être lue. S’il n’y a plus rien à lire, ou en cas d’erreur, elle doit retourner NULL. • Assurez-vous que votre fonction se comporte correctement qu’elle lise un fichier ou qu’elle lise sur l’entrée standard. • Important : Vous devez toujours retourner la ligne qui a été lue suivie du \n la terminant, sauf dans le cas où vous avez atteint la fin du fichier et que ce dernier ne se termine pas par un \n. • Le fichier d’en-tête get_next_line.h doit contenir au minimum le prototype de la fonction. • Le fichier get_next_line_utils.c vous servira à ajouter des fonctions supplémentaires nécessaires à la réalisation de votre get_next_line()
ulookme/IA_MEDECINE-
AI is transforming the practice of medicine. It’s helping doctors diagnose patients more accurately, make predictions about patients’ future health, and recommend better treatments. As an AI practitioner, you have the opportunity to join in this transformation of modern medicine. If you're already familiar with some of the math and coding behind AI algorithms, and are eager to develop your skills further to tackle challenges in the healthcare industry, then this specialization is for you. No prior medical expertise is required!
ulookme/killia_visu
Dashboard killia
ulookme/Medic_IA_classification
L'utilisation de l'intelligence artificielle (IA), et des réseaux neuronaux convolutionnels profonds (RNC) en particulier, a conduit à des améliorations de la vitesse de traitement et de diagnostic des images radiologiques. Les algorithmes de pointe sont comparables à la norme de soins actuelle. Les meilleurs experts humains surpassent toujours l'IA, de sorte que les technologies en cours de développement servent de complément aux médecins et aux chercheurs, et non de remplacement.
ulookme/Medical_classification_onnx
ulookme/Minitalk_42
Vous devez réaliser un programme de communication sous la forme d’un client et d’un serveur. • Le serveur doit être lancé en premier et doit, après le lancement, afficher son PID. • Le client prend deux paramètres : ◦ Le PID du serveur. ◦ Une chaîne de caractères à transmettre. • Le client doit communiquer au serveur la chaîne passée en paramètre. Une fois la chaîne entièrement reçue, le serveur doit l’afficher. • Le serveur doit être capable d’afficher la chaîne rapidement. Par rapidement, on entend que si vous pensez que c’est trop long, alors c’est sûrement trop long. 1 seconde pour afficher 100 caractères, c’est COLOSSAL ! • Votre serveur doit pouvoir recevoir des chaînes de plusieurs clients à la suite sans nécessiter d’être relancé. • La communication entre vos programmes doit se faire uniquement à l’aide de signaux UNIX. • Vous ne pouvez utiliser que les deux signaux suivants : SIGUSR1 et SIGUSR2
ulookme/natural_language_processing_IA
Analyse de texte _processing _receuille de données_analyse de sentiment
ulookme/neuronal_deep
from scratc
ulookme/NLP_texto
Modèle de classement des textos en spam Dans ce cas pratique on cherche à entraîner un modèle capable de prédire si un texto est un spam ou non. On s'appuie pour cela sur une base de données contenant des sms labellisés comme spam ou non spam (trouvée sur https://archive.ics.uci.edu/ml/datasets.php, voir readme pour plus d'informations).
ulookme/Pytorch_income
ulookme/rconnaissance_age_type_de_plante
utilisation de tensorflow pour la reconnaissance de type et l'age des plantes
ulookme/ReactJs
Contexte du projet Votre compagne/compagnon est un.e très bon.ne cuisinier.e Il/elle souhaite partager sa passion avec le grand public en créant un site web. Qui est mieux placé pour l'aider dans ce projet que vous ?! Votre premier défi est de trouver une base de données qui réportorie les aliments avec un maximum de données qui peuvent vous être utiles. Votre deuxième défi est de créer des composants réutilisables pour créer les aliments, les menus et les jours de la semaine.
ulookme/SQL_DATA_SCIENCE
Requête DATA BASE SQL, PYTHON requêtes, STATISTIQUE, Normalisation de la base Relation, POSTGRESQL
ulookme/SUJET-DE-RECHERCHE-ALTRAN
SEGMENTATION ET RECONNAISSANCE DES différente type de DENTS par radiographie XRAY en cours
ulookme/TRADECHANGEDELTAVISU
TRADECHANGEDELTAVISU
ulookme/User-Login-System-Tutorial
Here's the source code for the login system after completing this video tutorial series: https://www.youtube.com/playlist?list=PL4JDh0LtP7jr0nNuoW-KB-O2uABkaMhL1
ulookme/Which-Debts-Are-Worth-the-Bank-s-Effort
Project Description After a debt has been legally declared "uncollectable" by a bank, the account is considered to be "charged-off." But that doesn't mean the bank simply walks away from the debt. They still want to collect some of the money they are owed. In this project, you will look at a situation where a bank assigned delinquent customers to different recovery strategies based on the expected amount the bank believed it would recover from the customer. The goal for the data scientist is to determine in this non-random assignment whether the incremental amount the bank earns exceeded the additional cost of assigning customers to a higher recovery strategy. Threshold assignments like this also one occur in medicine (above a certain temperature you get medicine), education (above a certain test score students get admitted to a special class), other areas of finance (above a certain wealth customers get different levels of service), and public sector (below a certain income someone is eligible for housing benefits). Regression discontinuity is an intuitive and useful analysis method in any situation of a threshold assignment. This project lets you apply the skills from Data Manipulation with pandas, including reading, exploring, filtering, and grouping data. This project also uses basic statistics, where an intro to statistics course like Statistical Thinking in Python is useful.