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/acces_database_from_python_mySQL
accès au base de donné depuis python a mysql connect
ulookme/APPSWIFTUI
teste de la Framework Swift UI
ulookme/BASE_SQL_JOINTURE_ET_ARCHITECTURE_ET_CLEANER
creation d'une architecture de BDD complet de MySQL_Workbench
ulookme/BLACK_JACK-GAME
jeux de black_jack sur python
ulookme/citation_Python
ulookme/DATA_vehicule
DATABASE
ulookme/demo_python
une demo de git avec python
ulookme/descente_de_gradient
analyse d'algorithme de descente de gradient courbe d'apprentissage
ulookme/ETUDE_STATISTIQUE_transparence_sante.gouv-
etude statistique de la transparence santé données.gouv . #étudier les données et les comprendre. # faire des calcules test et d'isolement des données. nettoyer les bases des données contre les doublons et les données manquante etc.. ; # prépare les données pertinente ainsi que les etudes statistique possible. # déterminer les chiffres de plusieurs variables et des cas . # afficher les données par visualisation DASH
ulookme/exo_pragrammationR
vecteur, matrice et loi statistique .R
ulookme/Hp.deux_echantillon_test_Student
### SUJET #### #Pour déterminer s’il existait un lien entre l’allaitement maternel à la naissance et la pression artérielle dans l’enfance
ulookme/indeed
Brief projet indeed
ulookme/KenGane
modification des code Orienté OBJET
ulookme/Machine-Learning-with-Python
Python code for common Machine Learning Algorithms
ulookme/MONGODB_PY_NoSQL
UTILISATION DE PYTHON AVEC MONGODB CREATION DE DATABASE ET IMPORTE DE FICHIER CSV TRANSFORMER EN JSON ET IMPORTER DANS LE CLOUD
ulookme/OPTIMISATION_RECHERCHE_OPARATIONNELLE
L'optimisation est une branche des mathématiques cherchant à modéliser, à analyser et à résoudre analytiquement ou numériquement les problèmes qui consiste à minimiser ou maximiser une fonction sur un ensemble. L’optimisation joue un rôle important en recherche opérationnelle (domaine à la frontière entre l'informatique, les mathématiques et l'économie), dans les mathématiques appliquées (fondamentales pour l'industrie et l'ingénierie), en analyse et en analyse numérique, en statistique pour l’estimation du maximum de vraisemblance d’une distribution, pour la recherche de stratégies dans le cadre de la théorie des jeux, ou encore en théorie du contrôle et de la
ulookme/PREDICTION.ML.TITANIC
L’objectif de ce brief projet est de retracer scientifiquement l’histoire du naufrage du Titanic en utilisant les données disponibles sur le Kaggle. Il s’agit d’un jeu de données public très facile d’accès et qui possède plusieurs vertus pédagogiques. Bien que l’analyse des données liées au naufrage du Titanic n’a aucun intérêt métier, les données sont riches pour pouvoir mettre en pratique les techniques et les modèles que nous avons abordés les dernières semaines.
ulookme/Prediction_prix_appartement_bostone
l'utilisation de la regression linear et non linear , calcule de la courbe sur R
ulookme/PREDICTION_prix_des_apparts_boston
prédire le prix des appartements database Boston
ulookme/Projet_reconnaissance_Art_ML
an algorithm which makes it possible to recognize works of art created by several people from the outline of the person and the style of work presented. this AI is made from Machine Learning which can be integrated into a website or a mobile application to recognize the works of a creator's prediction. it has a recognition performance at 93% of the F_1 score and accuracy. currently under development and soon to be carried out with deep learning to try to arrive at 97% accuracy.
ulookme/SCRAPING
SCRAPING AND API DATA
ulookme/SQL
exo assurance SQL
ulookme/TEST_SMIRNOV
TESTE DE VARIABLE ET DES LOIE SUIVI PAR CELLE_CI
ulookme/TEST_SPEARMAN_PEARSON
TEST DE VARIABLE PEARSON_ SPEARMAN
ulookme/Test_student_sur_deux_echantillons
TEST DE STUDENT APPLIQUER SUR DEUX ECHANTILLON
ulookme/Titanic.Machine.Learning
L’objectif de ce projet est de retracer scientifiquement l’histoire du naufrage du Titanic en utilisant les données disponibles
ulookme/Titanic.ML.prediction
brief Projet Titanic
ulookme/transparence-sante
ulookme/Web_Scraping_Api_automatisation
ulookme/Z-TEST
Test Hypothèse loi et probabilité