Sept 1, 1019
Principe Un modèle prédictif ne peut être établi qu’à partir d’une étude prealable de données. Une étude statistique permet de repérer si certains paramètres sont liés entre eux. Alors, si ces données étaient suffisamment nombreuses et précises, il est possible d’établir des lois mathematiques sur ces données. Une manière de représenter ce lien entre paramètres est d’établir une loi de regression linéaire, par exemple.
A partir de nouvelles données, on peut alors, grâce à une simulation, prédire le comportement futur du nouvel objet.
...
Sept 1, 1019
Chiffrements symétriques Vocabulaire Chiffrer: transformer les caractères d’un texte pour le rendre incompréhensible, sauf pour celui qui possède la clé de chiffrement. Déchiffrer: transformer le texte chiffré en texte clair à l’aide de la clé de chiffrement Décrypter: transformer le texte chiffré en texte clair sans posséder la clé. Cryptologie: science du secret: possède deux branches cryptographie: étude de l’art du chiffrement cryptanalyse: analyse des méthodes de chiffrement pour les casser (décrypter) à quoi sert le chiffrement?
...
Sept 1, 1019
Page en cours de construction. Cliquer pour voir les liens
Liens L’essentiel. Python et sciences physiques : https://pyspc.readthedocs.io/fr/latest/05-bases/index.html Fiche. Utiliser un notebook ipython : https://pyspc.readthedocs.io/fr/latest/03-guide/ lecture ecriture dans un fichier : https://python.sdv.univ-paris-diderot.fr/07_fichiers/
Sept 1, 1019
tracer un arbre à partir d’une expression NPI NPI : notation polonaise inversée
En particulier : on dispose d’une expression en NPI, du type :
L3 = [7,8,'-',6,'*',10,3,'+','*']
Et on veut créer et afficher le graphe correspondant : On utilisera le script :
L3 = [7,8,'-',6,'*',10,3,'+','*'] D = makeTree(L3) G = nx.Graph() graphDict(D) Dont l’instruction suivante va générer le dictionnaire à partir de l’expression NPI (fonction npiTree recursive):
D = makeTree(L3) D # affiche {'*': ({'*': ({'-': (7, 8)}, 6)}, {'+': (10, 3)})} Ce dictionnaire peut être alors parcouru avec des elgorithmes recursifs, comme par exemple celui de la fonction createEdges qui est un parcours en profondeur.
...
Sept 1, 1019
Python : la librairie pandas notebook Le notebook présenté ici est à télécharger à l’adresse suivante :
https://mybinder.org/v2/gh/tix06/notebook_datas.git/master
Puis choisir : gestionBase_de_donnees_python.ipynb
Exercez vous en suivant le tutoriel avec ce notebook.
présentation Pandas fournit des structures de données puissantes et simples à utiliser, ainsi que les moyens d’opérer rapidement des opérations sur ces structures.
Cette librairie va utiliser et faire des opérations sur un objet : le DataFrame Ce DataFrame est très similaire aux tables des bases de données relationnelles (type MySQL, PostgreSQL, etc.
...
Sept 1, 1019
tracé de graphes avec Networkx Les scripts suivants permettent de choisir entre plusieurs types de configuration pour tracer un graphe avec Networkx, module Python.
On pourra choisir de personaliser :
la couleur d’un noeud l’etiquette des noeuds l’étiquette des arêtes le type de trait (plein ou en pointillés) des arêtes Déclaration du graphe import matplotlib.pyplot as plt import networkx as nx from numpy import array G = nx.Graph() # definition des noeuds G.
...
Sept 1, 1019
Créer et resoudre un labyrinthe Les scripts suivants permettent de créer un labyrinthe de manière aléatoire, et d’exploiter la structure de données de ce labyrinthe. On pourra ainsi tester quelques algorithmes relatifs au parcours de ce labyrinthe. Les scripts en permettent une visualisation.
Définitions des classes class Pile: def __init__(self): self.lst = [] def empty(self): return self.lst == [] def push(self, x): self.lst.append(x) def pop(self): if self.empty(): raise ValueError("pile vide") return self.
...
Sept 1, 1019
Utiliser le module turtle Le script suivant présente les classes et fonctions utiles pour :
tracer un labyrinthe complet parcourir le labyrinthe selon une méthode de parcours en profondeur tracer ce parcours animé avec turtle Utilisation :
tab=labyrinthe(5,6) L = parcours((len(tab)-1,0),(0,len(tab[0])-1),tab) afficheTurtle(tab,L) librairies from numpy.random import randint import matplotlib.pyplot as plt import turtle classes utiles class Pile: def __init__(self): self.lst = [] def empty(self): return self.lst == [] def push(self, x): self.
...
Sept 1, 1019
Algorithme des k plus proches voisins notebook Le notebook présenté ici se trouve à l’adresse tix06.github.io/jupyterlite_NSI
Choisir le dossier TP4_data_analyse puis le notebook algoKNN.ipynb.
Exercez vous en suivant le tutoriel avec ce notebook.
Principe On cherche une correspondance entre les caractéristiques physiques d’un joueur de basket et son poste sur le terrain.
Pour simplifier, on considerera que les postes sont au nombre de trois :
le joueur Centre, noté ‘C’ (position 5 sur le schéma) Le joueur Ailier, noté ‘F’ (positions 3 et 4 sur le schéma) Le joueur arrière ou meneur de jeu, noté ‘G’ (positions 1 et 2 sur le schéma) Il nous faut, pour rechercher une correspondance, avoir accès à une base de données des joueurs de basket, jouant par exemple dans un même championnat.
...
Sept 1, 1019
Notebooks associés algorithme de recherche de plus proches voisins KNN: algKnn algorithme de recommandation : algorithme de recommandation.md arbres de décision : graphes_mini_prog.md Intelligence artificielle (IA) L’intelligence artificielle désigne des algorithmes plus ou moins évolués qui traitent des problèmes dont la résolution fait appel à l’intelligence humaine. Ils imitent des actions humaines.
Le comportement de l’algorithme évolue au cours du temps, en fonction des données qui lui sont fournies.
...
