Algorithm Tutoriels

Dans ce laboratoire, vous apprendrez à évaluer un modèle de classification scikit-learn à l'aide de diverses métriques, notamment l'accuracy, la matrice de confusion, la précision, le rappel et le score F1.

Dans ce laboratoire, vous apprendrez à construire un modèle de régression linéaire simple en utilisant scikit-learn pour prédire les prix des logements en Californie.

Dans ce laboratoire, vous apprendrez à utiliser scikit-learn pour construire un classificateur K-Nearest Neighbors (KNN), l'entraîner sur l'ensemble de données Iris et faire des prédictions sur de nouvelles données.

Dans ce laboratoire, vous apprendrez à vérifier votre installation de scikit-learn, à importer les modules nécessaires et à charger un jeu de données d'exemple pour débuter avec l'apprentissage automatique en Python.

Dans ce laboratoire, vous apprendrez les bases du chargement et de l'exploration de jeux de données dans scikit-learn en utilisant le jeu de données classique Iris. Vous pratiquerez l'accès aux données, aux cibles et aux noms des caractéristiques, et effectuerez une visualisation simple.

Dans ce laboratoire, vous apprendrez les techniques fondamentales de prétraitement des données dans scikit-learn, y compris la mise à l'échelle des caractéristiques avec StandardScaler et l'encodage de la cible avec LabelEncoder, en utilisant le jeu de données classique Iris.

Dans ce laboratoire, vous apprendrez à effectuer une validation croisée avec scikit-learn pour évaluer plus robustement la performance d'un modèle d'apprentissage automatique.

Dans ce défi, nous devrons trouver tous les soldats clones dans une formation de défilé d'armée de clones. Les soldats clones sont identifiés de manière unique par un numéro dans une plage spécifique et peuvent être représentés par une matrice carrée. Notre objectif est de compter le nombre de clones pour chaque ID et de renvoyer le résultat statistique au format d'un dictionnaire. La solution devrait être implémentée dans la méthode count_clone_soldier(matrix: List[List[str]]) dans le fichier count_clone_soldier.py.

Dans ce défi, vous allez mettre en pratique l'utilisation du module NumPy en Python et manipuler des tableaux NumPy pour effectuer des opérations mathématiques courantes.

Ce tutoriel vous apprendra les bases du travail avec les images à l'aide de la bibliothèque OpenCV-Python. À la fin de ce tutoriel, vous serez capable de lire, d'afficher et d'enregistrer des images.

Dans ce laboratoire, vous apprendrez à mettre à niveau un shell simple vers un shell interactif dans Nmap. Explorez les techniques utilisant Python et Socat pour obtenir un shell entièrement interactif, améliorant ainsi vos compétences en matière de tests d'intrusion et d'analyse de réseau.

Dans ce laboratoire, vous maîtriserez le sous-réseautage IP et la conversion binaire dans le terminal Linux. En utilisant Python, vous convertirez les adresses IP entre le format décimal pointé et binaire, traduirez les masques CIDR, identifierez les portions réseau/hôte, et calculerez les hôtes utilisables et les sous-réseaux pour un bloc CIDR donné.

Ce projet vous guidera tout au long du processus de création d'un jeu de serpent avec Python et la bibliothèque Pygame. Le jeu aura une fenêtre de jeu, un serpent, un bonus et un score. Le serpent se déplacera dans la fenêtre de jeu et mangera le bonus. Lorsque le serpent mangera le bonus, la longueur du serpent augmentera d'un cran. Le score sera affiché à l'écran.

Dans ce projet, vous allez apprendre à créer un moniteur de système Linux à l'aide de Python et de la bibliothèque Tkinter. Le moniteur de système affichera des informations en temps réel sur le CPU, la RAM, l'utilisation du disque et les statistiques réseau.

Dans ce projet, vous apprendrez à créer un scanner de réseau en utilisant Python. Le scanner de réseau utilisera l'outil en ligne de commande nmap pour scanner une adresse IP spécifiée et affichera les résultats dans une interface graphique utilisateur (GUI) en utilisant la bibliothèque Tkinter.

Dans ce laboratoire, vous acquerrez une expérience pratique du travail avec les ensembles (sets) en Python. Les ensembles sont des structures de données puissantes pour stocker des éléments uniques et effectuer des tests d'appartenance efficaces. Vous apprendrez à créer des ensembles, à ajouter et supprimer des éléments, à effectuer des opérations ensemblistes, et à utiliser les ensembles pour supprimer les doublons des listes.

Dans ce laboratoire, vous commencerez votre parcours en programmation Python en créant et exécutant votre tout premier programme. Vous acquerrez une expérience pratique en utilisant l'éditeur VS Code dans l'environnement LabEx pour écrire et exécuter des scripts Python. En vous appuyant sur cette base, vous continuerez à vous exercer à l'écriture de programmes Python, en vous concentrant sur l'utilisation de la fonction print() pour afficher la sortie. Le laboratoire vous guidera ensuite dans l'identification et la compréhension des erreurs Python courantes, vous dotant des connaissances nécessaires pour reconnaître et dépanner les problèmes. Enfin, vous apprendrez des techniques de débogage pratiques pour résoudre efficacement les erreurs et vous assurer que vos programmes Python fonctionnent correctement.

Dans ce laboratoire, vous acquerrez une expérience pratique du travail avec les chaînes de caractères (*strings*) en Python, un type de données fondamental. Vous commencerez par comprendre les bases des chaînes, y compris leur création, leur immuabilité et l'accès aux caractères individuels en utilisant l'indexation positive et négative. En vous appuyant sur ces bases, vous apprendrez à extraire des sous-chaînes à l'aide du découpage (*slicing*), à utiliser divers opérateurs de chaînes et caractères d'échappement pour la manipulation et le formatage spécial, et à explorer différentes méthodes pour formater les chaînes. Enfin, vous vous plongerez dans les méthodes de chaînes courantes pour effectuer des opérations telles que la recherche, le remplacement et la modification du contenu des chaînes.