Chajjar (@ulookme)
  • Stars
    star
    9
  • Global Rank 1,017,448 (Top 36 %)
  • Followers 25
  • Following 53
  • Registered over 5 years ago
  • Most used languages
    C
    25.0 %
    Python
    25.0 %
  • Location 🇫🇷 France
  • Country Total Rank 20,361
  • Country Ranking
    C
    4,294

Top repositories

1

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.
Jupyter Notebook
9
star
2

TRADECHANGEDELTAVISU

TRADECHANGEDELTAVISU
Python
1
star
3

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!
Jupyter Notebook
1
star
4

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
C
1
star