Articles

Naive Bayes Classification Algorithm

Image
You are a data scientist,  an Intelligence Artificielle engineer, or a Statisticien, this post can help you to resolve your problems You are working on a classification problem and you have generated your set of hypothesis, created features and discussed the importance of variables. Within an hour, stakeholders want to see the first cut of the model. What will you do? You have hunderds of thousands of data points and quite a few variables in your training data set. In such situation, if I were at your place, I would have used ‘Naive Bayes‘, which can be extremely fast relative to other classification algorithms. It works on Bayes theorem of probability to predict the class of unknown data set. You wold like to know haw it work ? Step 1: Convert the data set into a frequency table Step 2: Create Likelihood table by finding the probabilities like Overcast probability = 0.29 and probability of playing is 0.64. Step 3: Naive Bayesian equation to calculate...

Les algorithmes de Machine Learning

Image
Pour certains entre vous le terme IA évoque les films science-fiction, Pourtant, cette forme d'intelligence fait partie de notre vie quotidienne, qui peuvent être un objet connecté, chatbot et autres... Le domaine du machine learning se base sur un ensemble des concepts et d'algorithmes pour répondre à différents besoins. Chaque algorithme se repose sur des spécificités mathématiques et algorithmiques. Dans cet article je vais citer et expliquer brièvement 7 algorithmes dont 2 que j'ai du  l'implémenter   1. K-Means  NuGet Package : https://www.nuget.org/packages/K-Means Mon Git : https://github.com/AnouarBenZahra/K-MeansProject C'est un algorithme de classification non supervisé, qui prend un ensemble d’éléments, et k nombre de groupes, une segmentation en k groupes sera faite, toute on minimisant la distance euclidienne entre le centre et un élément donné.  Usage :  Imaginez vous souhaitiez choisir un téléphone portable, vous de...

Classification K-Means

Image
K-Means est un algorithme de classification non supervisé car le nombre de classes est inconnu, la recherche de classes sera faite à l'aveugle. Ce type de classification est facile à implémenter et à comprendre, le but ultime de cet algorithme est de regrouper les points selon un critère bien déterminé,  en effet l'entrée est un ensemble k groupes (clusters). Par la suite on vise à calculer la distance entre chaque individu (point) et les k centre, qui sont déjà choisis au début. la plus petite distance est retenue pour inclure cet individu dans le groupe ayant le centre le plus proche. Une fois tous les individus groupés, on aura k sous-nuages disjoints de la marge total pour chaque groupe, l'algorithme calcule des nouveaux centres de gravité l'algorithme s’arrête lorsque les groupes construits deviennent stables Attention : Le défaut de la méthode c'est qu'on est obligé de fixer le K, aussi le résultat est fortement couplé avec les centres initiaux J...

Introduction à l'IA et la représentation des connaissances

Image
Pourquoi optons-nous à  l'IA ? Les connaissances d'un expert sont subjectives et difficiles à formaliser. Les formalismes utilisés pour la représentation des connaissances ne permettent pas un bon niveau d'abstraction et restent liés à l'implantation. Résoudre un problème recrurent Un problème qui ne se résout pas par un algorithme, car un algorithme résout un problème qu'on connais déjà sa solutution Comment juge-ton un systéme IA ? La qualité d’un système intelligent est celle de sa base de connaissance De quoi il est constitué un système IA? Dans un système intelligent on a 3 composants Base de connaissance  Une partie pour faire les inférences (raisonnement)  Une structure de contrôle pour orienter le raisonnement Plateforme IA Microsoft : Principalement il existe 4 plateforme Microsoft pour résoudre un problème en IA Cognitive Service :Permet de réagir intelligemment avec l'utilisateur, à travers un ensemble d'API pour détecte...

Progressive Web Apps

Image
"Just works" is the attend of uers, they don't asks"How we do ?". For developers "Performance , size, compatibility, platforms" is the so important  With some recent work by mobile giants Google and Apple, support for a concept called Progressive Web Apps  is here . This means Acting like native app Native apps is used in mobile phone or tablet, and they fill up the home screen,  typically involve building up a whole new product using that platform’s specific tools. Instead, recent mobile support, the existing web app can do auto declaring itself as a valid mobile app through the ability to declare web manifest.  You can even set up your PWA to prompt the user to install it right there, just like an app store banner. A smart web application  Service worker is the agent it  gaining the ability to act as their own agents When I use it? if you have an existing web site and you want to add a mobile application without developi...

Create your first application with Xamarin.forms

Image
In this post i will explain how to create a simple Xamarin.forms application The First step is to create a new xamarin project : File > New > Project and chose   Cross platform and give it a name Then chose a template for your project,  Master Detail template it gives a page that manages two related pages of information; a master page that presents items, and a detail page In our case we select Blank app that we will customize it later  Then we select a Portable class library, if you like to know what is the difference, take a look at this link :https://xamarinhelp.com/portable-class-library-pcl-vs-shared-projects/ To this application, you have to connect your smartphone or create a virtual device, in Geanymotion, Select your device and click run and your virtual phone it get start  The next, go to your project Solution explorer >  MainPage , and change the default text  And run your application...

[C#] Les nouveautés de C# 7.2

Image
C # 7.2 est une autre version ponctuelle qui ajoute un certain nombre de fonctionnalités utiles. Arguments nommés non-trailing: Les appels de méthode peuvent maintenant utiliser des arguments nommés qui précèdent les arguments de position lorsque ces arguments nommés sont dans les positions correctes Sémantique de référence avec les types de valeur : le modificateur "in" , le ref readonly, le struct readonly et le ref struct Principaux caractères de soulignement dans les littéraux numériques Modificateur d'accès private protected : c-à-d  qu'un membre peut être accédé par des classes dérivées déclarées dans le même assembly