3. Outils utilisés
Pour concevoir les modèles proposées et notre
application, nous avons utilisés :
Tableau
1 : Les outils utilisés pour concevoir les modèles
|
Outils
|
Description
|
|
Python
|
Python est un langage de programmation
interprété et multiplateformes. Il est orienté objet. Nous
l'avons utilisé comme langage de script et de développement pour
la création de nos algorithmes et applications. Il est
particulièrement répandu dans le monde scientifique, et
possède de nombreuses bibliothèques optimisées
destinées au calcul numérique.
|
|
Anaconda
|
Anaconda est une distribution libre et
open source des langages de programmation Python et
R appliqué au développement d'applications
dédiées à la science des données et à
l'apprentissage automatique. C'est sur ce logiciel que nous avons
installé toutes les autres bibliothèques et outils qui nous ont
aidés à concevoir nos modèles d'apprentissage profond. Il
nous a permis de traiter une très grande quantité de
données mais aussi de les analyser et de faire des calculs
scientifiques. Il utilise beaucoup de ressources physiques.
|
|
Jupyter Notebook
|
Jupyter Notebook est une application Web open
source qui nous a permis de créer du code python, des équations,
des visualisations et du texte narratif. Grâce à lui nous avons pu
nettoyer et transformer les données, les visualiser et faire de
l'apprentissage automatique. Il est aussi possible de faire de la simulation
numérique, la modélisation statistique et bien plus encore.
|
|
Tensorflows
|
TensorFlow est un outil open source
d'apprentissage automatique de bout en bout dédiée au machine
learning développé par Google. Il est doté d'une interface
pour Python, Julia et R. Il nous a permis de développer des
réseaux de neurones après avoir fait le prétraitement des
données. En effet, elle propose un écosystème complet et
flexible d'outils, de bibliothèques et de ressources communautaires qui
nous a permis de développer des algorithmes de machine learning et
d'apprentissage profond, et de créer et de déployer facilement
des modèles utilisables dans une application.
|
|
Spyder
|
Spyder est un environnement de
développement scientifique gratuit et open source écrit en
Python, pour Python. Il intègre de nombreuses bibliothèques
d'usage scientifique : Matplotlib, NumPy, SciPy et IPython.
Cet environnement inclus dans Anaconda nous a permis de
créer et tester des applications python.
|
|
VirtualBox
|
VirtualBox [30] est un puissant logiciel libre
de virtualisation x86 et AMD64/Intel64 pour les entreprises et
les particuliers publié par Oracle. VirtualBox fonctionne sur les
hôtes Windows, Linux, Macintosh et Solaris.
Nous nous sommes servis de ce logiciel pour créer des
machines virtuelles afin de tester la capacité de filtre de paquet d'une
passerelle.
|
|
Ubuntu
|
Ubuntu [31] est un système d'exploitation basé
sur Debian GNU/Linux. Ubuntu est une
distribution GNU/Linux, c'est-à-dire un
regroupement de logiciels libres qui forment un tout
cohérent, modulable et adapté à l'utilisateur. Le
projet GNU a pour but de proposer un système
d'exploitation entièrement libre. Nous avons utilisé ce logiciel
sur les différentes machines virtuelles d'une part parce qu'il est
facile de créer un réseau et de manipuler des paquets et d'autre
part il permet d'avoir facilement accès au kernel pour filtrer des
paquets sans utiliser de logiciels propriétaire.
|
L'ordinateur utilisé pour réaliser ce projet
possède les caractéristiques suivantes :
- Modèle : Latitude E6520
- Type : PC à base x64
- Stockage : 500Go
- Système d'exploitation :
Microsoft Windows 10 Professionnel
- Ram : 8,00 Go
- Processeur : Intel(R)
Core™à i5-2540M CPU @2.60 GHz, 26010 MHz, 2 coeur(s), 4 processeurs
logiques
| 
