Présentation vaporwave

Projet pokemon

utilisation du Langage R

START

Groupe 3: MEDJADI Idir, CHELLI Celia, MOMIN Faruk et ABBAS Gharib

Sommaire

nous allons aborder :

Context

01.

02.

Les données

03.

L'application Web

04.

Les retours et difficultés

05.

Conculsion

EQUIPE

Notre équipe se compose de :

CHELLI Celia

ABBAS Gharib

MEDJADI Idir

MOMIN Faruk

Context

Projet pokemon

Cette interface permet d'explorer les statistiques des Pokémon de manière intuitive. Les données ont été collectées via web scraping à partir de Pokémon Database.

+INFO

Les donnees

+INFO

Tidyverse

Langage R

nous avons nettoyé les données, utilisé MongoDB, appliqué Random Forest pour le machine learning, et créé une interface web avec Shiny.

Tidyverse a été utilisé pour préparer les données, tandis que Caret et randomForest ont servi à entraîner le modèle de machine learning

Shiny

MongoDB

Shiny a été utilisé pour créer une interface web interactive pour visualiser et prédire les données des Pokémon.

Avec MongoDB, nous avons stocké et récupéré les données des Pokémon pour les analyser et les visualiser.

L'application Web

+INFO

Graph1

Top 10 Pokémon par [Statistique sélectionnée]

Ce graphe montre les 10 meilleurs Pokémon pour la statistique sélectionnée (par exemple, HP, Attaque, Défense, etc.). Les utilisateurs peuvent choisir la statistique et le type de Pokémon à afficher.

TOP 10

Pokémon pour une statistique donnée (par exemple, HP(Health Points) et un type spécifique (par exemple, Grass Poison).

Graph2

Répartition des Pokémon par genre

Ce graphe affiche la distribution des Pokémon en fonction de leur genre (mâle, femelle, ou sans genre) pour le type de Pokémon sélectionné.

Prédictions Random Forest

Prédit le type du Pokémon

Permet de saisir les caractéristiques d'un Pokémon (Hauteur, Poids, HP, Attaque, etc.), de prédire son type à l'aide d'un modèle Random Forest, et d'afficher le résultat de la prédiction, le nom du Pokémon prédit et son image.

DÉMONSTRATION

Web

Les retours et difficultés

+ Développement de l'interface Shiny

+ Intégration du modèle ML

+ Préparation des données

Data

Créer une interface utilisateur réactive et conviviale avec Shiny tout en assurant des performances optimales et des visualisations efficaces a été un défi majeur

Utiliser caret et randomForest pour entraîner et intégrer le modèle Random Forest dans l'application Shiny a nécessité une compréhension approfondie des concepts de machine learning.

Data

Nettoyer et transformer les données brutes en un format adéquat pour l'analyse a été complexe et a demandé une bonne maîtrise des outils de manipulation de données

Data

+INFO

+INFO

+INFO

Merci !

Web scraping

https://www.pokemon.com/us/pokedex

Le fichier CSV contient des informations détaillées sur chaque Pokémon, y compris son numéro national, type, espèce, hauteur, poids, capacités, statistiques de base (HP, Attaque, Défense, etc.), nom et URL de son image.