ajout de paragraphe et modification du style

README.md

@@ -1,9 +1,9 @@
-<div style="border-bottom: 1px solid;padding: 3em">
+<div class="titre">
-    <h1 style="text-aligne: center;display:flex;justify-content:center;border:0px">
+    <h1>
-        <span style="color:#f00;font-weight:900;font-size:2em">3NAR</span>
+        <span class="a">3NAR</span>
-        <span style="font-size:0.7em;">(n nearest neighbor avrage rapid)</span>
+        <span class="b">(n nearest neighbor avrage rapid)</span>
     </h1>
-    <p style="position:absolute;right:15px">
+    <p>
         par Ludovic CASTIGLIA
     </p>
 </div>
@@ -13,11 +13,11 @@
         Résumé du projet
     </h2>
     <p>
-        Le but de ce projet est de produire un code python qui implémente l'algorithme KNN naïf et 3nar (une version optimisé de l'algorithme KNN naïf). Comparer les performences de ces deux algorithmes. Puis uttiliser cette algorythme dans des cas réel d'uttilisation comme par exemple du traitement d'image (floutage, réduction de bruit ou autre). Pour trouver les valeurs RGB d'un nouveau pixel, nous calculons la moyenne ou la médiane des valeurs R G et B des n pixels voisins. Uttilisant donc l'algorithme KNN non plus pour de la classification mais pour de la régression. Ainsi, chaque point dans ce cas est définit par deux dimensions de coordonné et possède une valeur à trois dimensions.
+        Le but de ce projet est de produire un code python qui implémente l'algorithme KNN naïf et 3nar (une version optimisé de l'algorithme KNN naïf). Comparer les performences de ces deux algorithmes. Puis uttiliser l'algorythme 3nar dans des cas réel d'uttilisation comme par exemple du traitement d'image (réduction de bruit). Pour trouver les valeurs RGB d'un nouveau pixel, nous calculons la moyenne ou la médiane des valeurs R G et B des n pixels voisins. Uttilisant donc l'algorithme KNN non plus pour de la classification mais pour de la régression. Ainsi, chaque point dans ce cas est définit par deux dimensions de coordonné et possède une valeur à trois dimensions.
     </p>
 </section>
 
-<section>
+<section> 
     <h2>
         Principe de l'algorithme 3nar
     </h2>
@@ -35,6 +35,54 @@
     </p>
 </section>
 
-<style>
+<section>
+    <h2>
+        Réalisation: 
+    </h2>
+    <p>
+        La première réalisation vas être le code en lui même de KNN naïf et de 3nar.<br></br>
+        Deuxièmement, une démo de l'algorythme dans le cas d'une relation linéaire (le prix des habitations de californi en fonction du nombre de m²).<br/></br>
+        Troisièmement, une démo de l'algorythme dans le cas d'une relation non linéaire fictive (les données vont être inventé à partir d'une relation polynomial aléatoire)</br></br>
+        Enfin, si j'ai le temps j'aimerait également réaliser une démo de l'algorithme dans le cas de la réduction de bruit d'une image (bruit qui serait ajouté artificielement avant le traitement).
+    </p>
+</section>
 
+<section>
+    <h2>
+        Donnée uttilisé: 
+    </h2>
+    <p>
+        Le prix des maissons en fonction du nombre de m²: 
+        <a href="https://www.kaggle.com/datasets/yasserh/housing-prices-dataset/data">https://www.kaggle.com/datasets/yasserh/housing-prices-dataset/data</a></br></br>
+        L'image utilisé pour le traitement: <a href="https://www.auvergnevolcansancy.com/app/uploads/2022/08/puy-de-dome-et-de-come-p.soisson-683x1024.jpg">https://www.auvergnevolcansancy.com/app/uploads/2022/08/puy-de-dome-et-de-come-p.soisson-683x1024.jpg</a>
+    </p>
+</section>
+
+<style>
+    .titre {
+        border-bottom: 1px solid;
+        padding: 3em;
+    }
+    h1 {
+        text-aligne: center;
+        display:flex;
+        justify-content:center;
+        border:0px;
+    }
+    .a {
+        color:#f00;
+        font-weight:900;
+        font-size:2em;
+    }
+    .b {
+        font-size:0.7em;
+    }
+    .titre p {
+        position:absolute;
+        right:15px;
+    }
+    h2 {
+        color: #ff7777;
+        border-bottom: 1px solid #fff;
+    }
 </style>