Connect with us

Sciences et technologie

Dipla : un réseau social pas comme les autres

Avatar

Published

on

[simplicity-save-for-later]

Mettant à part le concept habituel du mot « réseau social » qui renvoie généralement à celle des « médias sociaux » : Facebook, Instagram, Twitter et autres, Slaheddine ben Zina et Moez Khorchani, deux ex-INSATiens et actuellement tech-leads à Paris, ont pensé à un réseau social hors du commun : Dipla.

Dipla est une application mobile de communauté locale pour Android et iOS.
Une fois connecté, vous pouvez communiquer avec les personnes autour de vous et si vous changez d’endroit, votre géolocalisation change et votre réseau de personnes partageant avec vous la même zone va changer par conséquent.

L’application vous permettra, donc, de vous exprimer, étant anonyme ou pas, en créant des publications qui seront déposées à votre emplacement actuel, et qui resteront visibles pour toute la communauté qui est autour.

Mais comment cette application peut-elle être utile ?

Dans ton travail, quartier, classe, café ou n’importe où, tes publications seront partagées anonymement ou pas avec les personnes qui sont à quelques mètres de toi, chose qui va vous permettre de vous exprimer et de partager votre expérience avec les « Dippleurs ».

Il existe tant d’applications mettant en valeur l’importance de ce réseau social dans notre vie quotidienne.
Par exemple, si le bruit de votre voisin vous dérange et que vous n’avez pas la possibilité de le contacter, grâce à Dipla vous pouvez vous exprimer et laisser votre réseau agir.
De plus, si vous visitez un restaurant, salon de thé ou autres, vous pouvez partager votre avis à propos de cet endroit. Votre publication restera visible pour tous les Dippleurs visitant le même endroit.
Dipla peut être aussi un moyen de communication entre les étudiants d’une même université en partageant des informations administratives, des nouvelles concernant la vie estudiantine, des affichages des notes et autres tout en exprimant leurs avis comme le montre cette capture:

Pourquoi choisir « Dipla » comme nom de cette application ?

« Dipla » est un mot grec qui veut dire à côté, chose qui nous laisse penser au concept général de cette application.

Ceci est un aperçu de l’application qui est déjà disponible sur le play store et le app store suivant ces liens : Dipla sur le play storeDipla sur le app store

                              

 

 

 

 

Share your thoughts

Sciences et technologie

Episode 2: Buying a Soccer Team

Avatar

Published

on

[simplicity-save-for-later]

By

As we are progressing into a world where sports have become a vital part of our lives, it has also become a hot market for investors to gain greater income. We can also see that there has been a surge in sports viewership which leads to more tournaments. Capitalizing on them has become a difficult task for an investor. So a programmers team have come up with a strategy to build the best team whilst keeping in mind the investor’s budget which has a limit of 1 billion Euros relying on Machine learning algorithms to detect potential recruits for their clubs and potential assets for the investor to optimize their market gains.

How does that work ?

The team have a FIFA dataset in which there are few columns named — rating, release clause, and wages. They built 2 models using Supervised Learning on Rating variables and made it a classification problem by splitting this variable into 2 classes: greater than or equal to 70 and less than 70 ratings. They chose 70 as their threshold as most of the major clubs have only players with ratings greater than 70. In the second model, the rating class was obtained from previous best classifiers instead of « actual rating » and the release-clause was combined with annual wages to determine the cost to investors.

Dataset

The dataset used is FIFA 19 and FIFA 20 data which contain 18k+ unique player ratings with 100+ different attributes for each player:

  • Player positions, with the role in the club and in the national team.
  • Player attributes with statistics as Attacking, Skills, Defense, Mentality, GK Skills, etc.
  • Player personal data like Nationality, Club, DateOfBirth, Wage, Salary, etc.

Example: Bangladesh National Team

Due to the miscoordination among the players recently, the national team of Bangladesh slipped to their worst ever FIFA ranking of 194th. The ultimate success of a team depends upon its player selection. Generally, the coach and the management team select the best 11 players for each match from a pool of players by evaluating various attributes of the players. Now, using these Machine Learning algorithms, a better player classification technique is proposed and the soccer team is formed automatically of the best player combination possible. The results achieved based on the performance attributes would help the coach and management team to build up a more successful soccer team.

Conclusion

The constructed 2 models that utilize Machine learning algorithms benefit investors while simultaneously select the rightfully classified players as good performers and then regress them in the budget of the investor. Ultimately, the narrowed down selection process of a player within a club is rather better than selecting at random.

 

Ressources:

Share your thoughts

Continue Reading

Made with ❤ at INSAT - Copyrights © 2019, Insat Press