GEOTRUST SSL CERTIFICATE
Titre : | Machine learning dans l’épidémiologie (application au maladies transmissibles et non transmissibles) |
Auteurs : | Hamou Mohamed Reda, Directeur de thèse ; Mehanguef Ghizlane, Auteur ; Hassad Ahlem, Auteur |
Type de document : | texte imprimé |
Editeur : | univ DR taher moulay saida, 2022-2023 |
ISBN/ISSN/EAN : | TECT03083 |
Format : | 63 p / ill / 29 cm |
Langues: | Français |
Catégories : | |
Mots-clés: | Intelligence artificiel ; machine learning ; prédictions ; maladies ; hépatite C ; cardiovasculaire |
Résumé : |
Ce mémoire présente l'utilisation du machine learning pour prédire l'hépatite C et
les maladies cardiovasculaires à l'aide des algorithmes de Machine Learning supervisée. L'objectif est de développer des modèles de prédiction précis et fiables pour identifier les individus à risque élevé de développer ces maladies. Les données ont été prétraitées, normalisées ensuite une analyse exploratoire des données a été effectuée. Les algorithmes de machine learning ont ensuite été utilisés pour construire les modèles de prédiction. Les performances de chaque algorithme ont été évaluées en utilisant des mesures telles que l'exactitude, la précision, la F-mesure... Les résultats ont démontré que les algorithmes Random Forest et Decision Tree étaient les plus performants en termes de classification. |
Note de contenu : |
Chapitre I : Etat de l’art et travaux connexes
Chapitre II : épidémiologie Chapitre III : Machine Learning Chapitre IV: Implémentation |
Exemplaires (1)
Code-barres | Cote | Support | Localisation | Section | Disponibilité |
---|---|---|---|---|---|
TECT03083 | T.I.MS00696 | Périodique | Salle des Thèses | Informatique | Exclu du prêt |
Documents numériques (1)
![]() Machine learning dans l’épidémiologie (application au maladies transmissibles et non transmissibles) Adobe Acrobat PDF |