http://univ-bejaia.dz/dspace/123456789/1 2026-05-04T20:11:11Z 2026-05-04T20:11:11Z Benachour, Imene Katti, Melissa Akilal, Karim;promoteur http://univ-bejaia.dz/dspace/123456789/27244 2026-05-04T10:25:51Z 2025-01-01T00:00:00Z

Title: Intégration des techniques d'apprentissage automatique dans le suivi d'une maladie chronique Authors: Benachour, Imene; Katti, Melissa; Akilal, Karim;promoteur Abstract: Les maladies cardiovasculaires font partie des principales causes de décès dans le monde. Leur prédiction et leur prévention restent un défi pour les médecins. Cependant, les avancées récentes en intelligence artificielle et en apprentissage automatique offrent des perspectives nouvelles et prometteuses pour la prédiction de ces maladies en particulier, et pour le domaine médical de façon générale. Avant de mettre en avant notre approche, nous avons analysé divers travaux de la littérature dans ce domaine. Ce travail propose un modèle combinant deux (02) algorithmes d'apprentissage automatique, qui sont les suivants : Naïve Bayes et KNN, avec la méthode "Stacking" en utilisant une régression logistique. Afin d'améliorer la précision de la prédiction, nous avons appliqué SMOTE-NC pour la gestion du déséquilibre des classes, et MRMR pour la sélection des caractéristiques les plus pertinentes. Nous avons pu prouver l'efficacité de notre modèle après l'avoir testé et évalué selon plusieurs métriques d'évaluation, telles que : l'exactitude, la précision, le rappel, la F1-mesure, l'AUC et la courbe ROC. Description: Option : Systèmes d’informations avancés

2025-01-01T00:00:00Z Hammiche, Imen Hamiti, Taous Chabane-Mechiouri, Sarah ; promotrice http://univ-bejaia.dz/dspace/123456789/27243 2026-05-04T10:21:37Z 2025-01-01T00:00:00Z

Title: Vers une conception sûre des systèmes embarqués basée sur les SR-models Use case Authors: Hammiche, Imen; Hamiti, Taous; Chabane-Mechiouri, Sarah ; promotrice Abstract: e mémoire s'inscrit dans le contexte du développement de systèmes embarqués critiques, dont l'intégration est aujourd'hui omniprésente grâce à l'essor des systèmes cyberphysiques et de l'Internet des objets. Ces systèmes, toujours plus complexes, doivent répondre à des exigences croissantes en matière de performance, de fiabilité et de rapidité de développement. Face à cette complexité, la réutilisation de composants, associée à des approches de conception rigoureuses, constitue une solution efficace. La modélisation formelle, notamment, permet de garantir des propriétés de sûreté dès les premières phases de conception. Dans ce cadre, une attention particulière est portée aux systèmes réactifs, qui interagissent en permanence avec leur environnement. Après avoir étudié leurs caractéristiques, leurs principaux domaines d'application et les approches classiques de modélisation, nous nous sommes intéressées aux automates d'entrée/sortie (I/O automata), largement utilisés pour représenter les comportements de ces systèmes. Nous avons examiné les extensions existantes ainsi que les principes de la conception modulaire, afin d'identifier les leviers permettant d'améliorer la fiabilité et la vérification des systèmes réactifs. Sur cette base, nous proposons un nouveau cadre de modélisation appelé SR-Dep (Synchronous Reactive Dependency model), qui enrichit les SR-modèles existants - une extension des I/O-automata - en introduisant explicitement des règles de dépendance entre les entrées et les sorties. Cette approche, orientée composants, vise à construire des systèmes corrects par construction, tout en assurant la préservation de leur sémantique comportementale. Pour démontrer la faisabilité et la pertinence de notre proposition, nous avons réalisé une implémentation concrète, illustrée par une étude de cas sur le composant IDCT. Les résultats obtenus confirment l'intérêt du modèle SR-Dep proposé pour la modélisation fiable et modulaire de systèmes réactifs embarqués. Description: Option : Systèmes d’informations avancés

2025-01-01T00:00:00Z Ferhat, Essaid Bouagal, Naima El Bouhissi, Houda ; promotrice http://univ-bejaia.dz/dspace/123456789/27242 2026-05-04T09:33:45Z 2025-01-01T00:00:00Z

Title: Chatbot pour e-commerce Authors: Ferhat, Essaid; Bouagal, Naima; El Bouhissi, Houda ; promotrice Abstract: nombreux domaines, en particulier le e-commerce, où ils enrichissent la relation client-produit grâce à une assistance personnalisée. Dans ce mémoire, une analyse approfondie de la littérature sur les chatbots nous a permis d'identifier diverses approches, allant des méthodes classiques d'IA (LSTM, CNN) aux modèles modernes basés sur les Transformers, reconnus pour leur capacité à comprendre le contexte et produire des réponses pertinentes. Sur cette base, nous avons conçu une architecture hybride exploitant plusieurs technologies complémentaires : NLTK pour les interactions simples et le prétraitement linguistique, BERT pour une compréhension fine des requêtes textuelles, CLIP pour la recherche par similarité visuelle, et GPT pour reformuler les ré- ponses ou générer du contenu original. Cette combinaison permet au chatbot de proposer une recherche sémantique performante et une interaction plus fluide et humaine. Malgré ces résultats encourageants, des limites subsistent, notamment une mé- moire conversationnelle encore rudimentaire et un accompagnement client partiel. Les perspectives portent sur le suivi contextuel à long terme, l'intégration aux systèmes transactionnels, et le développement d'une assistance complète sur l'ensemble du parcours client. Description: Option : Systèmes d’informations avancés

2025-01-01T00:00:00Z Abdelli, Sonia Affan Mohamed, Nadjib Khammari, Mohammed;promoteur http://univ-bejaia.dz/dspace/123456789/27241 2026-05-04T09:29:54Z 2025-01-01T00:00:00Z

Title: Fusion multimodale pour une estimation précise de l'âge a partir d'images faciales Authors: Abdelli, Sonia; Affan Mohamed, Nadjib; Khammari, Mohammed;promoteur Abstract: L'estimation d'âge à partir d'images faciales constitue un défi important dans le domaine de la vision par ordinateur, avec des applications variées telles que la sécurité, l'analyse démographique et les interfaces homme-machine. Dans ce contexte, ce mémoire propose une approche efficace combinant des architectures CNN puissantes et une régression directe, démontrant une performance compétitive par rapport aux méthodes existantes. notre système suit un pipeline complet comprenant plusieurs étapes clés : la détection du visage à l'aide de MTCNN , une étape d'alignement , de redimensionnement, suivie de l'extraction et de la fusion des caractéristiques issues des deux réseaux CNN,à savoir ResNet152V2 et DenseNet121.Ces caractéristiques sont ensuite fusionnées et utilisées comme entrée d'un modèle de régression directe, permettant de prédire l'âge sous forme d'une valeur numérique continu. Le modèle a été entraîné et évalué sur la base de données UTKFace , puis testé sur FG-NET afin d'évaluer sa capacité de généralisation. Les résultats obtenus montrent une erreur absolue moyenne (MAE) de 4,71 ans sur UTKFace et de 5,19 ans sur FG-NET. Description: Option : Systèmes d’informations avancés

2025-01-01T00:00:00Z