Titre :	La prédiction du diabète en utilisant les techniques d’intelligence artificielle
Type de document :	texte manuscrit
Auteurs :	Meriem Bouaziz, Auteur ; Sarah Djihane Sebaa, Auteur ; Mustapha Bouakkaz, Auteur
Editeur :	Laghouat : Université Amar Telidji - Département d'informatique
Année de publication :	2022
Importance :	82 p.
Format :	30 cm.
Accompagnement :	1 disque optique numérique (CD-ROM)
Note générale :	Option : Système d’information décisionnel
Langues :	Français
Mots-clés :	ML  DL  Base de données PIma Indian Diabetes  SVM  RF
Résumé :	Le diabète est une maladie chronique qui menace la vie de milliers de personnes dans le monde. En raison des graves complications qui peuvent etre engendrees par cette maladie, un diagnostic precoce est alors necèssaire. A travers ce travail de master nous nous interessons `a l’utilisation des techniques de machine learning (ML) et deep le arning (DL) pour la prediction du diabete de type 2 sur la base de donnees PIma Indian Diabètes afin de reduire les risques de l’atteindre. Pour cela nous avons commence par une étude comparative de deux algorithmes de machine learning qui sont : support vector machine (SVM) et Random Forest (RF) que nous avons par la suite choisi le modéle RF avec 81% d'accuracy pour l’étape de Selection d’attribut avec l’outil Weka. Apr`es avoir selectionn´e les attributs les plus influents nous les avons utilises pour construire le mod`ele de deep learning avec qui nous avons eu un score d'accuracy de 83%.
note de thèses :	Mémoire de master en Informatiques

La prédiction du diabète en utilisant les techniques d’intelligence artificielle [texte manuscrit] / Meriem Bouaziz, Auteur ; Sarah Djihane Sebaa, Auteur ; Mustapha Bouakkaz, Auteur . - Laghouat : Université Amar Telidji - Département d'informatique, 2022 . - 82 p. ; 30 cm. + 1 disque optique numérique (CD-ROM).
Option : Système d’information décisionnel
Langues : Français

Mots-clés :	ML  DL  Base de données PIma Indian Diabetes  SVM  RF
Résumé :	Le diabète est une maladie chronique qui menace la vie de milliers de personnes dans le monde. En raison des graves complications qui peuvent etre engendrees par cette maladie, un diagnostic precoce est alors necèssaire. A travers ce travail de master nous nous interessons `a l’utilisation des techniques de machine learning (ML) et deep le arning (DL) pour la prediction du diabete de type 2 sur la base de donnees PIma Indian Diabètes afin de reduire les risques de l’atteindre. Pour cela nous avons commence par une étude comparative de deux algorithmes de machine learning qui sont : support vector machine (SVM) et Random Forest (RF) que nous avons par la suite choisi le modéle RF avec 81% d'accuracy pour l’étape de Selection d’attribut avec l’outil Weka. Apr`es avoir selectionn´e les attributs les plus influents nous les avons utilises pour construire le mod`ele de deep learning avec qui nous avons eu un score d'accuracy de 83%.
note de thèses :	Mémoire de master en Informatiques