Adaptation des mesures d’agrégation textuelle au problème de sélection d’index / Hassen Baba Ousmail

Public ISBD Titre : Adaptation des mesures d’agrégation textuelle au problème de sélection d’index Type de document : document multimédia Auteurs : Hassen Baba Ousmail, Auteur ; Mohamed Tellai, Auteur ; Benameur Ziani, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2015 Importance : 41 p. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : Systèmes d’information et de décision Langues : Français Mots-clés : Entrepôt de données  Base de données  Problème NP-Complet  Index  Agrégation textuelle  Recherche d’information  TF-IDF Résumé : La sélection des index pertinents permettant d’optimiser la performance du système en réduisant le temps d’accès aux données est l’une des taches primordiales de l’administrateur. La sélection d’index est un problème NP-Complet car le nombre d’index possible est exponentiel par rapport au nombre d’attributs candidats. Dans ce mémoire nous proposons une méthode de résolution du problème de sélection d’index mono-attribut basée sur la fonction d’agrégation textuel.Nous avons choisi pour valider notre approche de manière expérimentale d’élaborer un outil AFIS qui prend en entrée un ensemble d’attributs indexable issu de la charge de requête du benchmark APB1 (Council, 1998) et en sortie il rend une configuration d’index finale. Les résultats expérimentaux obtenus montrent que notre approche n’est pas intéressante dans le contexte des entrepôts de données. note de thèses : Mémoire de master en informatique Adaptation des mesures d’agrégation textuelle au problème de sélection d’index [document multimédia] / Hassen Baba Ousmail, Auteur ; Mohamed Tellai, Auteur ; Benameur Ziani, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2015 . - 41 p. + 1 disque optique numérique (CD-ROM). Option : Systèmes d’information et de décision Langues : Français Mots-clés : Entrepôt de données  Base de données  Problème NP-Complet  Index  Agrégation textuelle  Recherche d’information  TF-IDF Résumé : La sélection des index pertinents permettant d’optimiser la performance du système en réduisant le temps d’accès aux données est l’une des taches primordiales de l’administrateur. La sélection d’index est un problème NP-Complet car le nombre d’index possible est exponentiel par rapport au nombre d’attributs candidats. Dans ce mémoire nous proposons une méthode de résolution du problème de sélection d’index mono-attribut basée sur la fonction d’agrégation textuel.Nous avons choisi pour valider notre approche de manière expérimentale d’élaborer un outil AFIS qui prend en entrée un ensemble d’attributs indexable issu de la charge de requête du benchmark APB1 (Council, 1998) et en sortie il rend une configuration d’index finale. Les résultats expérimentaux obtenus montrent que notre approche n’est pas intéressante dans le contexte des entrepôts de données. note de thèses : Mémoire de master en informatique

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
CD 206	CD 206	CD	BIBLIOTHEQUE DE FACULTE DES SCIENCES	théses (sci)	Disponible

Application des techniques de fouille de données à l'analyse des fichiers log / Benameur Ziani

Public ISBD Titre : Application des techniques de fouille de données à l'analyse des fichiers log : Cas des serveurs proxy de l'université de laghouat Type de document : texte manuscrit Auteurs : Benameur Ziani, Auteur ; Youcef Ouinten, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2007 Importance : 87p Format : 27cm Langues : Français Catégories : THESES :10 informatique note de thèses : Mémoire de magister en informatique Application des techniques de fouille de données à l'analyse des fichiers log : Cas des serveurs proxy de l'université de laghouat [texte manuscrit] / Benameur Ziani, Auteur ; Youcef Ouinten, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2007 . - 87p ; 27cm. Langues : Français Catégories : THESES :10 informatique note de thèses : Mémoire de magister en informatique

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
thpg 10-05	thpg 10-05	Thése	SALLE DES THESES bibliothèque centrale	théses en informatique	Disponible

Une approche basée sur l'extraction de motifs sous contraintes pour la sélection des index de jointure binaires / Youcef Ariouat

Public ISBD Titre : Une approche basée sur l'extraction de motifs sous contraintes pour la sélection des index de jointure binaires Type de document : texte manuscrit Auteurs : Youcef Ariouat, Auteur ; Youcef Ouinten, Directeur de thèse ; Benameur Ziani, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2013 Importance : 102 p Format : 27 cm Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : Informatique répartie et mobile IRM Langues : Français Catégories : THESES :10 informatique Mots-clés : Entrepôt de données  Index de jointure binaire  Extraction de motifs sous contraintes Résumé : Les requêtes analytiques définies sur les entrepôts de données sont complexes et couteuses en temps d’exécution car elles nécessitent plusieurs jointures exécutées sur un large volume de données. Les Index de Jointure Binaires (IJB) sont l’une des techniques d’optimisation les plus utiles pour réduire le coût d’exécution de ces requêtes en pré-calculant leurs jointures. Toutefois, la sélection d’une configuration appropriée d’IJB est un problème difficile à résoudre vue la complexité de l’espace de recherche à parcourir. Le problème est classé comme NP-complet, c’est pourquoi la plus part des travaux traitant ce problème se sont concentrés principalement sur la proposition de solutions d’élagage de l’espace de recherche par le biais de techniques de data mining ou des stratégies heuristiques. Le principal inconvénient de ces approches est que le processus de sélection des index s’effectue en deux étapes. La génération d’un grand nombre d’index, suivie d’une phase d’élagage. Une alternative est de contraindre les données d’entrée plus tôt dans le processus de sélection, réduisant ainsi l’ensemble des index en sortie à ceux qui présentent un intérêt pour l’administrateur. Par exemple, pour sélectionner un ensemble d’index, l’administrateur peut mettre des limites sur le nombre d’attributs ou la cardinalité des attributs à inclure dans la configuration d’index qu’il cherche. Dans ce travail, nous abordons le problème de sélection d’IJB en utilisant une approche d’extraction de motifs sous contraintes. Contrairement aux approches précédentes, la sélection est effectuée en une seule étape en introduisant des contraintes dans le processus de sélection. L’approche proposée est implémentée sous forme d’un outil d’aide à l’administration et évaluée en utilisant le benchmark APB-1. Les expérimentations menées ont montré que la configuration d’index générée en une seule étape permet d’avoir un important gain de performance et les tests comparatifs ont montré que les résultats obtenus sont comparables à ceux des approches de sélection d’IJB procédant en deux étapes. note de thèses : Thèse de magister en informatique Une approche basée sur l'extraction de motifs sous contraintes pour la sélection des index de jointure binaires [texte manuscrit] / Youcef Ariouat, Auteur ; Youcef Ouinten, Directeur de thèse ; Benameur Ziani, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2013 . - 102 p ; 27 cm + 1 disque optique numérique (CD-ROM). Option : Informatique répartie et mobile IRM Langues : Français Catégories : THESES :10 informatique Mots-clés : Entrepôt de données  Index de jointure binaire  Extraction de motifs sous contraintes Résumé : Les requêtes analytiques définies sur les entrepôts de données sont complexes et couteuses en temps d’exécution car elles nécessitent plusieurs jointures exécutées sur un large volume de données. Les Index de Jointure Binaires (IJB) sont l’une des techniques d’optimisation les plus utiles pour réduire le coût d’exécution de ces requêtes en pré-calculant leurs jointures. Toutefois, la sélection d’une configuration appropriée d’IJB est un problème difficile à résoudre vue la complexité de l’espace de recherche à parcourir. Le problème est classé comme NP-complet, c’est pourquoi la plus part des travaux traitant ce problème se sont concentrés principalement sur la proposition de solutions d’élagage de l’espace de recherche par le biais de techniques de data mining ou des stratégies heuristiques. Le principal inconvénient de ces approches est que le processus de sélection des index s’effectue en deux étapes. La génération d’un grand nombre d’index, suivie d’une phase d’élagage. Une alternative est de contraindre les données d’entrée plus tôt dans le processus de sélection, réduisant ainsi l’ensemble des index en sortie à ceux qui présentent un intérêt pour l’administrateur. Par exemple, pour sélectionner un ensemble d’index, l’administrateur peut mettre des limites sur le nombre d’attributs ou la cardinalité des attributs à inclure dans la configuration d’index qu’il cherche. Dans ce travail, nous abordons le problème de sélection d’IJB en utilisant une approche d’extraction de motifs sous contraintes. Contrairement aux approches précédentes, la sélection est effectuée en une seule étape en introduisant des contraintes dans le processus de sélection. L’approche proposée est implémentée sous forme d’un outil d’aide à l’administration et évaluée en utilisant le benchmark APB-1. Les expérimentations menées ont montré que la configuration d’index générée en une seule étape permet d’avoir un important gain de performance et les tests comparatifs ont montré que les résultats obtenus sont comparables à ceux des approches de sélection d’IJB procédant en deux étapes. note de thèses : Thèse de magister en informatique

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Thd 10-12	Thd 10-12	Thése	BIBLIOTHEQUE DE FACULTE DES SCIENCES	théses (sci)	Disponible
th 10-129	th 10-129	Thése	SALLE DES THESES bibliothèque centrale	théses en informatique	Disponible

Artificial intelligence, Big Data and education / Kheira Ouassif

Public ISBD Titre : Artificial intelligence, Big Data and education : designing intelligent tools for analysis and guidance Type de document : document multimédia Auteurs : Kheira Ouassif, Auteur ; Benameur Ziani, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2025 Importance : 121 p. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : Computer networks and systems Langues : Anglais Mots-clés : Educational data mining (EDM)  Machine learning  Predictive modeling  Deep neural networks (DNNs)  Apriori algorithm  Recommendation systems Résumé : In the face of growing challenges in higher education—such as rising dropout rates, academic underperformance, and the misalignment between students’ abilities and their academic paths—there is an urgent need for intelligent, data-driven solutions. This thesis explores the integration of Artificial Intelligence (AI) and Big Data analytics in the educational domain, with a focus on designing and implementing intelligent tools to support academic analysis and personalized guidance. Specifically, the research addresses critical issues within the Algerian context, where students often face limited support in making informed educational choices. The work proposes a hybrid analytical framework combining association rule mining (Apriori algorithm) with Deep Neural Networks (DNNs) to predict academic performance and guide university major selection. In the first phase, interpretable rules are extracted to identify significant academic, behavioral, and socio-economic factors influencing student outcomes. These insights are then used to enhance the learning and predictive capabilities of the DNN model, which achieves high accuracy in forecasting university GPA and optimal major placement. Complementing this predictive approach, the second phase employs clustering techniques to analyze student profiles, uncovering patterns in learner engagement and behavior. These profiles inform a recommender system designed to provide adaptive academic strategies tailored to individual learners. The proposed system was validated through experimental studies, demonstrating improved precision in student classification and increased relevance in personalized recommendations. The key contributions of this research include the development of a context-aware, hybrid predictive model for educational guidance; the integration of interpretable and deep learning techniques; and a data-informed recommendation system grounded in real-world student data. This thesis advances the field of Educational Data Mining by offering a scalable, actionable, and ethically conscious framework that supports students, educators, and institutions in making better educational decisions. The findings have practical implications for academic advising, curriculum design, and policy-making, particularly in developing educational systems seeking to embrace AI-driven innovation. note de thèses : Thèse de doctorat en informatique Artificial intelligence, Big Data and education : designing intelligent tools for analysis and guidance [document multimédia] / Kheira Ouassif, Auteur ; Benameur Ziani, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2025 . - 121 p. + 1 disque optique numérique (CD-ROM). Option : Computer networks and systems Langues : Anglais Mots-clés : Educational data mining (EDM)  Machine learning  Predictive modeling  Deep neural networks (DNNs)  Apriori algorithm  Recommendation systems Résumé : In the face of growing challenges in higher education—such as rising dropout rates, academic underperformance, and the misalignment between students’ abilities and their academic paths—there is an urgent need for intelligent, data-driven solutions. This thesis explores the integration of Artificial Intelligence (AI) and Big Data analytics in the educational domain, with a focus on designing and implementing intelligent tools to support academic analysis and personalized guidance. Specifically, the research addresses critical issues within the Algerian context, where students often face limited support in making informed educational choices. The work proposes a hybrid analytical framework combining association rule mining (Apriori algorithm) with Deep Neural Networks (DNNs) to predict academic performance and guide university major selection. In the first phase, interpretable rules are extracted to identify significant academic, behavioral, and socio-economic factors influencing student outcomes. These insights are then used to enhance the learning and predictive capabilities of the DNN model, which achieves high accuracy in forecasting university GPA and optimal major placement. Complementing this predictive approach, the second phase employs clustering techniques to analyze student profiles, uncovering patterns in learner engagement and behavior. These profiles inform a recommender system designed to provide adaptive academic strategies tailored to individual learners. The proposed system was validated through experimental studies, demonstrating improved precision in student classification and increased relevance in personalized recommendations. The key contributions of this research include the development of a context-aware, hybrid predictive model for educational guidance; the integration of interpretable and deep learning techniques; and a data-informed recommendation system grounded in real-world student data. This thesis advances the field of Educational Data Mining by offering a scalable, actionable, and ethically conscious framework that supports students, educators, and institutions in making better educational decisions. The findings have practical implications for academic advising, curriculum design, and policy-making, particularly in developing educational systems seeking to embrace AI-driven innovation. note de thèses : Thèse de doctorat en informatique

Big data frequent itemset mining / Chaima Kamri

Public ISBD Titre : Big data frequent itemset mining Type de document : texte manuscrit Auteurs : Chaima Kamri, Auteur ; Benameur Ziani, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2022 Importance : 39 p. Format : 30 cm. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : (Decision-making information systems) Systèmes d'information et de décision Langues : Anglais Mots-clés : Big data  Data mining  Frequent itemset mining  Apriori  Fp-growth  Eclat  Hadoop  Spark MLlib  Fouille de données  recherche des motifs fréquents Résumé : Big data takes its fame from analyzing the data gathered from various sources. This process is called Big data analytics that includes multiple techniques, each one differs from the others by the data used, and the results earned. But they share the same purpose, which is the improvement of decision-making. In this manuscript, we aim to present one of the famous analytic techniques, frequent itemset mining. That seeks to find the frequent patterns in a transactional database and decipher the association rules among those patterns, therefore, using this knowledge to make decisions based on those patterns. Our purpose is to introduce the big data process to mine the frequent itemset using Spark’s machine-learning library, and Python. note de thèses : Mémoire de master en informatique Big data frequent itemset mining [texte manuscrit] / Chaima Kamri, Auteur ; Benameur Ziani, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2022 . - 39 p. ; 30 cm. + 1 disque optique numérique (CD-ROM). Option : (Decision-making information systems) Systèmes d'information et de décision Langues : Anglais Mots-clés : Big data  Data mining  Frequent itemset mining  Apriori  Fp-growth  Eclat  Hadoop  Spark MLlib  Fouille de données  recherche des motifs fréquents Résumé : Big data takes its fame from analyzing the data gathered from various sources. This process is called Big data analytics that includes multiple techniques, each one differs from the others by the data used, and the results earned. But they share the same purpose, which is the improvement of decision-making. In this manuscript, we aim to present one of the famous analytic techniques, frequent itemset mining. That seeks to find the frequent patterns in a transactional database and decipher the association rules among those patterns, therefore, using this knowledge to make decisions based on those patterns. Our purpose is to introduce the big data process to mine the frequent itemset using Spark’s machine-learning library, and Python. note de thèses : Mémoire de master en informatique

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MF 02-47	MF 02-47	Thése	BIBLIOTHEQUE DE FACULTE DES SCIENCES	théses (sci)	Disponible

Cache management in NDN using Data Mining techniques / Abdelkader Tayeb Herouala 

Permalink

Classification de requête pour la fragmentation verticale d'une base de données BDD / Khadidja Korichi

Permalink

Conception et mise en œuvre d'un entrepôt de données pour l'analyse du cursus universitaire des étudiants / Sarah Saida Boudouh

Permalink

Étude comparative entre BDD relationnelle et BDD non relationnelle / Safia Chouiref

Permalink

Fouille de données pour la formalisation et l'optimisation de la conception physique des entrepôts de données relationnels / Benameur Ziani

Permalink

A machine learning-based system to translate algerian sign language to speech / Fatima Zahra Boussebci

Permalink

Mise en œuvre d’un entrepôt de données avec des techniques Big Data / Mohamed Ayoub Kachna

Permalink

Optimisation de la fragmentation verticale des entrepôts de données distribués par la fouille de données / Ahmed Benmelouka

Permalink

Optimisation des méthodes d'analyse et de conception, pour l'extraction de connaissance et la visualisation de Big Data pour la prise de décision / Mohamed El Habib Maicha

Permalink

Optimisation des plans d’exécution des requêtes OLAP / Laradj Chellama

Permalink

---

page /2