Amélioration de la qualité logiciel et réalisation d’un Modèle prédictif pour un système intelligent de gestion d’énergie / Fatima Ezzahra EL MORTADI

Public ISBD Titre : Amélioration de la qualité logiciel et réalisation d’un Modèle prédictif pour un système intelligent de gestion d’énergie Type de document : projet fin études Auteurs : Fatima Ezzahra EL MORTADI, Auteur Langues : Français (fre) Catégories : Internet des Objets et Services Mobiles ( IOSM ) Mots-clés : l’internet des objets, l’apprentissage automatique, Système de bâtiments intelligent, prédiction, automatisation des tests, HP QC, Ranorex, Smart City, Index. décimale : mast 223/19 Résumé : BOUYGUES CONSTRUCTION IT, est chargée des services informatiques de BOUYGUES CONSRUCTION, parmi les projets les plus consistants on trouve les applications Smart city où s’inscrit mon projet de fin d’études. Ce rapport présente les différentes étapes effectuées pour assurer la qualité logiciel de ces applications ainsi que les phases d’analyse et de la réalisation d’un modèle prédictif de la consommation pour un système intelligent de gestion d’énergie qui a comme but la réduction de la consommation énergétique dans le bâtiment. La première tâche consiste à assurer la qualité et la stabilité du projet Smart City via la mise en place des compagnes de test en utilisant l’outil HP QC, étant donné que le processus fonctionnel des tests manuels est repris à chaque évolution, tout en effectuant le maximum des tests dans la période la plus courte possible. Cela nous a mené à automatiser une partie des tests récurrents en utilisant l’outil Ranorex ainsi que la définition d’une architecture d’exécution pour réaliser un test automatisé exécutable. La deuxième s'appuie sur l'estimation des mesures énergétiques au préalable adaptés aux conditions météorologiques. La solution proposée est de réaliser un modèle prédictif de la consommation d’électricité pour un système intelligent de gestion des bâtiments. Les résultats du modèle prédictif en termes d’analyse des facteurs influents sur la consommation d’énergie, les erreurs de modélisation, l’estimation de l’état ainsi que l’identification des paramètres dans le but d’optimiser le maximum, la précision de la prédiction y sont discutées en détails. Amélioration de la qualité logiciel et réalisation d’un Modèle prédictif pour un système intelligent de gestion d’énergie [projet fin études] / Fatima Ezzahra EL MORTADI, Auteur . - [s.d.]. Langues : Français (fre) Catégories : Internet des Objets et Services Mobiles ( IOSM ) Mots-clés : l’internet des objets, l’apprentissage automatique, Système de bâtiments intelligent, prédiction, automatisation des tests, HP QC, Ranorex, Smart City, Index. décimale : mast 223/19 Résumé : BOUYGUES CONSTRUCTION IT, est chargée des services informatiques de BOUYGUES CONSRUCTION, parmi les projets les plus consistants on trouve les applications Smart city où s’inscrit mon projet de fin d’études. Ce rapport présente les différentes étapes effectuées pour assurer la qualité logiciel de ces applications ainsi que les phases d’analyse et de la réalisation d’un modèle prédictif de la consommation pour un système intelligent de gestion d’énergie qui a comme but la réduction de la consommation énergétique dans le bâtiment. La première tâche consiste à assurer la qualité et la stabilité du projet Smart City via la mise en place des compagnes de test en utilisant l’outil HP QC, étant donné que le processus fonctionnel des tests manuels est repris à chaque évolution, tout en effectuant le maximum des tests dans la période la plus courte possible. Cela nous a mené à automatiser une partie des tests récurrents en utilisant l’outil Ranorex ainsi que la définition d’une architecture d’exécution pour réaliser un test automatisé exécutable. La deuxième s'appuie sur l'estimation des mesures énergétiques au préalable adaptés aux conditions météorologiques. La solution proposée est de réaliser un modèle prédictif de la consommation d’électricité pour un système intelligent de gestion des bâtiments. Les résultats du modèle prédictif en termes d’analyse des facteurs influents sur la consommation d’énergie, les erreurs de modélisation, l’estimation de l’état ainsi que l’identification des paramètres dans le but d’optimiser le maximum, la précision de la prédiction y sont discutées en détails.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 223/19	mast 223/19 FAT	Texte imprimé	Unité des masters	Mast/19	Disponible

Amélioration du Système de Transport Interne des Produits Basé sur le Concept Robot Suiveur / Soufiane ALILOU

Public ISBD Titre : Amélioration du Système de Transport Interne des Produits Basé sur le Concept Robot Suiveur Type de document : projet fin études Auteurs : Soufiane ALILOU, Auteur Année de publication : 2019 Langues : Français (fre) Catégories : Systèmes Embarqués pour l'Automobile Mots-clés : Lean Manufacturing, MUDAs, Gaspillage, Amelioration. Index. décimale : mast 158/19 Résumé : Le projet consiste à améliorer le flux logistique dans l’usine SEWS CABIND Berre-chid dans le cadre de Lean Manufacturing en réduisant ou éliminant le maximum possible tout terme de gaspillage (MUDAs) Ce travail a permis premièrement de définir le problème, en mettant en valeur l’écart entre la situation visée et situation actuelle. Ensuite, j’ai choisi les variables responsables sur les MUDAs. Par ailleurs, j’ai analysé les résultats mesurés précédemment afin d’identifier les causes et les leviers actionnables pour y remédier. Finalement, j’ai élaboré un plan d’ac-tion réalisable afin d’améliorer le processus de transport des fils avant de définir un plan de contrôle de la solution mise en place afin d’évaluer l’efficacité des améliorations adop-tées par une quantification des gains escomptés du projet. Amélioration du Système de Transport Interne des Produits Basé sur le Concept Robot Suiveur [projet fin études] / Soufiane ALILOU, Auteur . - 2019. Langues : Français (fre) Catégories : Systèmes Embarqués pour l'Automobile Mots-clés : Lean Manufacturing, MUDAs, Gaspillage, Amelioration. Index. décimale : mast 158/19 Résumé : Le projet consiste à améliorer le flux logistique dans l’usine SEWS CABIND Berre-chid dans le cadre de Lean Manufacturing en réduisant ou éliminant le maximum possible tout terme de gaspillage (MUDAs) Ce travail a permis premièrement de définir le problème, en mettant en valeur l’écart entre la situation visée et situation actuelle. Ensuite, j’ai choisi les variables responsables sur les MUDAs. Par ailleurs, j’ai analysé les résultats mesurés précédemment afin d’identifier les causes et les leviers actionnables pour y remédier. Finalement, j’ai élaboré un plan d’ac-tion réalisable afin d’améliorer le processus de transport des fils avant de définir un plan de contrôle de la solution mise en place afin d’évaluer l’efficacité des améliorations adop-tées par une quantification des gains escomptés du projet.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 158/819	mast 158/19 SOU	Texte imprimé	Unité des masters	Mast/19	Disponible

AMERICAN SIGN LANGUAGE DETECTION USING CNN / DAHR HOSSAMEDDINE

Public ISBD Titre : AMERICAN SIGN LANGUAGE DETECTION USING CNN Type de document : projet fin études Auteurs : DAHR HOSSAMEDDINE, Auteur Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 289/19 Résumé : Inability to speak is considered to be true disability. People with this disability use different modes to communicate with others, there are number of methods available for their communication one such common method of communication is sign language. Developing sign language application for deaf people can be very important, as they’ll be able to communicate easily with even those who don’t understand sign lan-guage. The project aims at taking the basic step in bridging the communication gap be-tween normal people, deaf and dumb people using sign language. The main focus of this work is to create a vision based system to identify sign lan-guage gestures from static images as well as for dynamic gestures. The reason for choosing a system based on vision relates to the fact that it provides a simpler and more intuitive way of communication between a human and a computer. In this report, 26 different gestures have been considered. AMERICAN SIGN LANGUAGE DETECTION USING CNN [projet fin études] / DAHR HOSSAMEDDINE, Auteur . - [s.d.]. Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 289/19 Résumé : Inability to speak is considered to be true disability. People with this disability use different modes to communicate with others, there are number of methods available for their communication one such common method of communication is sign language. Developing sign language application for deaf people can be very important, as they’ll be able to communicate easily with even those who don’t understand sign lan-guage. The project aims at taking the basic step in bridging the communication gap be-tween normal people, deaf and dumb people using sign language. The main focus of this work is to create a vision based system to identify sign lan-guage gestures from static images as well as for dynamic gestures. The reason for choosing a system based on vision relates to the fact that it provides a simpler and more intuitive way of communication between a human and a computer. In this report, 26 different gestures have been considered.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 289/19	mast 289/19 DAH	Texte imprimé	Unité des masters	Mast/19	Disponible

Analyse des sentiments en langue Arabe / Amina SGHIRI

Public ISBD Titre : Analyse des sentiments en langue Arabe Type de document : projet fin études Auteurs : Amina SGHIRI, Auteur Langues : Français (fre) Catégories : BIG DATA Mots-clés : Analyse de sentiments, classification, lexique, approche linguistique, approche d’apprentissage automatique Index. décimale : mast 282/19 Résumé : Ce mémoire présente l’étude que nous avons réalisée pour la classification des sentiments en arabe. Nous utilisons un corpus arabe ASTD. Nous utilisons l’approche linguistique en créant un lexique en se traduisant le dictionnaire anglais AFINN pour déterminer la polarité des twittes, et pour l’approche d’apprentissage automatique, nous avons fait appel à deux classificateurs communs connus pour leur efficacité, à savoir Naïve Bayes, Machines à vecteurs de support. Nous étudions certains paramètres pour identifier ceux qui permettent d’obtenir les meilleurs résultats. Ces paramètres concernent le seuillage de la fréquence des termes, la pondération des termes et les mots n-grammes. Nous montrons que Naïve Bayes et les machines à vecteurs de support sont compétitifs. Nos résultats montrent que les performances de la classification nécessitent le prétraitement de données. Analyse des sentiments en langue Arabe [projet fin études] / Amina SGHIRI, Auteur . - [s.d.]. Langues : Français (fre) Catégories : BIG DATA Mots-clés : Analyse de sentiments, classification, lexique, approche linguistique, approche d’apprentissage automatique Index. décimale : mast 282/19 Résumé : Ce mémoire présente l’étude que nous avons réalisée pour la classification des sentiments en arabe. Nous utilisons un corpus arabe ASTD. Nous utilisons l’approche linguistique en créant un lexique en se traduisant le dictionnaire anglais AFINN pour déterminer la polarité des twittes, et pour l’approche d’apprentissage automatique, nous avons fait appel à deux classificateurs communs connus pour leur efficacité, à savoir Naïve Bayes, Machines à vecteurs de support. Nous étudions certains paramètres pour identifier ceux qui permettent d’obtenir les meilleurs résultats. Ces paramètres concernent le seuillage de la fréquence des termes, la pondération des termes et les mots n-grammes. Nous montrons que Naïve Bayes et les machines à vecteurs de support sont compétitifs. Nos résultats montrent que les performances de la classification nécessitent le prétraitement de données.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 282/19	mast 282/19 AMI	Texte imprimé	Unité des masters	Mast/19	Disponible

ANOMALY DETECTION IN CROWDED SCENES PANIC DETECTION / Hasnaa ASKOUR

Public ISBD Titre : ANOMALY DETECTION IN CROWDED SCENES PANIC DETECTION Type de document : projet fin études Auteurs : Hasnaa ASKOUR, Auteur Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 258/19 Résumé : Automate visual surveillance in public environments is a eld of research in full progress, a large number of video surveillance videos (CCTV) are used for the surveillance of busy public spaces (supermarkets, train stations, roads, streets or places pedestrians, etc.). Faced to this huge number of CCTVs, security agents can not monitor all of them at the same time. They are forced to punctually look at each of them by swapping regularly. For these reasons, this work must be automatic, means that the detection of abnormal ie "anomaly" events must be automatic for security purposes.And that last is a challenging task in Computer Vision In this project, we propose an online method for detecting Panic abnormalities in crowded video sequences. In terms of crowd behavior, Panic is the situation where there are people walking in slow pace, Then an unexpected situation happens pushing them to start running. In this project, we aim to nd these 'Panic' situations in dierent crowd scenes in the (UMN) dataset. For this purpose, we rst detect the optical ow between frames by using Farneback method. The magnitude of the dierence of two consecutive frames will give us the motion map. This last will shows the amount of motion estimated between consecutive frames. Then, by using the dierences between these motion maps, we calculate the randomness level using Entropy. By using specic thresholds to Entropy, we can detect the anomalous situations by looking if the Entropy levels exceeds the thresholds. To demonstrate and evaluate the eectiveness of the approach, we used the Receiver Operating Characteristics (ROC) curves. ANOMALY DETECTION IN CROWDED SCENES PANIC DETECTION [projet fin études] / Hasnaa ASKOUR, Auteur . - [s.d.]. Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 258/19 Résumé : Automate visual surveillance in public environments is a eld of research in full progress, a large number of video surveillance videos (CCTV) are used for the surveillance of busy public spaces (supermarkets, train stations, roads, streets or places pedestrians, etc.). Faced to this huge number of CCTVs, security agents can not monitor all of them at the same time. They are forced to punctually look at each of them by swapping regularly. For these reasons, this work must be automatic, means that the detection of abnormal ie "anomaly" events must be automatic for security purposes.And that last is a challenging task in Computer Vision In this project, we propose an online method for detecting Panic abnormalities in crowded video sequences. In terms of crowd behavior, Panic is the situation where there are people walking in slow pace, Then an unexpected situation happens pushing them to start running. In this project, we aim to nd these 'Panic' situations in dierent crowd scenes in the (UMN) dataset. For this purpose, we rst detect the optical ow between frames by using Farneback method. The magnitude of the dierence of two consecutive frames will give us the motion map. This last will shows the amount of motion estimated between consecutive frames. Then, by using the dierences between these motion maps, we calculate the randomness level using Entropy. By using specic thresholds to Entropy, we can detect the anomalous situations by looking if the Entropy levels exceeds the thresholds. To demonstrate and evaluate the eectiveness of the approach, we used the Receiver Operating Characteristics (ROC) curves.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 258/19	mast 258/19 HAS	Texte imprimé	Unité des masters	Mast/19	Disponible

APPLICATION MOBILE POUR L'AIDE À LA DERMATOLOGIE: RECONNAISSANCE DES PATHOLOGIES / Samir KERRAMI

Public ISBD Titre : APPLICATION MOBILE POUR L'AIDE À LA DERMATOLOGIE: RECONNAISSANCE DES PATHOLOGIES Type de document : projet fin études Auteurs : Samir KERRAMI, Auteur Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 270/19 APPLICATION MOBILE POUR L'AIDE À LA DERMATOLOGIE: RECONNAISSANCE DES PATHOLOGIES [projet fin études] / Samir KERRAMI, Auteur . - [s.d.]. Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 270/19

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 270/19	mast270/19 SAM	Texte imprimé	Unité des masters	Mast/19	Disponible

L’APPRENTISSAGE AUTOMATIQUE ET LA DETECTION DES INFRACTIONS ROUTIERE / ES-SWIDI Ayoub

Public ISBD Titre : L’APPRENTISSAGE AUTOMATIQUE ET LA DETECTION DES INFRACTIONS ROUTIERE Type de document : projet fin études Auteurs : ES-SWIDI Ayoub, Auteur Langues : Français (fre) Catégories : BIG DATA Mots-clés : Détection de véhicule, suivi, détection des fraudes, vision par ordinateur, apprentissage automatique. Index. décimale : mast 276/19 Résumé : Ce mémoire présente ma recherche et le travail que j’ai fait dans le cadre du projet de fin d’étude (PFE) pour l’obtention de mon master de recherche sciences de données et big data SDBD a L’École nationale supérieure d’informatique et d’analyse des systèmes (ENSIAS) l'une des grandes écoles d'ingénieurs marocaines rattachée à l'université Mohammed V de Rabat. Mon PFE avait comme objectif la détection des fraudes sur la route à l’aide des algorithmes d’apprentissage automatique et les technologies de la vision par ordinateur. En effet dans un premier temps, on se focalise sur la détection et le suivi des véhicules dans une séquence des images « vidéo ». Ces processus sont basés sur les technologies de traitement des images et des algorithmes d’apprentissage automatique. Par la suit, nous nous intéressons à la détection des infractions sur la route à partir les informations tirées de la première partie L’APPRENTISSAGE AUTOMATIQUE ET LA DETECTION DES INFRACTIONS ROUTIERE [projet fin études] / ES-SWIDI Ayoub, Auteur . - [s.d.]. Langues : Français (fre) Catégories : BIG DATA Mots-clés : Détection de véhicule, suivi, détection des fraudes, vision par ordinateur, apprentissage automatique. Index. décimale : mast 276/19 Résumé : Ce mémoire présente ma recherche et le travail que j’ai fait dans le cadre du projet de fin d’étude (PFE) pour l’obtention de mon master de recherche sciences de données et big data SDBD a L’École nationale supérieure d’informatique et d’analyse des systèmes (ENSIAS) l'une des grandes écoles d'ingénieurs marocaines rattachée à l'université Mohammed V de Rabat. Mon PFE avait comme objectif la détection des fraudes sur la route à l’aide des algorithmes d’apprentissage automatique et les technologies de la vision par ordinateur. En effet dans un premier temps, on se focalise sur la détection et le suivi des véhicules dans une séquence des images « vidéo ». Ces processus sont basés sur les technologies de traitement des images et des algorithmes d’apprentissage automatique. Par la suit, nous nous intéressons à la détection des infractions sur la route à partir les informations tirées de la première partie

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 276/19	mast 276/19 ESS	Texte imprimé	Unité des masters	Mast/19	Disponible

Les approches de clustering « Application aux données textuelles» / Lahbib AJALLOUDA

Public ISBD Titre : Les approches de clustering « Application aux données textuelles» Type de document : projet fin études Auteurs : Lahbib AJALLOUDA, Auteur Langues : Français (fre) Catégories : Internet des Objets et Services Mobiles ( IOSM ) Mots-clés : Clustering, text mining, Hiérarchique, floue, Partitionnement, Vectorisation. Index. décimale : mast 204/19 Résumé : Le clustering est un mécanisme de regroupement conçu pour diviser un ensemble de données en plusieurs sous-groupes appelés classes ou clusters, afin de faciliter l'analyse et la prédiction. Il a été exploité dans divers domaines tels que la médecine, le marketing, la segmentation d'images et le text mining, il nécessite ainsi un traitement préalable des données avant la classification. Le projet sur lequel nous allons travailler, entre dans le même cadre. Pour atteindre son objectif qui est la recherche d’une approche d’apprentissage non supervisées capable de classifier des données textuelles en arabe, nous avons choisi premièrement de faire une étude comparative entre les trois approches de clustering, hiérarchique, par partitionnement et floue afin de choisir la meilleure. Nos résultats de comparaison montrent que les facteurs nécessaires au choix d’une approche, sont la quantité des données et les résultats attendus. Au cours de ce travail, nous nous intéressons à la classification des données textuelles en arabe en utilisant une approche combine par l’une des approches de clustering et l’approche de text mining à savoir, le prétraitement, la compression, la vectorisation et la classification non supervisée des données. D’autre part, de nombreuses recherches s’intéressent à la classification des données textuelles arabes, mais leurs implémentations sont encore modestes. Le travail que nous avons effectué ne s'arrête donc pas à la présentation de l'approche, mais nous avons implémentés deux applications en python la première pour tester les trois approches de clustering, la seconde vise à tester l'approche proposée pour la classification non supervisée des textes en arabe. Les approches de clustering « Application aux données textuelles» [projet fin études] / Lahbib AJALLOUDA, Auteur . - [s.d.]. Langues : Français (fre) Catégories : Internet des Objets et Services Mobiles ( IOSM ) Mots-clés : Clustering, text mining, Hiérarchique, floue, Partitionnement, Vectorisation. Index. décimale : mast 204/19 Résumé : Le clustering est un mécanisme de regroupement conçu pour diviser un ensemble de données en plusieurs sous-groupes appelés classes ou clusters, afin de faciliter l'analyse et la prédiction. Il a été exploité dans divers domaines tels que la médecine, le marketing, la segmentation d'images et le text mining, il nécessite ainsi un traitement préalable des données avant la classification. Le projet sur lequel nous allons travailler, entre dans le même cadre. Pour atteindre son objectif qui est la recherche d’une approche d’apprentissage non supervisées capable de classifier des données textuelles en arabe, nous avons choisi premièrement de faire une étude comparative entre les trois approches de clustering, hiérarchique, par partitionnement et floue afin de choisir la meilleure. Nos résultats de comparaison montrent que les facteurs nécessaires au choix d’une approche, sont la quantité des données et les résultats attendus. Au cours de ce travail, nous nous intéressons à la classification des données textuelles en arabe en utilisant une approche combine par l’une des approches de clustering et l’approche de text mining à savoir, le prétraitement, la compression, la vectorisation et la classification non supervisée des données. D’autre part, de nombreuses recherches s’intéressent à la classification des données textuelles arabes, mais leurs implémentations sont encore modestes. Le travail que nous avons effectué ne s'arrête donc pas à la présentation de l'approche, mais nous avons implémentés deux applications en python la première pour tester les trois approches de clustering, la seconde vise à tester l'approche proposée pour la classification non supervisée des textes en arabe.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 204/19	mast 204/19 LAH	Texte imprimé	Unité des masters	Mast/19	Disponible

ARTI (Artificial Intelligence for ART) Automatic Music Composing For Arabic Poetry / Moutassaref Hamza

Public ISBD Titre : ARTI (Artificial Intelligence for ART) Automatic Music Composing For Arabic Poetry Type de document : projet fin études Auteurs : Moutassaref Hamza, Auteur Langues : Français (fre) Catégories : BIG DATA Mots-clés : Artificial Intelligence, Arabic Poetry,Prosodic form,Arud-writing,Binary form, Meter, Maqam, Maqamat Index. décimale : mast 247/19 Résumé : Programmers and Researchers have often attempted to endow machines with some form of intelligence, the goal is simply to make machines behave in a more creative or more « human » manner. So in this thesis we focus on the problem of automatic music composing for Arabic Poetry using Artificial Intelligence. We start by our Algorithm that is capable of creating different forms of Arabic Poetry such as Prosodic-form (Arud –writing) and binary-form representation of the poetry, it provides the identification of the Poetry Meter. And then we will discuss our approach to generate the melody for the given poem. ARTI (Artificial Intelligence for ART) Automatic Music Composing For Arabic Poetry [projet fin études] / Moutassaref Hamza, Auteur . - [s.d.]. Langues : Français (fre) Catégories : BIG DATA Mots-clés : Artificial Intelligence, Arabic Poetry,Prosodic form,Arud-writing,Binary form, Meter, Maqam, Maqamat Index. décimale : mast 247/19 Résumé : Programmers and Researchers have often attempted to endow machines with some form of intelligence, the goal is simply to make machines behave in a more creative or more « human » manner. So in this thesis we focus on the problem of automatic music composing for Arabic Poetry using Artificial Intelligence. We start by our Algorithm that is capable of creating different forms of Arabic Poetry such as Prosodic-form (Arud –writing) and binary-form representation of the poetry, it provides the identification of the Poetry Meter. And then we will discuss our approach to generate the melody for the given poem.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 247/19	mast 247/19 MOU	Texte imprimé	Unité des masters	Mast/19	Disponible

Automatisation du test FSV pour cinq modules électroniques du système de gestion de bruit dans les véhicules / BAKACHE Ayoub

Public ISBD Titre : Automatisation du test FSV pour cinq modules électroniques du système de gestion de bruit dans les véhicules Type de document : projet fin études Auteurs : BAKACHE Ayoub, Auteur Année de publication : 2019 Langues : Français (fre) Catégories : Systèmes Embarqués pour l'Automobile Index. décimale : mast 159/19 Résumé : Dans un lointain passé, le confort acoustique et vibratoire (NVH) était considéré comme une performance secondaire pour un véhicule. Dans le marché automobile actuel, c’est devenu une performance sélective, permettant de positionner le produit dans le haut de gamme et ainsi de garantir les meilleurs résultats commerciaux. Dans ce contexte, LEAR Corporation travaille actuellement sur le développement d’un système de gestion de bruit qui a pour but de créer des zones de calme dans l’habitacle ainsi qu’autour du véhicule. L’équipe Audio appartenant au département Hardware du centre d’ingénierie de LEAR - Rabat, a pour mission de développer cinq modules électroniques faisant partie de ce système. Lors du développement de ces modules, et à chaque sortie d’une nouvelle version Hardware d’une carte ou après une modification sur la ligne de production, l’équipe Audio reçoit le premier échantillant produit afin d’effectuer un test appelé FSV (First Sample Validation), qui permet de confirmer que l'utilisation de l'équipement de pro-duction, de l'outillage et des matériaux fournit un produit qui répond aux spécifications de conception. L'objectif de ce projet de fin d’études est d’automatiser le test FSV afin de réduire sa durée, minimiser/remplacer l’intervention humaine et augmenter sa fiabilité. Automatisation du test FSV pour cinq modules électroniques du système de gestion de bruit dans les véhicules [projet fin études] / BAKACHE Ayoub, Auteur . - 2019. Langues : Français (fre) Catégories : Systèmes Embarqués pour l'Automobile Index. décimale : mast 159/19 Résumé : Dans un lointain passé, le confort acoustique et vibratoire (NVH) était considéré comme une performance secondaire pour un véhicule. Dans le marché automobile actuel, c’est devenu une performance sélective, permettant de positionner le produit dans le haut de gamme et ainsi de garantir les meilleurs résultats commerciaux. Dans ce contexte, LEAR Corporation travaille actuellement sur le développement d’un système de gestion de bruit qui a pour but de créer des zones de calme dans l’habitacle ainsi qu’autour du véhicule. L’équipe Audio appartenant au département Hardware du centre d’ingénierie de LEAR - Rabat, a pour mission de développer cinq modules électroniques faisant partie de ce système. Lors du développement de ces modules, et à chaque sortie d’une nouvelle version Hardware d’une carte ou après une modification sur la ligne de production, l’équipe Audio reçoit le premier échantillant produit afin d’effectuer un test appelé FSV (First Sample Validation), qui permet de confirmer que l'utilisation de l'équipement de pro-duction, de l'outillage et des matériaux fournit un produit qui répond aux spécifications de conception. L'objectif de ce projet de fin d’études est d’automatiser le test FSV afin de réduire sa durée, minimiser/remplacer l’intervention humaine et augmenter sa fiabilité.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 159/19	mast 159/19 BAK	Texte imprimé	Unité des masters	Mast/19	Disponible

Big Data Technologies for processing and interpreting spatial data. / Abdessamad ABOUZAID

Public ISBD Titre : Big Data Technologies for processing and interpreting spatial data. Type de document : projet fin études Auteurs : Abdessamad ABOUZAID, Auteur Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 281/19 Résumé : Timely and accurate information on crop yield is critical to many applications within agriculture monitoring. Thanks to its coverage and temporal resolution, coarse spatial resolution satellite imagery has always been a source of valuable information for yield forecasting and assessment at national and regional scales. With availability of free images acquired by Landsat-8 and Sentinel-2 remote sensing satellites, it becomes possible to enable temporal resolution of an image every 3–5 days, and therefore, to develop next generation agriculture products at higher spatial resolution (30 m). Various indices are used for assessing vegetation and soil properties in satellite remote sensing applications. Some indices, such as NDVI and NDWI, are defined based on the sensitivity and significance of specific bands. a novel dataset based on Sentinel-2 satellite images covering 13 spectral bands and consisting out of 10 classes with in total 27,000 labeled and geo-referenced images have been used for classification. We demonstrate how this classification system can be used for detecting land use and land cover changes and how it can assist in improving geographical maps. Big Data Technologies for processing and interpreting spatial data. [projet fin études] / Abdessamad ABOUZAID, Auteur . - [s.d.]. Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 281/19 Résumé : Timely and accurate information on crop yield is critical to many applications within agriculture monitoring. Thanks to its coverage and temporal resolution, coarse spatial resolution satellite imagery has always been a source of valuable information for yield forecasting and assessment at national and regional scales. With availability of free images acquired by Landsat-8 and Sentinel-2 remote sensing satellites, it becomes possible to enable temporal resolution of an image every 3–5 days, and therefore, to develop next generation agriculture products at higher spatial resolution (30 m). Various indices are used for assessing vegetation and soil properties in satellite remote sensing applications. Some indices, such as NDVI and NDWI, are defined based on the sensitivity and significance of specific bands. a novel dataset based on Sentinel-2 satellite images covering 13 spectral bands and consisting out of 10 classes with in total 27,000 labeled and geo-referenced images have been used for classification. We demonstrate how this classification system can be used for detecting land use and land cover changes and how it can assist in improving geographical maps.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 281/19	mast 281/19 ABD	Texte imprimé	Unité des masters	Mast/19	Disponible

Big Five Personality Traits and Ensemble Machine Learning / Fahim Maryam

Public ISBD Titre : Big Five Personality Traits and Ensemble Machine Learning Type de document : projet fin études Auteurs : Fahim Maryam, Auteur Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 287/19 Résumé : In recent years, cyber-violence against social media users have grown significantly, causing serious consequences to victims of all demographics, which was the reason why researches took this problem seriously. In this work we present machine learning models that can predict cyber-violence in social media, while demonstrating how big five personality traits are associated to the harmful behaviour online. We use a set of ensemble learning algorithms with engineered features related to the vocabulary used in each Big Five personality trait namely, Agreeableness, Conscientiousness, Extraversion, Neuroticism and Openness. The Results show a significant association between the individuals’ personality and the harmful intention. This result can be a good indicator of online users’ susceptibility to cyber-violence and therefore can help in dealing with it. Big Five Personality Traits and Ensemble Machine Learning [projet fin études] / Fahim Maryam, Auteur . - [s.d.]. Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 287/19 Résumé : In recent years, cyber-violence against social media users have grown significantly, causing serious consequences to victims of all demographics, which was the reason why researches took this problem seriously. In this work we present machine learning models that can predict cyber-violence in social media, while demonstrating how big five personality traits are associated to the harmful behaviour online. We use a set of ensemble learning algorithms with engineered features related to the vocabulary used in each Big Five personality trait namely, Agreeableness, Conscientiousness, Extraversion, Neuroticism and Openness. The Results show a significant association between the individuals’ personality and the harmful intention. This result can be a good indicator of online users’ susceptibility to cyber-violence and therefore can help in dealing with it.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 287/19	mast 287/19 FAH	Texte imprimé	Unité des masters	Mast/19	Disponible

BPMS 5GL, Business Process Generator / Hibatallah Kabbaj

Public ISBD Titre : BPMS 5GL, Business Process Generator Type de document : projet fin études Auteurs : Hibatallah Kabbaj, Auteur Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 260/19 BPMS 5GL, Business Process Generator [projet fin études] / Hibatallah Kabbaj, Auteur . - [s.d.]. Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 260/19

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 260/19	mast 260/19 HIB	Texte imprimé	Unité des masters	Mast/19	Disponible

Classification et régression dans l’ingénierie du design / Zakaria ABRABRI

Public ISBD Titre : Classification et régression dans l’ingénierie du design Type de document : projet fin études Auteurs : Zakaria ABRABRI, Auteur Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 255/19 Résumé : Le présent rapport expose le travail que j’ai réalisé dans le cadre de mon projet de fin d’études qui a duré environ quatre mois sous la tutelle de mon encadrent M. Raddouane Chiheb, Professeur à ENSIAS. Mon projet avait comme objectif de faire une étude sur les structures de treillis en se basant sur l’apprentissage en profondeur et les algorithmes bio-inspirés. Pour ce faire, j’ai fait une étude concernant les réseaux de neurones artificiels et les algorithmes bio-inspirés ainsi que la méthode des éléments finis. Enfin, j’ai eu une réflexion sur une conception qui répond aux besoins spécifiés, avant de m’intéresser finalement à la mise en oeuvre et l’implémentation de la solution en se basant sur les paquets du langage R. Classification et régression dans l’ingénierie du design [projet fin études] / Zakaria ABRABRI, Auteur . - [s.d.]. Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 255/19 Résumé : Le présent rapport expose le travail que j’ai réalisé dans le cadre de mon projet de fin d’études qui a duré environ quatre mois sous la tutelle de mon encadrent M. Raddouane Chiheb, Professeur à ENSIAS. Mon projet avait comme objectif de faire une étude sur les structures de treillis en se basant sur l’apprentissage en profondeur et les algorithmes bio-inspirés. Pour ce faire, j’ai fait une étude concernant les réseaux de neurones artificiels et les algorithmes bio-inspirés ainsi que la méthode des éléments finis. Enfin, j’ai eu une réflexion sur une conception qui répond aux besoins spécifiés, avant de m’intéresser finalement à la mise en oeuvre et l’implémentation de la solution en se basant sur les paquets du langage R.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 255/19	mast 255/19 ZAK	Texte imprimé	Unité des masters	Mast/19	Disponible

Classification des tumeurs du cancer du sein avec les Réseaux de neurones convolutifs profonds / Mounir BELGHITI

Public ISBD Titre : Classification des tumeurs du cancer du sein avec les Réseaux de neurones convolutifs profonds Type de document : projet fin études Auteurs : Mounir BELGHITI, Auteur Langues : Français (fre) Catégories : BIG DATA Mots-clés : Breast cancer, Convolutional neural network, Deep learning, Image classification, Intelligence artificielle, Medical image processing. Index. décimale : mast 279/19 Résumé : Les réseaux de neurones convolutifs sont des réseaux de neurones multicouches qui sont spécialisés dans des taches de reconnaissance de forme. Le problème est que ces architectures nécessitent une masse gigantesque de données qui font défaut dans le domaine médical. En outre, il est très difficile de trouver de bonnes données étiquetées pour former de tels modèles complexes. Pour remédier à ces difficultés on a réalisé une solution de diagnostic des tumeurs de sein basée sur des méthodes d’apprentissage efficaces combinées au deep learning et au big data analytics permettent de mieux extraire les Marqueurs tumoraux de la progression de cancer de sein. En termes de ce travail nous exploitons la technique de l’apprentissage par transfert des données, l’idée est de combiner deux types de réseaux de neurones convolutifs qui se complémentaient très bien pour obtenir une méthode optimisée de classification d'images. Le premier réseau se forme d’un modèle pré-entrainé joue le rôle d’extracteur automatique de caractéristiques des images qui utilise une donnée biomédicale brute et apprend la normalisation optimale des données et mis en oeuvre des techniques d’augmentation du jeu d’entraînement. Le second réseau joue le rôle de classifieur utilise la sortie du premier réseau pour prédire la classe à laquelle appartient la donnée. L’objectif : Offrir aux pathologistes une solution collaborative pour améliorer le diagnostic précoce du cancer de sein à travers l’identification des anomalies et les mutations au niveau des tumeurs, afin de les accompagner dans la prise de décision. Classification des tumeurs du cancer du sein avec les Réseaux de neurones convolutifs profonds [projet fin études] / Mounir BELGHITI, Auteur . - [s.d.]. Langues : Français (fre) Catégories : BIG DATA Mots-clés : Breast cancer, Convolutional neural network, Deep learning, Image classification, Intelligence artificielle, Medical image processing. Index. décimale : mast 279/19 Résumé : Les réseaux de neurones convolutifs sont des réseaux de neurones multicouches qui sont spécialisés dans des taches de reconnaissance de forme. Le problème est que ces architectures nécessitent une masse gigantesque de données qui font défaut dans le domaine médical. En outre, il est très difficile de trouver de bonnes données étiquetées pour former de tels modèles complexes. Pour remédier à ces difficultés on a réalisé une solution de diagnostic des tumeurs de sein basée sur des méthodes d’apprentissage efficaces combinées au deep learning et au big data analytics permettent de mieux extraire les Marqueurs tumoraux de la progression de cancer de sein. En termes de ce travail nous exploitons la technique de l’apprentissage par transfert des données, l’idée est de combiner deux types de réseaux de neurones convolutifs qui se complémentaient très bien pour obtenir une méthode optimisée de classification d'images. Le premier réseau se forme d’un modèle pré-entrainé joue le rôle d’extracteur automatique de caractéristiques des images qui utilise une donnée biomédicale brute et apprend la normalisation optimale des données et mis en oeuvre des techniques d’augmentation du jeu d’entraînement. Le second réseau joue le rôle de classifieur utilise la sortie du premier réseau pour prédire la classe à laquelle appartient la donnée. L’objectif : Offrir aux pathologistes une solution collaborative pour améliorer le diagnostic précoce du cancer de sein à travers l’identification des anomalies et les mutations au niveau des tumeurs, afin de les accompagner dans la prise de décision.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 279/19	mast 279/19 MOU	Texte imprimé	Unité des masters	Mast/19	Disponible

page /7