A partir de cette page vous pouvez :
Retourner au premier écran avec les étagères virtuelles... |
Catégories
> BIG DATA
Faire une suggestion Affiner la recherche
Offensive Language detection using Deep learning / BOURAMMANE YASSINE
Titre : Offensive Language detection using Deep learning Type de document : projet fin Ă©tudes Auteurs : BOURAMMANE YASSINE, Auteur Langues : Français (fre) CatĂ©gories : BIG DATA Mots-clĂ©s : RĂ©seaux sociaux, dialecte marocain, langage abusif, langage offensif apprentissage automatique, apprentissage profond. Index. dĂ©cimale : mast 234/19 RĂ©sumĂ© : Les réseaux sociaux représentent aujourd’hui un moyen de communication inévitable. Cependant, ils peuvent également être une source fiable pour diffuser les nouvelles et de la propagande dans les pays arabes, particulièrement au Maroc. Certains utilisateurs créent actuellement des comptes pour diffuser des contenus offensifs dans des publications écrites en dialecte marocain. Par ailleurs, ce langage offensif est interdit par nos cultures arabes et la détection automatique d’un tel langage est un défi majeur à surmonter.
Dans ce travail nous avons utilisé l’apprentissage profond afin de proposer un system de détection automatique de langage offensif dans le dialecte marocain sur Facebook .
Offensive Language detection using Deep learning [projet fin Ă©tudes] / BOURAMMANE YASSINE, Auteur . - [s.d.].
Langues : Français (fre)
CatĂ©gories : BIG DATA Mots-clĂ©s : RĂ©seaux sociaux, dialecte marocain, langage abusif, langage offensif apprentissage automatique, apprentissage profond. Index. dĂ©cimale : mast 234/19 RĂ©sumĂ© : Les réseaux sociaux représentent aujourd’hui un moyen de communication inévitable. Cependant, ils peuvent également être une source fiable pour diffuser les nouvelles et de la propagande dans les pays arabes, particulièrement au Maroc. Certains utilisateurs créent actuellement des comptes pour diffuser des contenus offensifs dans des publications écrites en dialecte marocain. Par ailleurs, ce langage offensif est interdit par nos cultures arabes et la détection automatique d’un tel langage est un défi majeur à surmonter.
Dans ce travail nous avons utilisé l’apprentissage profond afin de proposer un system de détection automatique de langage offensif dans le dialecte marocain sur Facebook .
RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 234/19 mast 234/19 BOU Texte imprimé Unité des masters Mast/19 Disponible Opinion Mining in Arabic / Jallam Noureddine
Titre : Opinion Mining in Arabic Type de document : projet fin études Auteurs : Jallam Noureddine, Auteur Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 261/19 Opinion Mining in Arabic [projet fin études] / Jallam Noureddine, Auteur . - [s.d.].
Langues : Français (fre)
Catégories : BIG DATA Index. décimale : mast 261/19 Réservation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 261/19 mast 261/19 JAL Texte imprimé Unité des masters Mast/19 Disponible Opinion Spam Detection Using machine learning techniques / Smail LEB
Titre : Opinion Spam Detection Using machine learning techniques Type de document : projet fin Ă©tudes Auteurs : Smail LEB, Auteur Langues : Français (fre) CatĂ©gories : BIG DATA Index. dĂ©cimale : mast 278/19 RĂ©sumĂ© : Avec une grande augmentation des données générées par le web et notamment
les réseaux sociaux, les contenus trompeurs tels que les fausses
critiques, également appelés opinion spam, sont devenus de plus en plus une
perspective dangereuse et présentent une grave menace pour les utilisateurs
d’internet.
D’autre part à l’époque du web social, il est devenu essentiel pour les entreprises
qui existent sur internet d’autoriser leurs clients finaux à rédiger des
critiques concernant les services qu’ils ont utilisés. Ces revues fournissent des
sources d’information vitales sur ces produits ou services. Ces informations
sont utilisées par les futurs clients potentiels avant de décider d’utiliser de
nouveaux services. Malheureusement, cette grande quantité d’opinion nous
expose à son tour au problème de spam.
Par ailleurs, en se confrontant aux spams, les internautes sont exposés à
des problèmes de sécurité, et les mineurs à des contenus inappropriés.
De plus, les spams gaspillent des ressources en termes de stockage, de
bande passante et de productivité. Ce qui aggrave le problème est que les
spammeurs continuent à inventer de nouvelles techniques pour éviter les
filtres anti-spam.
En outre, les flux de données massifs de centaines de millions d’individus
et le grand nombre d’attributs rendent le problème plus encombrant et
complexe.
Le problème du spam est devenu rapidement un domaine de recherche
expansif en raison de l’abondance de contenu généré par les utilisateurs. Le
plus gros défi est l’absence d’un moyen efficace de faire la différence entre un
véritable opinion et un faux. même les humains sont souvent incapables de
faire la différence.
Il est donc indispensable de proposer des modèles de détection de spam
plus évolutifs et adaptables.
Dans le cadre de ma mémoire de recherche en Master Sciences de Données
et Big Data il m’a été confié de réaliser un projet dont l’intitulé est Opinion
Spam Detection ou je vais essayer de proposer un système d’intelligence artificiel
capable de prédire les opinions SPAM.
En outre, une capacité d’identification automatique doit être intégrée au
système proposé pour détecter les caractéristiques les plus pertinentes au
cours du processus de détection.Opinion Spam Detection Using machine learning techniques [projet fin Ă©tudes] / Smail LEB, Auteur . - [s.d.].
Langues : Français (fre)
CatĂ©gories : BIG DATA Index. dĂ©cimale : mast 278/19 RĂ©sumĂ© : Avec une grande augmentation des données générées par le web et notamment
les réseaux sociaux, les contenus trompeurs tels que les fausses
critiques, également appelés opinion spam, sont devenus de plus en plus une
perspective dangereuse et présentent une grave menace pour les utilisateurs
d’internet.
D’autre part à l’époque du web social, il est devenu essentiel pour les entreprises
qui existent sur internet d’autoriser leurs clients finaux à rédiger des
critiques concernant les services qu’ils ont utilisés. Ces revues fournissent des
sources d’information vitales sur ces produits ou services. Ces informations
sont utilisées par les futurs clients potentiels avant de décider d’utiliser de
nouveaux services. Malheureusement, cette grande quantité d’opinion nous
expose à son tour au problème de spam.
Par ailleurs, en se confrontant aux spams, les internautes sont exposés à
des problèmes de sécurité, et les mineurs à des contenus inappropriés.
De plus, les spams gaspillent des ressources en termes de stockage, de
bande passante et de productivité. Ce qui aggrave le problème est que les
spammeurs continuent à inventer de nouvelles techniques pour éviter les
filtres anti-spam.
En outre, les flux de données massifs de centaines de millions d’individus
et le grand nombre d’attributs rendent le problème plus encombrant et
complexe.
Le problème du spam est devenu rapidement un domaine de recherche
expansif en raison de l’abondance de contenu généré par les utilisateurs. Le
plus gros défi est l’absence d’un moyen efficace de faire la différence entre un
véritable opinion et un faux. même les humains sont souvent incapables de
faire la différence.
Il est donc indispensable de proposer des modèles de détection de spam
plus évolutifs et adaptables.
Dans le cadre de ma mémoire de recherche en Master Sciences de Données
et Big Data il m’a été confié de réaliser un projet dont l’intitulé est Opinion
Spam Detection ou je vais essayer de proposer un système d’intelligence artificiel
capable de prédire les opinions SPAM.
En outre, une capacité d’identification automatique doit être intégrée au
système proposé pour détecter les caractéristiques les plus pertinentes au
cours du processus de détection.RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 278/19 mast 278/19 SMA Texte imprimé Unité des masters Mast/19 Disponible Optical character recognition for doctor’s handwriting / Hajar Benjahhar
Titre : Optical character recognition for doctor’s handwriting Type de document : projet fin études Auteurs : Hajar Benjahhar, Auteur Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 242/19 Résumé : The aim of the project is to create a handwritten text recognition system based on Hidden
Markov Models for guessing prescribed medicines’ names. The input is a word image that
is processed and segmented. After these two crucial phases, patterns are extracted from the
image and taken as input for the training and recognition phase.
The project is an initiative to realize a handwritten text recognition system for scribing
prescriptions of patients, extracting the relevant information and stored in data warehouse
in order to do studies such as propagation of disease by regions.Optical character recognition for doctor’s handwriting [projet fin études] / Hajar Benjahhar, Auteur . - [s.d.].
Langues : Français (fre)
Catégories : BIG DATA Index. décimale : mast 242/19 Résumé : The aim of the project is to create a handwritten text recognition system based on Hidden
Markov Models for guessing prescribed medicines’ names. The input is a word image that
is processed and segmented. After these two crucial phases, patterns are extracted from the
image and taken as input for the training and recognition phase.
The project is an initiative to realize a handwritten text recognition system for scribing
prescriptions of patients, extracting the relevant information and stored in data warehouse
in order to do studies such as propagation of disease by regions.RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 242/19 mast 242/19 HAJ Texte imprimé Unité des masters Mast/19 Disponible Pro-Eating Disorders and Pro-Recovery Communities on Reddit: Text and Network Comparative Analyses / Yousra Fettach
Titre : Pro-Eating Disorders and Pro-Recovery Communities on Reddit: Text and Network Comparative Analyses Type de document : projet fin études Auteurs : Yousra Fettach, Auteur Langues : Français (fre) Catégories : BIG DATA Mots-clés : Eating Disorders, Social Network Analysis, Opinion Mining, Content
Analysis
ACM Reference Format:
Yousra Fettach and Lamia Benhiba. 2019. Pro-Eating Disorders and Pro-
Recovery Communities on Reddit: Text and Network Comparative Analyses.
In The 21st International Conference on Information Integration andWeb-based
Applications Services (iiWAS2019), December 2–4, 2019, Munich, Germany.
ACM, NewYork,NY, USA, 10 pages. https://doi.org/10.1145/3366030.3366058Index. décimale : mast 259/19 Résumé : ABSTRACT
Online eating disorders communities play a major role in facilitating
the communication among users suffering from these illnesses.
Most studies have taken interest in the content of these
communities, without acknowledging the relationship between the
content and the structure of their networks of communication. We
present a multi-faceted study where we analyze the content and the
network of the pro-eating disorders (pro-ED) community and the
pro-recovery community on Reddit by applying an approach that
combines topic modeling, social network analysis and sentiment
analysis for a better comprehension of these communities on both
content and network levels. Through a comparative analysis, we
define the main topics both communities address based on their
users’ content, then we describe the communication patterns of
these communities, which leads us to analyze the sentiments of the
users with the most connections to other users in addition to the
ones that are common between both communities.
CCS CONCEPTS
• Human-centered computing→Social network analysis; • Computing
methodologies → Natural language processing; • Networks→
Social media networks.
Pro-Eating Disorders and Pro-Recovery Communities on Reddit: Text and Network Comparative Analyses [projet fin Ă©tudes] / Yousra Fettach, Auteur . - [s.d.].
Langues : Français (fre)
Catégories : BIG DATA Mots-clés : Eating Disorders, Social Network Analysis, Opinion Mining, Content
Analysis
ACM Reference Format:
Yousra Fettach and Lamia Benhiba. 2019. Pro-Eating Disorders and Pro-
Recovery Communities on Reddit: Text and Network Comparative Analyses.
In The 21st International Conference on Information Integration andWeb-based
Applications Services (iiWAS2019), December 2–4, 2019, Munich, Germany.
ACM, NewYork,NY, USA, 10 pages. https://doi.org/10.1145/3366030.3366058Index. décimale : mast 259/19 Résumé : ABSTRACT
Online eating disorders communities play a major role in facilitating
the communication among users suffering from these illnesses.
Most studies have taken interest in the content of these
communities, without acknowledging the relationship between the
content and the structure of their networks of communication. We
present a multi-faceted study where we analyze the content and the
network of the pro-eating disorders (pro-ED) community and the
pro-recovery community on Reddit by applying an approach that
combines topic modeling, social network analysis and sentiment
analysis for a better comprehension of these communities on both
content and network levels. Through a comparative analysis, we
define the main topics both communities address based on their
users’ content, then we describe the communication patterns of
these communities, which leads us to analyze the sentiments of the
users with the most connections to other users in addition to the
ones that are common between both communities.
CCS CONCEPTS
• Human-centered computing→Social network analysis; • Computing
methodologies → Natural language processing; • Networks→
Social media networks.
RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 259/19 mast 259/19 YOU Texte imprimé Unité des masters Mast/19 Disponible Reconnaissance des Ă©motions faciales / Mohamed TIMMI
Titre : Reconnaissance des Ă©motions faciales Type de document : projet fin Ă©tudes Auteurs : Mohamed TIMMI, Auteur Langues : Français (fre) CatĂ©gories : BIG DATA Index. dĂ©cimale : mast 245/19 RĂ©sumĂ© : Dans le cadre éducatif traditionnel, l'observation et l'identification de l'état émotionnel de l’apprenant permettent à l’enseignant de mener des actions qui vont influencer positivement ou négativement la qualité de l'apprentissage en classe.
Pour cette raison, il est important que les nouveaux systèmes informatiques soient dotés de l’intelligence artificielle émotionnelle tout en permettant de reconnaître l’état émotionnel courant de l’apprenant, de déterminer les émotions favorisant son apprentissage et de les produire afin de le soumettre dans des meilleures conditions pour l’apprentissage.
Dans notre mémoire de fin de formation, nous proposons un schéma descriptif conçus d’un système informatique pour la gestion des émotions. Nous nous focalisons sur des fonctions permettant de:
ď‚· Capturer l’image de l’apprenant,
ď‚· Détecter le visage,
ď‚· Extraire d’émotions à partir de l’analyse des expressions faciales de l’apprenantReconnaissance des Ă©motions faciales [projet fin Ă©tudes] / Mohamed TIMMI, Auteur . - [s.d.].
Langues : Français (fre)
CatĂ©gories : BIG DATA Index. dĂ©cimale : mast 245/19 RĂ©sumĂ© : Dans le cadre éducatif traditionnel, l'observation et l'identification de l'état émotionnel de l’apprenant permettent à l’enseignant de mener des actions qui vont influencer positivement ou négativement la qualité de l'apprentissage en classe.
Pour cette raison, il est important que les nouveaux systèmes informatiques soient dotés de l’intelligence artificielle émotionnelle tout en permettant de reconnaître l’état émotionnel courant de l’apprenant, de déterminer les émotions favorisant son apprentissage et de les produire afin de le soumettre dans des meilleures conditions pour l’apprentissage.
Dans notre mémoire de fin de formation, nous proposons un schéma descriptif conçus d’un système informatique pour la gestion des émotions. Nous nous focalisons sur des fonctions permettant de:
ď‚· Capturer l’image de l’apprenant,
ď‚· Détecter le visage,
ď‚· Extraire d’émotions à partir de l’analyse des expressions faciales de l’apprenantRĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 245/19 mast 245/19 MOH Texte imprimé Unité des masters Mast/19 Disponible Reconnaissance des Maladies des Orangers / Lefrere Nezha
Titre : Reconnaissance des Maladies des Orangers Type de document : projet fin Ă©tudes Auteurs : Lefrere Nezha, Auteur Langues : Français (fre) CatĂ©gories : BIG DATA Index. dĂ©cimale : mast 290/19 RĂ©sumĂ© : Les réseaux de neurones convolutifs sont parmi les méthodes d'apprentissage en profondeur (deep learning). Ils ont obtenu un très grand succès dans le domaine de la vision par ordinateur. La formation de ces modèles nécessite un très grand jeu de données pour une excellente performance, mais le manque de données devient l’un des problèmes courants du problème actuel de la science des données. Ce travail propose un réseau de neurones à apprentissage profond pour apprendre sur un ensemble de jeu de données de très petite taille, a cet égard un ensemble de données d'image a été collecté à partir du web . Le réseau proposé est l’ensemble de CNN, cela prend d'énormes quantités de données traitées et de puissance de calcul, ce qui a conduit a utilisé la technique du transfert Learning, peu de puissance de calcul est nécessaire. Nous utilisons des poids pré-formés, et n’avons qu’à apprendre les poids des dernières couches. En utilisant la méthode proposée pour un jeu d’entraînement limité, on a obtenu une amélioration importante du taux de reconnaissance. Reconnaissance des Maladies des Orangers [projet fin Ă©tudes] / Lefrere Nezha, Auteur . - [s.d.].
Langues : Français (fre)
CatĂ©gories : BIG DATA Index. dĂ©cimale : mast 290/19 RĂ©sumĂ© : Les réseaux de neurones convolutifs sont parmi les méthodes d'apprentissage en profondeur (deep learning). Ils ont obtenu un très grand succès dans le domaine de la vision par ordinateur. La formation de ces modèles nécessite un très grand jeu de données pour une excellente performance, mais le manque de données devient l’un des problèmes courants du problème actuel de la science des données. Ce travail propose un réseau de neurones à apprentissage profond pour apprendre sur un ensemble de jeu de données de très petite taille, a cet égard un ensemble de données d'image a été collecté à partir du web . Le réseau proposé est l’ensemble de CNN, cela prend d'énormes quantités de données traitées et de puissance de calcul, ce qui a conduit a utilisé la technique du transfert Learning, peu de puissance de calcul est nécessaire. Nous utilisons des poids pré-formés, et n’avons qu’à apprendre les poids des dernières couches. En utilisant la méthode proposée pour un jeu d’entraînement limité, on a obtenu une amélioration importante du taux de reconnaissance. RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 290/19 mast 290/19 LEF Texte imprimé Unité des masters Mast/19 Disponible Reconnaissance des maladies de la tomate par classification de texture et forme en utilisant le Deep Learning / NOREDINE HAJRAOUI
Titre : Reconnaissance des maladies de la tomate par classification de texture et forme en utilisant le Deep Learning Type de document : projet fin études Auteurs : NOREDINE HAJRAOUI, Auteur Langues : Français (fre) Catégories : BIG DATA Mots-clés : Maladie de la tomate, Deep learning, réseau de neurones
à convolution, ClassificationIndex. décimale : mast 271/19 Résumé : Les maladies des plantes sont des facteurs importants car elles
entraînent une réduction importante de la qualité et de la quantité de
produits agricoles. Par conséquent, la détection précoce et le
diagnostic de ces maladies sont importants. Nous donc proposons une
approche basée sur l’apprentissage en profondeur qui automatise le
processus de classification des maladies des feuilles de la tomate. Nous
utilisons le réseau de neurones à convolution pour classifier les
ensembles de données d'images. Les résultats préliminaires
démontrent l'efficacité de l'approche.
Les applications basées sur le traitement d'images pour la
reconnaissance et la classification des maladies des plantes constituent
le vaste domaine de recherche de nos jours. Ces applications sont utiles
pour la reconnaissance rapide des maladies des plantes. Dans ce projet,
quatre types de maladies de la tomate, à savoir le Mildiou de la tomate,
l’Oïdium, la Pourriture et le Bactériose, sont classés. La classification
est réalisée en extrayant les caractéristiques de couleur, de forme et
de texture de l’image de la tomate. Le processus d'extraction et de
classification d'images est effectué de façon automatique en utilisant
le réseau de neurones de convolution - Deep Learning in python.
Reconnaissance des maladies de la tomate par classification de texture et forme en utilisant le Deep Learning [projet fin Ă©tudes] / NOREDINE HAJRAOUI, Auteur . - [s.d.].
Langues : Français (fre)
Catégories : BIG DATA Mots-clés : Maladie de la tomate, Deep learning, réseau de neurones
à convolution, ClassificationIndex. décimale : mast 271/19 Résumé : Les maladies des plantes sont des facteurs importants car elles
entraînent une réduction importante de la qualité et de la quantité de
produits agricoles. Par conséquent, la détection précoce et le
diagnostic de ces maladies sont importants. Nous donc proposons une
approche basée sur l’apprentissage en profondeur qui automatise le
processus de classification des maladies des feuilles de la tomate. Nous
utilisons le réseau de neurones à convolution pour classifier les
ensembles de données d'images. Les résultats préliminaires
démontrent l'efficacité de l'approche.
Les applications basées sur le traitement d'images pour la
reconnaissance et la classification des maladies des plantes constituent
le vaste domaine de recherche de nos jours. Ces applications sont utiles
pour la reconnaissance rapide des maladies des plantes. Dans ce projet,
quatre types de maladies de la tomate, à savoir le Mildiou de la tomate,
l’Oïdium, la Pourriture et le Bactériose, sont classés. La classification
est réalisée en extrayant les caractéristiques de couleur, de forme et
de texture de l’image de la tomate. Le processus d'extraction et de
classification d'images est effectué de façon automatique en utilisant
le réseau de neurones de convolution - Deep Learning in python.
RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 271/19 mast 271/19 NOR Texte imprimé Unité des masters Mast/19 Disponible Segmentation de la texture dans les images en couleur / Oussama JAAFAR
Titre : Segmentation de la texture dans les images en couleur Type de document : projet fin Ă©tudes Auteurs : Oussama JAAFAR, Auteur Langues : Français (fre) CatĂ©gories : BIG DATA Index. dĂ©cimale : mast 249/19 RĂ©sumĂ© : La segmentation des images est un problème crucial pour l’analyse et la compréhension des images.
Parmi les approches existantes pour résoudre ce problème, la classification non supervisée est fréquemment
employée lors d’une première étape pour réaliser un partitionnement de l’espace des intensités
des pixels (qu’il s’agisse de niveaux de gris, de couleurs ou de réponses spectrales). Dans notre travail,
nous présentons une approche de la classification non supervisée permettant d’effectuer la segmentation
des images sans faire appel à des techniques supplémentaires. Plus précisément, nous élaborons
une méthode itérative de type k-means où les données à partitionner sont les pixels eux mêmes et les
histogrammes. Nous illustrons finalement le potentiel de l’approche proposée par quelques résultats
préliminaires de segmentation sur des images artificielles.
Segmentation de la texture dans les images en couleur [projet fin Ă©tudes] / Oussama JAAFAR, Auteur . - [s.d.].
Langues : Français (fre)
CatĂ©gories : BIG DATA Index. dĂ©cimale : mast 249/19 RĂ©sumĂ© : La segmentation des images est un problème crucial pour l’analyse et la compréhension des images.
Parmi les approches existantes pour résoudre ce problème, la classification non supervisée est fréquemment
employée lors d’une première étape pour réaliser un partitionnement de l’espace des intensités
des pixels (qu’il s’agisse de niveaux de gris, de couleurs ou de réponses spectrales). Dans notre travail,
nous présentons une approche de la classification non supervisée permettant d’effectuer la segmentation
des images sans faire appel à des techniques supplémentaires. Plus précisément, nous élaborons
une méthode itérative de type k-means où les données à partitionner sont les pixels eux mêmes et les
histogrammes. Nous illustrons finalement le potentiel de l’approche proposée par quelques résultats
préliminaires de segmentation sur des images artificielles.
RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 249/19 mast 249/19 OUS Texte imprimé Unité des masters Mast/19 Disponible Smart Agriculture / Oumaima EL GADI
Titre : Smart Agriculture Type de document : projet fin études Auteurs : Oumaima EL GADI, Auteur Langues : Français (fre) Catégories : BIG DATA Mots-clés : Irrigation management system, Evolution detection, Neural network, Internet of
ThingsIndex. décimale : mast 267/19 Résumé : This document describes the proposed system for remote control of the plant, i.e.
automating irrigation and taking the decision if the plant is suitable for the climate
or if its position needs to be changed.
Our system estimates the irrigation needs of a plantation, based on soil measurements
and climate variables collected by sensors connected with the Raspberry.
To estimate the plant’s needs, we propose to use a deep learning technique, more
precisely the Multilayer Perceptron (MLP). For prediction the algorithm is implemented,
the prediction function works on any database. By detecting if the plant
needs water, we start the pump and we will record this event.
The monitoring of the plant is synchronized periodically, we pray in consideration
of the autumn season. We used the R-CNN Mask for object detection and instance
segmentation to delimit the plant in the image and then we use the histogram
to calculate its size. The calculation is applied to the current image of the plant and
the previous one, then we compare the results if the plant evolves we display that
no need to change its environment. We have also implemented a function as a complement
to this one, which aims to detect if the fruit is ripe or not. This function is
dedicated to red fruits.
Smart Agriculture [projet fin Ă©tudes] / Oumaima EL GADI, Auteur . - [s.d.].
Langues : Français (fre)
Catégories : BIG DATA Mots-clés : Irrigation management system, Evolution detection, Neural network, Internet of
ThingsIndex. décimale : mast 267/19 Résumé : This document describes the proposed system for remote control of the plant, i.e.
automating irrigation and taking the decision if the plant is suitable for the climate
or if its position needs to be changed.
Our system estimates the irrigation needs of a plantation, based on soil measurements
and climate variables collected by sensors connected with the Raspberry.
To estimate the plant’s needs, we propose to use a deep learning technique, more
precisely the Multilayer Perceptron (MLP). For prediction the algorithm is implemented,
the prediction function works on any database. By detecting if the plant
needs water, we start the pump and we will record this event.
The monitoring of the plant is synchronized periodically, we pray in consideration
of the autumn season. We used the R-CNN Mask for object detection and instance
segmentation to delimit the plant in the image and then we use the histogram
to calculate its size. The calculation is applied to the current image of the plant and
the previous one, then we compare the results if the plant evolves we display that
no need to change its environment. We have also implemented a function as a complement
to this one, which aims to detect if the fruit is ripe or not. This function is
dedicated to red fruits.
RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 267/19 mast 267/19 OUM Texte imprimé Unité des masters Mast/19 Disponible Smart Company, Entreprise Level Problem Solving Through AI, Skill Requirement management: CV indexing and analysis / Alaoui Ismaili Soukaina
Titre : Smart Company, Entreprise Level Problem Solving Through AI, Skill Requirement management: CV indexing and analysis Type de document : projet fin études Auteurs : Alaoui Ismaili Soukaina, Auteur Langues : Français (fre) Catégories : BIG DATA Mots-clés : Natural Language Processing, CV Parsing, Machine learning, Enterprise
Resource Planning, Information Retrieval, Regular Expression, Electronic Document
Management, Named Entity RecognitionIndex. décimale : mast 268/19 Résumé : Smart business, Big data or articial intelligence are all terminologies that refer to
the application of modern and powerful technologies to process business-specic data.
This treatment is done automatically and far exceeds the eciency and accuracy achieved
by a human brain.
From the production chain to customer relations, logistics and human resources, arti-
cial intelligence invests companies. Combined with other technologies, the AI provides
a 360 ° view of customers, delivers predictive analytics, or provides contextualized answers
by drawing on all the data, structured or not. Today many leaders are attracted
to AI and want to know how this technology can help them transform their industry,
automate some of their processes, or help them increase their productivity and relevance,
because "If a recruiter can process 100 CV in one hour, articial intelligence can
treat a million in a few seconds with a much more rigorous, illustrates Jérémy Lamri,
founder of LAB RH, as long as the criteria are well determined."
For this purpose, rst, a presentation of the context of the project and the problematic
in question is necessary in the rst chapter. Second, the second chapter includes the
state of knowledge, the various achievements and work in progress in this area, that
is, articial intelligence in business applied to several areas such as human resources
that uses AI in several applications among them we nd the CV analysis which will
be more detailed in the following chapter explaining the method proposed with the
dierent technologies and algorithms used while indicating the steps followed. And
nally, in the last chapter, presented the objectives and results achieved, presenting
the proposed perspectives for the continuation of the project in the future.
Smart Company, Entreprise Level Problem Solving Through AI, Skill Requirement management: CV indexing and analysis [projet fin Ă©tudes] / Alaoui Ismaili Soukaina, Auteur . - [s.d.].
Langues : Français (fre)
Catégories : BIG DATA Mots-clés : Natural Language Processing, CV Parsing, Machine learning, Enterprise
Resource Planning, Information Retrieval, Regular Expression, Electronic Document
Management, Named Entity RecognitionIndex. décimale : mast 268/19 Résumé : Smart business, Big data or articial intelligence are all terminologies that refer to
the application of modern and powerful technologies to process business-specic data.
This treatment is done automatically and far exceeds the eciency and accuracy achieved
by a human brain.
From the production chain to customer relations, logistics and human resources, arti-
cial intelligence invests companies. Combined with other technologies, the AI provides
a 360 ° view of customers, delivers predictive analytics, or provides contextualized answers
by drawing on all the data, structured or not. Today many leaders are attracted
to AI and want to know how this technology can help them transform their industry,
automate some of their processes, or help them increase their productivity and relevance,
because "If a recruiter can process 100 CV in one hour, articial intelligence can
treat a million in a few seconds with a much more rigorous, illustrates Jérémy Lamri,
founder of LAB RH, as long as the criteria are well determined."
For this purpose, rst, a presentation of the context of the project and the problematic
in question is necessary in the rst chapter. Second, the second chapter includes the
state of knowledge, the various achievements and work in progress in this area, that
is, articial intelligence in business applied to several areas such as human resources
that uses AI in several applications among them we nd the CV analysis which will
be more detailed in the following chapter explaining the method proposed with the
dierent technologies and algorithms used while indicating the steps followed. And
nally, in the last chapter, presented the objectives and results achieved, presenting
the proposed perspectives for the continuation of the project in the future.
RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 268/19 mast 268/19 ALA Texte imprimé Unité des masters Mast/19 Disponible SMART URBAIN MOBILITY : SMART TRAFFIC LIGHT WITH Q -LEARNI / Imrane CHEMSEDDINE IDRISSI
Titre : SMART URBAIN MOBILITY : SMART TRAFFIC LIGHT WITH Q -LEARNI Type de document : projet fin études Auteurs : Imrane CHEMSEDDINE IDRISSI, Auteur Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 241/19 SMART URBAIN MOBILITY : SMART TRAFFIC LIGHT WITH Q -LEARNI [projet fin études] / Imrane CHEMSEDDINE IDRISSI, Auteur . - [s.d.].
Langues : Français (fre)
Catégories : BIG DATA Index. décimale : mast 241/19 Réservation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 241/19 mast 241/19 IMR Texte imprimé Unité des masters Mast/19 Disponible State of the Art on Deep Learning Video-Based Face Recognition and Tracking Systems / LISSAOUI El Yazid
Titre : State of the Art on Deep Learning Video-Based Face Recognition and Tracking Systems Type de document : projet fin études Auteurs : LISSAOUI El Yazid, Auteur Langues : Français (fre) Catégories : BIG DATA Mots-clés : Computer vision, video-based face recognition, face tracking, Kalman Filter, Particle Filter, face recognition system, triplet loss, CNN. Index. décimale : mast 262/19 Résumé : Nowadays, automatic face recognition systems are a prominent subject of research in the field of computer vision for their multiple and increasing applications; they gained more attention after the introduction of deep learning models that proved to be much more versatile and performant in the form of encoding-oriented CNNs. Nonetheless, video-based face recognition and tracking systems revealed to be much more challenging than still image operations; unconstrained environments, large volume of data and the spatial-temporality nature of videos push toward the need of developing robust systems that can overcome the mentioned challenges and aim, potentially, for real-time accurate performance. In that regard, research centered its attention toward this problematic and up until recently, dozens of papers have been published that deal with video-based recognition specifically.
This thesis presents the recent state-of-the-art deep learning techniques and models for video-based face recognition as well as methods for face tracking. The motivation behind this work is to find the potential building blocks to construct an automatic and autonomous system for video-based recognition for possibly real time applications. We will explore the Triplet Loss model and autoencoders for face recognition and review the most recent architectures used to achieve high performance. Moreover, the tracking problem will also be discussed through Kalman Filter and Particle filter and discuss their compatibility with the previously mentioned recognition.
State of the Art on Deep Learning Video-Based Face Recognition and Tracking Systems [projet fin Ă©tudes] / LISSAOUI El Yazid, Auteur . - [s.d.].
Langues : Français (fre)
Catégories : BIG DATA Mots-clés : Computer vision, video-based face recognition, face tracking, Kalman Filter, Particle Filter, face recognition system, triplet loss, CNN. Index. décimale : mast 262/19 Résumé : Nowadays, automatic face recognition systems are a prominent subject of research in the field of computer vision for their multiple and increasing applications; they gained more attention after the introduction of deep learning models that proved to be much more versatile and performant in the form of encoding-oriented CNNs. Nonetheless, video-based face recognition and tracking systems revealed to be much more challenging than still image operations; unconstrained environments, large volume of data and the spatial-temporality nature of videos push toward the need of developing robust systems that can overcome the mentioned challenges and aim, potentially, for real-time accurate performance. In that regard, research centered its attention toward this problematic and up until recently, dozens of papers have been published that deal with video-based recognition specifically.
This thesis presents the recent state-of-the-art deep learning techniques and models for video-based face recognition as well as methods for face tracking. The motivation behind this work is to find the potential building blocks to construct an automatic and autonomous system for video-based recognition for possibly real time applications. We will explore the Triplet Loss model and autoencoders for face recognition and review the most recent architectures used to achieve high performance. Moreover, the tracking problem will also be discussed through Kalman Filter and Particle filter and discuss their compatibility with the previously mentioned recognition.
RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 262/19 mast 262/19 LIS Texte imprimé Unité des masters Mast/19 Disponible Strong Tail Recommendation System / Ilias Azizi
Titre : Strong Tail Recommendation System Type de document : projet fin études Auteurs : Ilias Azizi, Auteur Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 238/19 Résumé : With the advent of the web and technological developments, among others, the mass
of data to be exploited or analyzed has become very large. As a result, it has become
difficult to know what data to look for and where to find them. Computer techniques
have been developed to ease this research as well as the extraction of relevant information.
The one we focus on in this work is the recommendation system. This is to
guide the user in their exploration of the data so that it finds relevant information.
We propose a novel recommendation system, based on the proposed Strong tail similarity,
Graph embedding, community detection. In our work, using user-item’s bipartite
graph and strong tail similarity, we first construct the strong tail item graph, we apply
Node2vec algorithm for graph embedding to represent items in a continuous space Rd,
and based on the strong tail item graph, we split items into communities using Louvain
community detection algorithm .We construct the embedding space for users and
communities from items embedding space, and we aggregate the latent vector of each
entity with the corresponding side information to enhance the representation of users
and items in the embedded space. we train our Neural Network model to predict rating
using users and items latent vectors with respect to the rating user-item’s matrix,
the model is used in the framework online process to help in generating relevant rank
recommendation list of items. Focusing on the case of movies recommendation, extensive
experiments on a real-world dataset demonstrate the effectiveness of the proposed
framework.Strong Tail Recommendation System [projet fin Ă©tudes] / Ilias Azizi, Auteur . - [s.d.].
Langues : Français (fre)
Catégories : BIG DATA Index. décimale : mast 238/19 Résumé : With the advent of the web and technological developments, among others, the mass
of data to be exploited or analyzed has become very large. As a result, it has become
difficult to know what data to look for and where to find them. Computer techniques
have been developed to ease this research as well as the extraction of relevant information.
The one we focus on in this work is the recommendation system. This is to
guide the user in their exploration of the data so that it finds relevant information.
We propose a novel recommendation system, based on the proposed Strong tail similarity,
Graph embedding, community detection. In our work, using user-item’s bipartite
graph and strong tail similarity, we first construct the strong tail item graph, we apply
Node2vec algorithm for graph embedding to represent items in a continuous space Rd,
and based on the strong tail item graph, we split items into communities using Louvain
community detection algorithm .We construct the embedding space for users and
communities from items embedding space, and we aggregate the latent vector of each
entity with the corresponding side information to enhance the representation of users
and items in the embedded space. we train our Neural Network model to predict rating
using users and items latent vectors with respect to the rating user-item’s matrix,
the model is used in the framework online process to help in generating relevant rank
recommendation list of items. Focusing on the case of movies recommendation, extensive
experiments on a real-world dataset demonstrate the effectiveness of the proposed
framework.RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 238/19 mast 238/19 ILI Texte imprimé Unité des masters Mast/19 Disponible Swarm AUVs: Target localization and tracking / Rabab Boulouchgour
Titre : Swarm AUVs: Target localization and tracking Type de document : projet fin études Auteurs : Rabab Boulouchgour, Auteur Langues : Français (fre) Catégories : BIG DATA Mots-clés : AUV, Swarm AUVs, Target Tracking, Deep learning Index. décimale : mast 248/19 Résumé : The underwater represents a very challenging environment to explore, the development
of autonomous underwater vehicles allowed accomplishing missions difficult if
not impossible for human divers. However, AUVs are met with other challenges such
as the mission time limited by batteries’ duration, thus the focus is now on developing
swarm AUVs who cooperate to accomplish tasks more efficiently.
The efficiency of a swarm navigation is constrained by the communication link and the
knowledge of the AUVs states, in this work we focus on the case of the master-slave architecture,
and we address the problem of the localization and tracking. The proposed
method is based on sparsely-allocated OFDM as a communication strategy and target
labeling protocol and LMHT-DeepMTT algorithm based on modified Hough transform
supported by DeepMTT a deep learning maneuvering tracking algorithm. Through
simulation, we evaluate the performance of the approach and find that it allows to
track the targets efficiently even in presence of important noise.
Swarm AUVs: Target localization and tracking [projet fin Ă©tudes] / Rabab Boulouchgour, Auteur . - [s.d.].
Langues : Français (fre)
Catégories : BIG DATA Mots-clés : AUV, Swarm AUVs, Target Tracking, Deep learning Index. décimale : mast 248/19 Résumé : The underwater represents a very challenging environment to explore, the development
of autonomous underwater vehicles allowed accomplishing missions difficult if
not impossible for human divers. However, AUVs are met with other challenges such
as the mission time limited by batteries’ duration, thus the focus is now on developing
swarm AUVs who cooperate to accomplish tasks more efficiently.
The efficiency of a swarm navigation is constrained by the communication link and the
knowledge of the AUVs states, in this work we focus on the case of the master-slave architecture,
and we address the problem of the localization and tracking. The proposed
method is based on sparsely-allocated OFDM as a communication strategy and target
labeling protocol and LMHT-DeepMTT algorithm based on modified Hough transform
supported by DeepMTT a deep learning maneuvering tracking algorithm. Through
simulation, we evaluate the performance of the approach and find that it allows to
track the targets efficiently even in presence of important noise.
RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 248/19 mast 248/19 RAB Texte imprimé Unité des masters Mast/19 Disponible