Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/24967
Full metadata record
DC FieldValueLanguage
dc.contributor.authorDebbouz, Sami Zakaria-
dc.contributor.authorEl Bouhissi, H.;promoteur-
dc.date.accessioned2024-12-10T12:42:22Z-
dc.date.available2024-12-10T12:42:22Z-
dc.date.issued2024-
dc.identifier.issn003MAS/364-
dc.identifier.urihttp://univ-bejaia.dz/dspace/123456789/24967-
dc.descriptionOption :Modélisation Optimisation et aide a la décisionen_US
dc.description.abstractmesure que les réseaux de télécommunications évoluent et que la demande de services explose, les risques de congestion augmentent, menaçant la qualité du service et l'expérience utilisateur. Anticiper ces congestions est devenu un défi majeur pour les opérateurs. Ce mé- moire propose une approche basée sur l'algorithme CatBoost pour prédire les congestions avant qu'elles ne surviennent. En utilisant les données de trafic réseau d'Optimum Telecom Algérie "Djezzy", notre modèle permet d'identifier de manière proactive les équipements susceptibles de subir une surcharge. Cette solution vise à améliorer la gestion du réseau en offrant la possibilité de prendre des mesures préventives pour éviter la congestion. Les résultats sont présentés via un tableau de bord interactif, facilitant ainsi l'analyse et la prise de décision.en_US
dc.language.isofren_US
dc.publisherUniversité Abderramane Mira-Bejaiaen_US
dc.subjectRéseau de téléphonie mobile : apprentissage automatique :CatBoost : Equipements D'antennesen_US
dc.titleImplémentation d'un modèle machine learning pour la prédiction de congestion dans les équipements d'antennes.en_US
dc.typeThesisen_US
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
SAMY_Mémoire__version_2_-1.pdf1.12 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.