Please use this identifier to cite or link to this item:
http://univ-bejaia.dz/dspace/123456789/25286
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Maouchi, Fouad | - |
dc.contributor.author | Touche, Nassima ; promotrice | - |
dc.date.accessioned | 2024-12-24T09:16:32Z | - |
dc.date.available | 2024-12-24T09:16:32Z | - |
dc.date.issued | 2024 | - |
dc.identifier.other | 003MAS/396 | - |
dc.identifier.uri | http://univ-bejaia.dz/dspace/123456789/25286 | - |
dc.description | Option : Mathématiques Financières | en_US |
dc.description.abstract | Ce mémoire explore les approches de prédiction des prix du Dogecoin en utilisant des techniques de l'apprentissage automatique et de l'apprentissage profond. Les cryptomonnaies, notamment le Dogecoin, sont devenues populaires en raison de leur nature décentralisée et de leur potentiel de rendement élevé, malgrè une volatilité marquée. L'étude évalue plusieurs algorithmes, tels que XGBoost, LightGBM, CatBoost et les réseaux de neurones artificiels (ANN), afin de déterminer lequel offre les meilleures performances en termes de précision et de robustesse. Les résultats permettent de mieux comprendre les forces et les faiblesses de chaque mod`ele et fournissent des recommandations pour une utilisation pratique dans la prédiction des prix des cryptomonnaies. | en_US |
dc.language.iso | fr | en_US |
dc.publisher | Université Abderramane Mira-Bejaia | en_US |
dc.subject | Apprentissage automatique : Apprentissage profond : Prédiction des prix : Cryptomonnaies : XGBoost : LightGBM : CatBoost : Réseaux de neurones artificiels : Dogecoin : Méthodes d'ensemble | en_US |
dc.title | Prediction des prix du Dogecoin | en_US |
dc.title.alternative | une analyse comparative de modèles d'apprentissage automatique. | en_US |
dc.type | Thesis | en_US |
Appears in Collections: | Mémoires de Master |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
PFE (33).pdf | 1.74 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.