http://univ-bejaia.dz/dspace/123456789/222 Thu, 30 Apr 2026 10:09:11 GMT 2026-04-30T10:09:11Z http://univ-bejaia.dz/dspace/123456789/27196 Approche d'apprentissage profond pour prédire la consommation d'électricité Chaffi, Aicha Manel; Belaid, Nora; Mir, Foudil;Promoteur Les années récentes ont vu le fulgurant essor de l'intelligence artificielle, et notamment de ses sous-branches l'apprentissage automatique (ML) et l'apprentissage profond (DL), ouvrant la voie à l'épanouissement de solutions innovantes dans tous les champs. La branche énergétique n'y fait pas exception, les entreprises mettant en place les moyens nécessaires pour utiliser ces technologies afin de prévoir de manière plus efficace la consommation des clients et augmenter leurs services. Dans cette optique, ce projet final a consisté à développer une application web d'analyse et de prévision des consommations électriques à la direction commerciale de Sonelgaz à Béjaïa . L' application est basée sur trois modèles temporels de séries complémentaires : SARIMA, SARIMAX ( variables exogènes ) et GRU, un modèle de réseau neuronal récurrent adapté aux séquences temporelles. Il dispose d'une interface interactive pour la visualisation des données historiques et la génération de prévisions. L'évolution du projet a été menée selon une méthode agile avec l'approche Scrum comme base, et les tests ont été menés sur les données de consommation mensuelle de 7 clients sur une période de 4 ans. Option : Génie Logiciel Wed, 01 Jan 2025 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27196 2025-01-01T00:00:00Z http://univ-bejaia.dz/dspace/123456789/27195 Conception et réalisation d'une application desktop de gestion d'un cabinet dentaire. Oulmi, Malika; Bachiri, Lina ; promotrice; Zidani, Ferroudja;promotrice L'informatique s'impose aujourd'hui comme un outil indispensable dans tous les secteurs d'activité, notamment dans le domaine médical où elle optimise la gestion des données et améliore la qualité des soins. Ce mémoire présente la conception et le développement d'une application desktop de gestion pour un cabinet dentaire, offrant une solution complète pour : -La gestion des dossiers patients/gestion des traitements. -La planification des rendez-vous/Edition des ordonnances. -Le suivi des patients par l'ajout des prescription. Ce travail a été réalisé en utilisant le processus de développement UP (Processus Unified) et le langage de modélisation UML(Unified ModelingLanguage) afin de schématiser la solution. Les technologies clés utilisées incluent : Java SE 8 (portabilité, sécurité), JavaFX (interface graphique moderne), SQLite (base de données embarquée),NetBeans (environnement de développement). Option : Génie Logiciel Wed, 01 Jan 2025 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27195 2025-01-01T00:00:00Z http://univ-bejaia.dz/dspace/123456789/27194 Application de l'Analyse Statistique Implicative dans le domaine de la sante. Ait Mouhoub, Katia; Abbou, Liticia; Khaled, Hayette;primotrice Ce mémoire porte sur l'application de l'Analyse Statistique Implicative (ASI) a l' étude du diabète de type 2, a partir du jeu de données médicales Pima Indian Diabètes. L'objectif principal est de détecter des profils à risque en identifiant des liens logiques entre différentes variables cliniques, souvent invisibles avec les méthodes statistiques classiques. Après avoir présenté les fondements théoriques du Data Mining et les limites des approches traditionnelles, l'ASI est introduite comme une méthode complémentaire, capable de faire émerger des connaissances nouvelles. A l'aide du logiciel R et le package RCHIC, nous avons mis en œuvre une analyse complète, allant du prétraitement des données à la visualisation des résultats. L'étude a permis de révéler des profils a haut risque de diabète, ainsi que des équilibres biologiques chez des patientes non diabétiques, suggérant un terrain métabolique fragile. Ces résultats soulignent l'intérêt et de l'ASI pour la prévention, l'interprétation fine des données, et l'aide à la décision médicale. Ce travail met en valeur l'inter ´ et de l'Analyse Statistique Implicative pour mieux comprendre les facteurs du diabète de type 2. Il souligne son utilité ` e pour la prévention et l'analyse approfondie des données médicales. Option : Génie Logiciel Wed, 01 Jan 2025 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27194 2025-01-01T00:00:00Z http://univ-bejaia.dz/dspace/123456789/27193 Prédiction basée sur l'apprentissage profond Bensekhria, Asma; Chouf, Dihya; Mir, Foudil;Promoteur Avec l'essor de l'intelligence artificielle, les avancées récentes en apprentissage automatique (ML) et en apprentissage profond (DL) offrent aux entreprises des outils puissants pour amé- liorer leurs performances. Face aux défis liés à la gestion de l'énergie, comme l'augmentation constante de la demande, ces technologies apparaissent comme une solution innovante. Ce mémoire s'inscrit dans cette dynamique et propose le développement d'une application web permettant d'analyser et de prédire la consommation électrique au sein de la direction commerciale de Sonelgaz à Béjaïa. L'application repose sur trois approches de prévision des séries temporelles : ARIMA, SARIMA et les réseaux de neurones LSTM. Elle offre des fonctionnalités de visualisation, de prédiction et de génération de rapports. Pour structurer le développement, la méthodologie agile Scrum a été adoptée, assurant un pilotage itératif et collaboratif du projet. L'évaluation de l'application a été réalisée à partir des données réelles de consommation mensuelle de 7 clients, collectées sur une période de 4 ans dans la région de Béjaïa. Option : Génie Logiciel Wed, 01 Jan 2025 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27193 2025-01-01T00:00:00Z