Mohamed Djerioui, Houdham Ouanas , Mohamed Ladjal , Yacine Kouidri

كلية التكنولوجيا-جامعة محمد بوضياف - المسيلة · الجزائر

Les progrès technologiques ont facilité l’acquisition et la collecte de nombreuses données.Ces données peuvent être utilisées comme aide à la décision, conduisant au développementd’outils capables de les analyser et de les traiter. Les systèmes de soutien diagnostique sontconsidérés comme essentiels dans de nombreuses disciplines, basés sur des techniquesd’intelligence artificielle, mais les problèmes les plus intéressants sont souvent basés sur degrandes données. Ces problèmes se rapportent à des situations où nous avons peu d’observations,alors que le nombre de variables explicatives est très élevé. La sélection des variables estdevenue l’objet qui attire l’attention de nombreux chercheurs ces dernières années, cettesélection permet d’identifier et d’éliminer les variables qui pénalisent la performance d’unmodèle complexe dans la mesure où elles peuvent être bruyantes, redondant ou non pertinent. Enoutre, l’identification des variables pertinentes facilite l’interprétation et la compréhension desaspects liés à l’application; ainsi, il permet d’améliorer la performance prédictive des méthodesde classification et de ne pas tenir compte de l’organisme nuisible de la dimensionnalité élevéede ces données.Actuellement, l’approche par filtre est couramment utilisée pour analyser les donnéesbiologiques, cette approche consiste à examiner la sélection des variables avant le processusd’apprentissage et ne conserve que des caractéristiques informationnelles.L’objectif de ce travail est de contribuer à la recherche et au développement de systèmesinnovants d’aide au diagnostic médical. Ce travail de simulation se concentre sur l’application detechniques d’apprentissage statistique comme solution à la conception de ces systèmes par lareconnaissance des formes. Dans le cadre de l’apprentissage contrôlé, la sélection des fonctionspermet d’obtenir des classificateurs précis.Afin de mener une étude comparative permettant un choix décisif de la méthode la mieuxadaptée à l’application proposée, on évaluera pour les méthodes exposées les paramètres liés autaux de reconnaissance, au temps d’apprentissage et à l’erreur d’entraînement.

Helal Abd-Alraouf Assaf, محمد عواض

كلية الدراسات العليا-الجامعة العربية الأمريكية · فلسطين

One of the most prevalent types of cancer in the world is skin cancer and Melanoma is widely regarded as the most common and potentially deadly skin cancer. Similar to all other types of cancer, early detection increases the likelihood of successful treatment; fortunately, with the advancement of AI in image processing and the availability of skin cancer historical datasets, it is possible to develop a classification model using deep learning algorithms to facilitate and have a more accurate skin cancer detection, this helps lab teams and simultaneously positively affects the length of the period until the disease is detected, in addition to its cost. By the usage of this system, early detection will save effort, time, and human lives. In this work, the CNN model and various transfer learning-based models, such as; ResNet50, VGG16, VGG19, EfficientNetB7, DenseNet169, Xception, and InceptionV3 are proposed. In addition, averaging ensemble approach is performed on various combinations of the models. This helps to increase the performance of cancer detection. The SIIM-ISIC Melanoma Classification Challenge dataset is used to train and test the proposed model. In this work, data augmentation is applied to the datasets to improve the model training process. We will implement augmentation in two phases; first, applying multiple techniques to the malignant class of images to increase the number of images in this class and solve the imbalance problem. Second, conducting random left and right flipping and up and down flipping augmentation methods on both categories of data to make a diverse set of images from existent images. The proposed method's performance is evaluated using well-known quantitative measures, such as; accuracy, precision, recall, and f1-score. The ensemble modeling of five of the bestVmodels, which are; CNN, EfficientNetB7, VGG16, VGG19, and DenseNet169 outperforms all other models, with an accuracy of 93.79%, a precision of 94.18%, recall of 93.79%, f1 score of 94.77% and AUC score 93.8% on the unseen test dataset. The findings show that the proposed model is more efficient and reliable for automating skin cancer classification in comparison to previous works, shortens the recognition processes, and is valuable in its contribution to saving patients’ lives

Katia Khima , Soufia Khaled, Touahri

كلية العلوم الاقتصادية والتجارية والإدارة-جامعة عبد الرحمان ميرة - بجاية · الجزائر

Le marketing relationnel a pris une place importante dans le secteur des services. Cedéveloppement d’abord souligné par Berry en 1983, est aujourd’hui analysé par de nombreuxauteurs. La banque, soumise à une concurrence croissante (les compagnies d’assurance lagrande distribution, les OPCVM), s’est intéressée à cette évolution du marketing pourdévelopper une Gestion de la Relation Client. Cette démarche est d’autant plus importanteque les besoins et attentes de la clientèle deviennent de plus en plus divers, de plus la clientèlede la banque est de plus en plus bien informée des services offerts ce qui est en mesure derenforcer leur pouvoir de négociation. Cette nouvelle orientation nécessite une évolution del’organisation pour être pleinement efficace. Clients et personnel bancaire ne sont pas toujoursfavorables à ces changements.Notre mémoire propose de faire le point sur la Gestion de la Relation Client et lesconditions de sa mise en œuvre. Ainsi que l’évaluation de cette démarche au sein des banquesde la ville de Bejaia par le biais d’une enquête de terrain où nous nous adressons par deuxquestionnaires l’un aux dirigeants des banques et l’autre à leur clientèle

Fatiha Habbi, M’hamed Bounekhla

كلية التكنولوجيا-جامعة سعد دحلب - البليدة · الجزائر

Le présent travail s‘intéresse à l‘identification et à la commande de la machine synchrone (MS) par les métaheuristiques. La machine considérée dans ce travail est une machine synchrone à pôles saillants avec amortisseurs (MSPS).L‘approche proposée permet de déterminer douze paramètres de la machine à l‘aide de la méthode du modèle de référence à partir de l‘essai de court-circuit brusque.Parmi ces paramètres, la position initiale du rotor à l‘instant de court-circuit est aussi déterminée avec les autres paramètres de la machine. Ces paramètres sont obtenus par minimisation de la somme des erreurs quadratiques entre les courant mesurés (le courant statorique de la phase (a) et le courant d‘excitation) et ceux calculés à partir du modèle adopté de la machine. Pour cela, une méthode d‘hybridation séquentielle, associant l‘algorithme Particle Swarm Optimization (PSO) avec la méthode de Nelder-Mead (NM) est utilisée pour minimiser le critère d‘évaluation. La validation de l‘approche d‘identification ainsi que la méthode d‘optimisation adoptée sont effectuées à l‘aide de données simulées. La validation des résultats obtenus à l‘aide de données expérimentales relevées sur une machine synchrone de 300VA, est confirmée par la superposition appropriée des courants mesurés et ceux calculés par le modèle adopté de la machine. Par la suite, le modèle non-linéaire de la machine sera utilisé directement sans passer par une linéarisation, afin de réguler la tension de sortie de la machine en utilisant un régulateur PI. Deux métaheuristiques : les algorithmes génétiques (AG) et PSO sont utilisées pour déterminer les valeurs optimales des gains du régulateur PI. De nombreux tests de robustesse sont effectués en tenant en compte des variations de paramètres de la machine avec variation de la charge. De plus, pour améliorer les performances de la courbe de tension de sortie de la génératrice, deux tensions de références sont adoptées.

Houcine Kaddour, Ikram Lachraf , Rida Mesbahi , Salah Laadjal , Toufik Mezahdia

كلية الآداب واللغات-جامعة الشهيد حمة لخضر - الوادي · الجزائر

Ce mémoire souligne l'importance de l'utilisation des technologies de l'information et de la communication (TIC) pour l'enseignement du FLE. En effet, la plateforme Moodle de l'université de El Oued offre de nombreuses possibilités pour améliorer l'apprentissage duFLE, notamment en permettant l'accès à une grande variété de ressources pédagogiques, en favorisant l'autonomie de l'apprenant et en permettant un apprentissage plus flexible. Cependant, les résultats de cette étude montrent également que l'enseignement à distance du FLE présente certaines limites, notamment en termes d'interaction sociale entre les étudiants et entre les enseignants et les étudiants, ce qui peut affecter la motivation des étudiants et leur apprentissage. Par conséquent, il est important de développer des stratégies pédagogiques qui tiennent compte de ces limites pour maximiser les avantages de l'utilisation de plateforme Moodle pour l'enseignement du FLE. Enfin, cette étude offre des pistes pour des recherches futures dans ce domaine, notamment en explorant l'utilisation de différentes stratégies pédagogiques pour améliorer l'interaction sociale et la motivation des étudiants en enseignement à distance du FLE, ainsi qu'en étudiant l'impact de cette plateforme sur l'apprentissage du FLE dans d'autres contextes d'enseignement.

سميرة جلابي, طويرات رابح

كلية العلوم الاقتصادية والتجارية وعلوم التسيير-جامعة محمد بوضياف - المسيلة · الجزائر

هدفت الد ا رسة إلى معرفة المحاسبة الإبداعية ودور الم ا رجعة الخارجية في الحد من ممارساتها،باعتبارها من الممارسات التي تهدف إلى إخفاء الأداء الفعمي لممؤسسات واظهار نتائج نشاطالمؤسسات ومركزها المالي بصورة مخالفة لمواقع الاقتصادي من اجل تحقيق أهداف ومصالح فئةمعينة، لهذا قمنا بد ا رسة ميدانية لعينة تتكون من مجموعة من الم ا رجعين الخارجيين لمتعرف عمى دورالم ا رجع الخارجي في الحد من ممارسات المحاسبة الإبداعية.01 المتعمق بمهنة الم ا رجعة ويمتزم - خمصت الد ا رسة إلى أن الم ا رجع الخارجي يمتزم بالقانون 10بمعايير التدقيق الدولية كما انه يقوم بالإج ا رءات التي تحد من ممارسات المحاسبة الإبداعية وبذلكنستنتج أن لمم ا رجعة الخارجية دور في الحد من ممارسات وأساليب المحاسبة الإبداعية.

زوهرة قدور, سعاد كبريت, محمد عمار سعيدي

كلية علوم الطبيعة والحياة-جامعة ابن خلدون – تيارت · الجزائر

L’objectif de ce travail a été l’étude de l’effet colloïdal des huiles essentielles de deux a exprimé un effet colloïdal élevé à15 et 10 μl / ml. Cependant, l’effet colloïdal le plus élevé de l'huile essentielle de a été exprimé à 15 μl / ml.La présente étude a révélé que les huiles essentielles de Thymus fontaines et de peuvent constituer une alternative des agents colloïdaux conventionnels lors de la chirurgie. Néanmoins d’autres tests in-vitro et in vivo sont nécessaires en vue de confirmer ses résultats.

يمينة ولد محمد, صليحة مامري, فايد محمد

كلية الآداب واللغات-جامعة أحمد بن يحيى الونشريسي - تيسمسيلت · الجزائر

أسامة بلعرج , فاطمة صباح

كلية الاقتصاد والتجارة وعلوم التسيير-جامعة عين تموشنت - بلحاج شعيب · الجزائر

Bouchra Frikh , Brahim Ouhbi , Ferdaous Hdioud

كلية العلوم والتقنيات - فاس-جامعة سيدي محمد بن عبدالله - فاس · المغرب

Nowadays, users are inundated with the large volume of data flowing in the web. This information overload makes users unable to locate and to find the wanted information at the right moment, especially when they lack sufficient experience to deal with these immense amounts of data. Lately, sophisticated tools were developed to deal with these emergent challenges, among them we find Recommender Systems ( RSs). This thesis deals with automatic RSs that aim to provide items that fit with users’ preferences. These tools are increasingly used by many content platforms to assist users to access to the needed information. In fact, to perform correctly a RS needs to model user’s profile by acquiring information about user’s interests as the visited content and/or user’s actions (clicks, comments, etc). However, modeling these interests is considered as a hard task, especially when the RS has no prior knowledge about a user or an item (cold-start issue). Therefore, modeling user’s profile is complex, since the generated recommendations are often far away from the real user’s interests. In addition, existing approaches are unable to ensure good performance on platforms with high traffic and which host a huge volume of data. In order to solve these issues and to obtain more relevant recommendations, in this thesis we made three main contributions: 1) proposing a CCSDW method to compute criteria and items weights to be used during the profiling of new users to better understand their preferences and to tackle the new-user issue 2) presenting a hybrid RS based on a linear combination of CF and an enhanced CB approach using HFSM to compensate the lack of data about new items and to deal also with long tail issue 3) implementing a distributed recommendation engine with Apache Spark to enhance the scalability and response time. To demonstrate the interest of the proposed approaches, they were evaluated using different data sets in term of coverage and recommendation accuracy. Furthermore, the distributed algorithms were evaluated to validate their scalability in an industrial context.