| Titre : | Apprentissage Artificiel, Analyse et Fouille de données Complexes |
| Auteurs : | Kabli Fatima, Auteur ; HAMOU Reda Mohamed, Auteur |
| Type de document : | texte imprimé |
| Editeur : | [S.l.] : Université Dr Moulay Tahar de Saida Faculté de technologie Département d’informatique, 2017/2018 |
| Format : | 121 P |
| Accompagnement : | CD |
| Langues: | Français |
| Catégories : | |
| Mots-clés: | Analyse et fouille de données ; processus ECD ; classification supervisée ; classification non-supervisée ; règles d’association ; Données biologiques moléculaires ; ADN ; Protéine. |
| Résumé : | Le monde numérique connait une quantité énorme d'informations produites quotidiennement, de différents domaines, types et catégories, qui souvent complexes et difficiles à manipuler. Les utilisateurs doivent pouvoir identifier, accéder, évaluer et utiliser efficacement ces différents types des données pour satisfaire leurs besoins. Cependant, les données biologiques ont connu une croissance rapide de jour en jour, collectées in vitro par les biologistes, ce qui a été conduit à la naissance de domaine de bio-informatique pour automatiser le traitement de ce type de données complexes. Le processus ECD, les méthodes d’analyse et de fouille de données ont été largement appliquées pour résoudre de véritables problèmes de bio-informatique, et plusieurs d’autres sont encore ouverts. Dans le but de savoir manipuler les données biologiques moléculaires et de savoir choisir les méthodes appropriées et de proposer de nouvelles approches. Nous avons présentés dans cette thèse les différents champs et problèmes de la bio-informatique et l’intérêt des méthodes d’analyse et de fouille de données biologiques pour résoudre ces problèmes. Notre travail est consacré à la proposition de nouvelles méthodologies basant sur les techniques d’analyse, le processus d'ECD biologique et les méthodes de fouille de données, prendre en compte la complexité des données biologiques moléculaires sous un format primaire (ADN/protéine). Dans le but d’améliorer la qualité de réponse aux trois problèmes majeurs de la bio-informatique: L’étude de similarité entre les séquences d’ADN et les séquences de protéine, la classification supervisée des protéines pour la prédiction de leurs fonctions inconnues, la classification non-supervisée des séquences d’ADN pour la prédiction de structure de molécule et le développement de médicaments. L’évaluation de nos approches sur le jeu de données biologiques montre leurs intérêts de traiter la complexité de séquençage des molécules biologiques par les techniques d’analyse et de fouille de données. \\ |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| BUC-D 000522 | BUC-D 000522 | CD | Bibliothèque PMB Services | Doctorat | Consultation sur place Exclu du prêt |
Documents numériques (1)
Apprentissage Artificiel, Analyse et Fouille de données Complexes Adobe Acrobat PDF |
