WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Evaluation de la dynamique spatio-temporelle de l'évolution de la covid a Libreville par une approche machine learning


par Bakari RAMADANE
Institut Africain d’Informatique - Diplôme d’Ingénieur Informaticien 0000
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

AVANT-PROPOS

L'Institut Africain d'Informatique créé le 29 janvier 1971 à FORT-LAMY, ancien nom de la capitale politique de la République du TCHAD, dans le cadre du renforcement de la solidarité l'unité africaine est une école inter-état d'enseignement supérieur. L'IAI comprend cinq (5) filières : Licence, Analystes programmeurs, Maitrise en Informatique Appliquée à la Gestion des Entreprises (MIAGE), Master et Ingénieur.

Cette école de renommée internationale, intègre dans le cursus de formation des ingénieurs de conception en informatique, en fin de cycle, un stage de formation pratique d'une durée de 5 (cinq) mois en entreprise ou dans un laboratoire de recherche. Ce stage de fin d'études vise à mettre les élèves ingénieurs dans un environnement pratique afin de leur permettre une intégration en milieu professionnel plus aisée.

Le présent document constitue donc l'aboutissement de trois (3) années de formation à l'Institut Africain d'Informatique de Libreville et cinq (5) mois de stage de recherche effectué au sein du Laboratoire Africain d'Informatique et de Mathématiques Appliquées. Il tient lieu de mémoire de fin de formation d'ingénieurs de conception en Informatique et s'intitule : « Évaluation de la dynamique spatio-temporelle de l'évolution de la Covid-19 à Libreville : par une approche Machine Learning »

RESUME

La crise de la covid-19 a rapidement dépassé le domaine strictement médical pour impacter l'ensemble des secteurs d'activités. Le système « Gabon » a été soumis à une série de chocs majeurs successifs : une crise sanitaire, suivie d'une crise économique. Relever le défi de la santé dans un environnement fortement perturbé s'est imposé aux autorités de santé publique : comprendre le présent, anticiper le futur, comprendre les leviers d'actions possibles, étudier des scenarii sont devenus des éléments clés pour les décideurs. Les prévisions spatio-temporelles des maladies infectieuses passent rapidement au premier plan des politiques et des réponses de santé publique en raison de leur rôle clé dans les stratégies d'atténuation des risques. La modélisation et la simulation ont ainsi acquis une nouvelle visibilité liée à ces nouvelles exigences. Mais très vite des limitations sont apparues dans la seule prise en compte de la dynamique temporelle de l'épidémie. D'autres facteurs se sont révélés essentiels : la dimension géographique ou spatiale. En raison de la complexité du problème épidémiologique et de la disponibilité des données, le Machine Learning a récemment attiré l'attention pour la construction de modèles de prédiction d'épidémie. Les approches Machine Learning visent à développer des modèles avec une plus grande capacité de généralisation et une plus grande fiabilité de prédiction pour des délais plus longs.

La finalité de ce mémoire est d'explorer l'application du Machine Learning pour modéliser la pandémie de la COVID-19. Ainsi il est question d'une part de développer un modèle de régression, basé sur l'algorithme de « Facebook Prophet » pour prédire la dynamique temporelle de l'épidémie dans la ville de Libreville. Ensuite de développer un modèle de clustering, base sur l'algorithme K-means et le système d'information géographiques(SIG), pour déterminer les clusters à risques à l'échelle d'arrondissements et à l'échelle de quartier. Enfin de concevoir un tableau de bord intelligent de suivi de la dynamique spatio-temporelle d'une épidémie

Mots-clés : Covid-19- le machine learning - Facebook Prophet - K-means - SIG - Cluster - modélisation .

précédent sommaire suivant






La Quadrature du Net