University Sétif 1 FERHAT ABBAS Faculty of Sciences
Catégories
Ajouter le résultat dans votre panier Affiner la recherche
Titre : An Interactive Personalized Recommender System Type de document : texte imprimé Auteurs : Selmani ,saadeddine, Auteur ; Drif,Ahlem, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (61 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Recommender systems
Neural Recommender ModelsIndex. décimale : 004 - Informatique Résumé :
Recommender systems are broadly used to suggest goods (e.g., products, news, ser-
vices) that best match users' needs and preferences. The main challenge comes from
modeling the dependence between the various entities incorporating multifaceted infor-
mation such as user preferences, item attributes, and users' mutual in
uence, resulting
in more complex features. To deal with this issue, we design a recommender system
incorporating a collaborative ltering (CF) module and a stacking recommender mod-
ule. We introduce an interactive attention mechanism to model the mutual in
uence
relationship between aspect users and items. It allows mapping the original data to
higher-order feature interactions. Additionally, the stacked recommender, composed of
a set of regression models and a meta-learner, optimizes the weak learners' performance
with a strong learner. The developed stacking recommender considers the content for
recommendation to create a prole model for each user. Experiments on real-world
datasets demonstrate that the proposed algorithm can achieve more accurate predic-
tions and higher recommendation eciency.Côte titre : MAI/0520 En ligne : https://drive.google.com/file/d/1ZtxAepeudcr-piHs7plgVHPWSd11C16a/view?usp=shari [...] Format de la ressource électronique : An Interactive Personalized Recommender System [texte imprimé] / Selmani ,saadeddine, Auteur ; Drif,Ahlem, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (61 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Recommender systems
Neural Recommender ModelsIndex. décimale : 004 - Informatique Résumé :
Recommender systems are broadly used to suggest goods (e.g., products, news, ser-
vices) that best match users' needs and preferences. The main challenge comes from
modeling the dependence between the various entities incorporating multifaceted infor-
mation such as user preferences, item attributes, and users' mutual in
uence, resulting
in more complex features. To deal with this issue, we design a recommender system
incorporating a collaborative ltering (CF) module and a stacking recommender mod-
ule. We introduce an interactive attention mechanism to model the mutual in
uence
relationship between aspect users and items. It allows mapping the original data to
higher-order feature interactions. Additionally, the stacked recommender, composed of
a set of regression models and a meta-learner, optimizes the weak learners' performance
with a strong learner. The developed stacking recommender considers the content for
recommendation to create a prole model for each user. Experiments on real-world
datasets demonstrate that the proposed algorithm can achieve more accurate predic-
tions and higher recommendation eciency.Côte titre : MAI/0520 En ligne : https://drive.google.com/file/d/1ZtxAepeudcr-piHs7plgVHPWSd11C16a/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0520 MAI/0520 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : An IoT Based Mobile Augmented Reality Application for Energy Visualization Type de document : texte imprimé Auteurs : Amel Mostefaoui, Auteur ; Ayoub CheurfI, Auteur ; Kheba ,AbAbdellah, Directeur de thèse Année de publication : 2022 Importance : 1 vol (63 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Augmented reality
Power measurementIndex. décimale : 004 Informatique Résumé :
Augmented reality (AR) enhances our ability to collect, comprehend, and show
information without diverting our attention away from the real environment. It
can be employed in a variety of applications and industries due to their domainspecific
visualization on a real-world scene. Mobile augmented reality (MAR) entails
superimposing virtual features on top of real-world things on a screen to enhance and add
value to the user’s interaction with reality. Internet of Things (IoT) is engaged in all our
lives’ aspects , including our buildings’ power infrastructure where IoT-enabled devices
provide a variety of connectivity options for monitoring critical energy assets. Real-world
data is obtained through aggregating information to cloud-based platforms in order to
respond quickly to energy usage related issues, while maintenance teams power quality
and reliability with MAR.
In this thesis, a new approach for visualizing appliance-related power quality has been
proposed to sensibilize the community about the consumed amount of electricity.
A hybrid system combing MAR and IoT technologies has been used where an engineered
solutions’ hands-free method of gathering data about nearby appliances simplifies
operations, saves energy and speeds up operations.Côte titre : MAI/0585 En ligne : https://drive.google.com/file/d/1MEvUsS8czhcCbR5zwwJONgLAOtjGgE29/view?usp=share [...] Format de la ressource électronique : An IoT Based Mobile Augmented Reality Application for Energy Visualization [texte imprimé] / Amel Mostefaoui, Auteur ; Ayoub CheurfI, Auteur ; Kheba ,AbAbdellah, Directeur de thèse . - 2022 . - 1 vol (63 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Augmented reality
Power measurementIndex. décimale : 004 Informatique Résumé :
Augmented reality (AR) enhances our ability to collect, comprehend, and show
information without diverting our attention away from the real environment. It
can be employed in a variety of applications and industries due to their domainspecific
visualization on a real-world scene. Mobile augmented reality (MAR) entails
superimposing virtual features on top of real-world things on a screen to enhance and add
value to the user’s interaction with reality. Internet of Things (IoT) is engaged in all our
lives’ aspects , including our buildings’ power infrastructure where IoT-enabled devices
provide a variety of connectivity options for monitoring critical energy assets. Real-world
data is obtained through aggregating information to cloud-based platforms in order to
respond quickly to energy usage related issues, while maintenance teams power quality
and reliability with MAR.
In this thesis, a new approach for visualizing appliance-related power quality has been
proposed to sensibilize the community about the consumed amount of electricity.
A hybrid system combing MAR and IoT technologies has been used where an engineered
solutions’ hands-free method of gathering data about nearby appliances simplifies
operations, saves energy and speeds up operations.Côte titre : MAI/0585 En ligne : https://drive.google.com/file/d/1MEvUsS8czhcCbR5zwwJONgLAOtjGgE29/view?usp=share [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0585 MAI/0585 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : An optimal protocol for the localization of nodes in VANETs Type de document : texte imprimé Auteurs : ramzi Allaoua, Auteur ; Aymen Abdelmoumen chaabna, Auteur ; A benaidja, Directeur de thèse Année de publication : 2022 Importance : 1 vol (29 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : VANETs
LocalizationIndex. décimale : 004 - Informatique Résumé :
Localization in Vehicular Ad Hoc Networks (VANETs) has become an important area of re- search with the development of wireless communication technologies. It plays an important role in many applications such as vehicle tracking, efficient transportation and Various safety critical vehicle applications such as collision avoidance or mitigation, lane change management or emer- gency braking assistance systems. GPS technology, which can easily be integrated into vehicles has been instrumental in the development of localization-based applications. Furthermore, ow- ing to the improvements in the wireless communication technologies such as Internet of Things (IoT), VANET localization can be implemented in places where GPS is not available. Many techniques have been proposed in the literature to mitigate this problem. However, they need to achieve more localization accuracy. In this context, we propose a Cooperative Localization Method (CLM) that aim to allow each vehicle in the network to get its position whatever its place and with high accuracy. It combines several localization techniques (GPS, RSU and Kalman Filter) in order to achieve this goal. Simulation results have shown that it outperforms competitor solutions.Côte titre : MAI/0647 En ligne : https://drive.google.com/file/d/13KNwlJ_Ec-eK8L1A6YTG6zTbi0lHj1RG/view?usp=share [...] Format de la ressource électronique : An optimal protocol for the localization of nodes in VANETs [texte imprimé] / ramzi Allaoua, Auteur ; Aymen Abdelmoumen chaabna, Auteur ; A benaidja, Directeur de thèse . - 2022 . - 1 vol (29 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : VANETs
LocalizationIndex. décimale : 004 - Informatique Résumé :
Localization in Vehicular Ad Hoc Networks (VANETs) has become an important area of re- search with the development of wireless communication technologies. It plays an important role in many applications such as vehicle tracking, efficient transportation and Various safety critical vehicle applications such as collision avoidance or mitigation, lane change management or emer- gency braking assistance systems. GPS technology, which can easily be integrated into vehicles has been instrumental in the development of localization-based applications. Furthermore, ow- ing to the improvements in the wireless communication technologies such as Internet of Things (IoT), VANET localization can be implemented in places where GPS is not available. Many techniques have been proposed in the literature to mitigate this problem. However, they need to achieve more localization accuracy. In this context, we propose a Cooperative Localization Method (CLM) that aim to allow each vehicle in the network to get its position whatever its place and with high accuracy. It combines several localization techniques (GPS, RSU and Kalman Filter) in order to achieve this goal. Simulation results have shown that it outperforms competitor solutions.Côte titre : MAI/0647 En ligne : https://drive.google.com/file/d/13KNwlJ_Ec-eK8L1A6YTG6zTbi0lHj1RG/view?usp=share [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0647 MAI/0647 livre Bibliothéque des sciences Anglais Disponible
DisponibleAnalyse automatique de l’état affectif des apprenants sous Moodle / KOUSSA,Lydia
Titre : Analyse automatique de l’état affectif des apprenants sous Moodle Type de document : texte imprimé Auteurs : KOUSSA,Lydia ; HARBOUCHE, Khadidja, Directeur de thèse Editeur : Setif:UFA Année de publication : 2016 Importance : 1 vol (58f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
apprentissage
moodle
data mining
formation a distance
EDMIndex. décimale : 004 Informatique Côte titre : MAI/0107 Analyse automatique de l’état affectif des apprenants sous Moodle [texte imprimé] / KOUSSA,Lydia ; HARBOUCHE, Khadidja, Directeur de thèse . - [S.l.] : Setif:UFA, 2016 . - 1 vol (58f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
apprentissage
moodle
data mining
formation a distance
EDMIndex. décimale : 004 Informatique Côte titre : MAI/0107 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0107 MAI/0107 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Analyse des Données Génomiques Massives Type de document : texte imprimé Auteurs : Driai, Noor El Imene, Auteur ; NasriI,Khaled, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (58 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Big Data Analytics
Infrastructure Big Data
Analyse avancéeIndex. décimale : 004 - Informatique Résumé : Résumé
Les progrès récents des technologies de séquençage de l’ADN (séquençage de nouvelle génération) ont réduit le temps de séquençage du génome humain de plusieurs semaines à quelques heures et le coût du séquençage d’un génome humain de plusieurs millions de dollars à mille dollars. En raison de cette baisse des coûts, une grande quantité de données génomiques est produite. Cette quantité de données génomiques disponibles a permis l’établissement de projets de données de séquençage à grande échelle et l’application des techniques d’analyse de données massives dans le domaine de la génomique.
Récemment, la science du Big Data a été un sujet d'actualité dans le monde scientifique, industriel et commercial. Les sciences de la santé et les sciences biomédicales sont devenues rapidement intensives en données car les enquêteurs génèrent et utilisent de grands ensembles de données spécifiques aux domaines, complexes, de grande dimension et diversifiés. L'analyse des données volumineuses permet de découvrir des modèles cachés, des corrélations inconnues et d'autres informations en examinant divers ensembles de données à grande échelle.
Cette thèse introduit une analyse des données génomiques et est structurée comme suit:
 La première partie de cette thèse, représentant des informations générales sur le génome humain et les données de séquençage de l'ADN. Nous examinons les défis posés par les données génomiques ainsi que l'analyse des données génomiques et cliniques. Nous introduisons le développement futur de l'analyse des données génomiques, la gestion et l'analyse des données génomiques et cliniques pour mettre en œuvre la médecine génomique.
 La seconde partie aborde les problèmes et défis posés par plusieurs problèmes de données massives en bioinformatique et donne un aperçu de l'état de l'art et des possibilités de recherche futures.
 La dernière partie montre comment utiliser les outils ADAM pour analyser de grandes données génomiques.Note de contenu :
Sommaire
1 Introduction ................................................................................................................... 3
2 Genetic material composition of Genome ......................................................................................... 4
2.1 Human Genome ........................................................................................................................4
2.2 Genome sequencing: .................................................................................................................5
2.2.1 The importance of Genome sequencing: ............................................................................. 6
2.2.2 DNA Sequencing Technologies .......................................................................................... 6
3 Genomic Data .................................................................................................................................. 8
3.1 Data ..........................................................................................................................................8
3.1.1 Definition ........................................................................................................................... 8
3.2 Genomic ...................................................................................................................................8
3.2.1 Definition ........................................................................................................................... 8
3.2.2 Genomics Analysis Techniques .......................................................................................... 8
3.3 Genomic Data ...........................................................................................................................9
3.3.1 Genomic Data Resources: Challenges and Promises ........................................................... 9
3.3.2 Security of Genomic Data ................................................................................................. 11
3.3.3 Analysis of Genomic Data ................................................................................................ 11
3.3.4 Statistical Analysis of Genomic Data ................................................................................ 13
4 Analysis of Genomic and Clinical Data .......................................................................................... 13
5 Future development in genomic data analysis ................................................................................. 14
6 Conclusion ................................................................................................................ 15
CHAPITRE II
1 Introduction ............................................................................................................ 17
2 Big Data ............................................................................................................... 18
2.1 Definition ............................................................................................................... 18
2.1.1 Applications of Big Data: ................................................................................................. 18
3 Data Science .................................................................................................................................. 19
3.1 Applications of Data Science ................................................................................................... 19
4 Data Analytic ................................................................................................................................. 19
4.1 Applications of Data Analytic: ................................................................................................ 20
5 HADOOP Architecture .................................................................................................................. 19
5.1 Introduction to HADOOP ........................................................................................................ 20
5.2 HADOOP Attributes .............................................................................................................. 20
5.3 HADOOP Components ........................................................................................................... 21
5.3.1 Hadoop Distributed File System - HDFS .......................................................................... 21
5.3.2 MapReduce ..................................................................................................................... 22
6 BIG Data Allied Technologies ....................................................................................................... 22
6.1 NoSQL DataBse ...................................................................................................................... 22
6.2 Cloud Computing .................................................................................................................... 23
6.2.1 Reasons to consider cloud computing ............................................................................... 24
6.2.2 Challenges with cloud computing ..................................................................................... 24
7 Bioinformatics ............................................................................................................................... 24
8 Big Data In Bioinformatics ............................................................................................................ 24
8.1 Introduction............................................................................................................................. 24
8.2 Types of big data in bioinformatics .......................................................................................... 25
8.3 Big data problems in bioinformatics ........................................................................................ 26
8.3.1 Microarray data analysis ................................................................................................... 26
8.3.2 Gene-gene network analysis ............................................................................................. 26
8.3.3 PPI data analysis............................................................................................................... 26
8.3.4 Sequence analysis ............................................................................................................. 27
9 Tools for Big Data Analytics in Bioinformatics .............................................................................. 27
9.1 Tools for microarray data analysis ........................................................................................... 27
9.2 Tools for gene-gene network analysis ...................................................................................... 28
9.3 Tools for PPI data analysis ...................................................................................................... 28
9.4 Tools for sequence analysis ..................................................................................................... 28
10 Big Data Analytics in Genomic Studies ........................................................................................ 28
10.1 NGS Read Alignment ............................................................................................................ 28
10.2 Calling Variants .................................................................................................................... 29
11 Big Data Analytics in Health Research ......................................................................................... 29
11.1 Health Informatics ................................................................................................................. 30
11.2 Medical Imaging Analysis ..................................................................................................... 30
12 Challenges and issues in BIG DATA analytics ............................................................................. 31
12.1 Challenges in big data analytics ............................................................................................. 31
12.1 Issues in big data Analytics ................................................................................................... 31
13 Conclusion ................................................................................................................................... 32
CHAPITRE III
1 Introduction .............................................................................................................. 34
2 ADAM ......................................................................................................................... 35
2.1 Introduction............................................................................................................................. 35
2.2 The reason of choosing ADAM ............................................................................................... 35
2.3 The ADAM/Big Data Genomics Ecosystem ............................................................................ 36
3 Architecture Overview ................................................................................................................... 37
4 ADAM Tools ................................................................................................................................. 38
4.1 Apache Maven ........................................................................................................................ 38
4.1.1 Introduction ...................................................................................................................... 38
4.1.2 Maven’s Objectives .......................................................................................................... 38
4.2 Apache spark ..................................................................................................................... 38
4.3 Apache HADOOP ................................................................................................................... 39
5 Installation of tools ............................................................................................................ 39
6 Genome analysis with ADAM ...............................................................................................39
6.1 Data base ................................................................................................................... 40
6.2 The ADAM Data Format ......................................................................................................... 41
6.3 Genome Visualization ............................................................................................................. 42
6.4 Interactive Analysis ................................................................................................................. 42
7 Conclusion ...................................................................................................................... 44
ANNEX.............................................................................................................................. 44
CONCUSION ................................................................................................................................... 53
REFERENCES .................................................................................................................................Côte titre : MAI/0269 En ligne : https://drive.google.com/file/d/142pxVun7mHGRup6wUHWzLhbvV9zS9bQR/view?usp=shari [...] Format de la ressource électronique : Analyse des Données Génomiques Massives [texte imprimé] / Driai, Noor El Imene, Auteur ; NasriI,Khaled, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (58 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Big Data Analytics
Infrastructure Big Data
Analyse avancéeIndex. décimale : 004 - Informatique Résumé : Résumé
Les progrès récents des technologies de séquençage de l’ADN (séquençage de nouvelle génération) ont réduit le temps de séquençage du génome humain de plusieurs semaines à quelques heures et le coût du séquençage d’un génome humain de plusieurs millions de dollars à mille dollars. En raison de cette baisse des coûts, une grande quantité de données génomiques est produite. Cette quantité de données génomiques disponibles a permis l’établissement de projets de données de séquençage à grande échelle et l’application des techniques d’analyse de données massives dans le domaine de la génomique.
Récemment, la science du Big Data a été un sujet d'actualité dans le monde scientifique, industriel et commercial. Les sciences de la santé et les sciences biomédicales sont devenues rapidement intensives en données car les enquêteurs génèrent et utilisent de grands ensembles de données spécifiques aux domaines, complexes, de grande dimension et diversifiés. L'analyse des données volumineuses permet de découvrir des modèles cachés, des corrélations inconnues et d'autres informations en examinant divers ensembles de données à grande échelle.
Cette thèse introduit une analyse des données génomiques et est structurée comme suit:
 La première partie de cette thèse, représentant des informations générales sur le génome humain et les données de séquençage de l'ADN. Nous examinons les défis posés par les données génomiques ainsi que l'analyse des données génomiques et cliniques. Nous introduisons le développement futur de l'analyse des données génomiques, la gestion et l'analyse des données génomiques et cliniques pour mettre en œuvre la médecine génomique.
 La seconde partie aborde les problèmes et défis posés par plusieurs problèmes de données massives en bioinformatique et donne un aperçu de l'état de l'art et des possibilités de recherche futures.
 La dernière partie montre comment utiliser les outils ADAM pour analyser de grandes données génomiques.Note de contenu :
Sommaire
1 Introduction ................................................................................................................... 3
2 Genetic material composition of Genome ......................................................................................... 4
2.1 Human Genome ........................................................................................................................4
2.2 Genome sequencing: .................................................................................................................5
2.2.1 The importance of Genome sequencing: ............................................................................. 6
2.2.2 DNA Sequencing Technologies .......................................................................................... 6
3 Genomic Data .................................................................................................................................. 8
3.1 Data ..........................................................................................................................................8
3.1.1 Definition ........................................................................................................................... 8
3.2 Genomic ...................................................................................................................................8
3.2.1 Definition ........................................................................................................................... 8
3.2.2 Genomics Analysis Techniques .......................................................................................... 8
3.3 Genomic Data ...........................................................................................................................9
3.3.1 Genomic Data Resources: Challenges and Promises ........................................................... 9
3.3.2 Security of Genomic Data ................................................................................................. 11
3.3.3 Analysis of Genomic Data ................................................................................................ 11
3.3.4 Statistical Analysis of Genomic Data ................................................................................ 13
4 Analysis of Genomic and Clinical Data .......................................................................................... 13
5 Future development in genomic data analysis ................................................................................. 14
6 Conclusion ................................................................................................................ 15
CHAPITRE II
1 Introduction ............................................................................................................ 17
2 Big Data ............................................................................................................... 18
2.1 Definition ............................................................................................................... 18
2.1.1 Applications of Big Data: ................................................................................................. 18
3 Data Science .................................................................................................................................. 19
3.1 Applications of Data Science ................................................................................................... 19
4 Data Analytic ................................................................................................................................. 19
4.1 Applications of Data Analytic: ................................................................................................ 20
5 HADOOP Architecture .................................................................................................................. 19
5.1 Introduction to HADOOP ........................................................................................................ 20
5.2 HADOOP Attributes .............................................................................................................. 20
5.3 HADOOP Components ........................................................................................................... 21
5.3.1 Hadoop Distributed File System - HDFS .......................................................................... 21
5.3.2 MapReduce ..................................................................................................................... 22
6 BIG Data Allied Technologies ....................................................................................................... 22
6.1 NoSQL DataBse ...................................................................................................................... 22
6.2 Cloud Computing .................................................................................................................... 23
6.2.1 Reasons to consider cloud computing ............................................................................... 24
6.2.2 Challenges with cloud computing ..................................................................................... 24
7 Bioinformatics ............................................................................................................................... 24
8 Big Data In Bioinformatics ............................................................................................................ 24
8.1 Introduction............................................................................................................................. 24
8.2 Types of big data in bioinformatics .......................................................................................... 25
8.3 Big data problems in bioinformatics ........................................................................................ 26
8.3.1 Microarray data analysis ................................................................................................... 26
8.3.2 Gene-gene network analysis ............................................................................................. 26
8.3.3 PPI data analysis............................................................................................................... 26
8.3.4 Sequence analysis ............................................................................................................. 27
9 Tools for Big Data Analytics in Bioinformatics .............................................................................. 27
9.1 Tools for microarray data analysis ........................................................................................... 27
9.2 Tools for gene-gene network analysis ...................................................................................... 28
9.3 Tools for PPI data analysis ...................................................................................................... 28
9.4 Tools for sequence analysis ..................................................................................................... 28
10 Big Data Analytics in Genomic Studies ........................................................................................ 28
10.1 NGS Read Alignment ............................................................................................................ 28
10.2 Calling Variants .................................................................................................................... 29
11 Big Data Analytics in Health Research ......................................................................................... 29
11.1 Health Informatics ................................................................................................................. 30
11.2 Medical Imaging Analysis ..................................................................................................... 30
12 Challenges and issues in BIG DATA analytics ............................................................................. 31
12.1 Challenges in big data analytics ............................................................................................. 31
12.1 Issues in big data Analytics ................................................................................................... 31
13 Conclusion ................................................................................................................................... 32
CHAPITRE III
1 Introduction .............................................................................................................. 34
2 ADAM ......................................................................................................................... 35
2.1 Introduction............................................................................................................................. 35
2.2 The reason of choosing ADAM ............................................................................................... 35
2.3 The ADAM/Big Data Genomics Ecosystem ............................................................................ 36
3 Architecture Overview ................................................................................................................... 37
4 ADAM Tools ................................................................................................................................. 38
4.1 Apache Maven ........................................................................................................................ 38
4.1.1 Introduction ...................................................................................................................... 38
4.1.2 Maven’s Objectives .......................................................................................................... 38
4.2 Apache spark ..................................................................................................................... 38
4.3 Apache HADOOP ................................................................................................................... 39
5 Installation of tools ............................................................................................................ 39
6 Genome analysis with ADAM ...............................................................................................39
6.1 Data base ................................................................................................................... 40
6.2 The ADAM Data Format ......................................................................................................... 41
6.3 Genome Visualization ............................................................................................................. 42
6.4 Interactive Analysis ................................................................................................................. 42
7 Conclusion ...................................................................................................................... 44
ANNEX.............................................................................................................................. 44
CONCUSION ................................................................................................................................... 53
REFERENCES .................................................................................................................................Côte titre : MAI/0269 En ligne : https://drive.google.com/file/d/142pxVun7mHGRup6wUHWzLhbvV9zS9bQR/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0269 MAI/0269 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalinkAnalyse des images Méteosat Seconde Génération (MSG) pour l’estimation des précipitations / Osmani, Affef
PermalinkAnalyse des interactions entre services web en utilisant les Protocol temporisés / Omer, Dohia
PermalinkPermalinkPermalinkPermalinkAnalyse de sentiment dans les réseaux sociaux, nouvelle stratégie a base d'ensemble de classifieurs / Keddad, walid
PermalinkPermalinkPermalinkPermalinkPermalinkAnalyse des sentiments des commentaires en arabe des lecteurs des journaux en lignes / Rania,Aberkane
PermalinkPermalinkPermalinkPermalinkAnalyse des Sentiments sur Twitter Etude Comparative / Boulekfouf, haizia
PermalinkAnalyse et synthèse des différentes approches concernant l’objet pédagogique / ZELLAGUI, Soumia
PermalinkAnalyse des systèmes embarques , vérification des algorithmes de l’architecture TTA (time triggered architecture) / Aliouat ,Zibouda
PermalinkPermalinkPermalink