University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Douidi ,Lamri |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la rechercheApplication mobile pour la collecte et l’exploitation des données relatives aux accidents de la route en Algérie / Mohamed Mouatez Benazza
Titre : Application mobile pour la collecte et l’exploitation des données relatives aux accidents de la route en Algérie Type de document : texte imprimé Auteurs : Mohamed Mouatez Benazza, Auteur ; Mohamed El Amine Djenane, Auteur ; Douidi ,Lamri, Directeur de thèse Editeur : Sétif:UFA1 Année de publication : 2023 Importance : 1 vol (65 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Accidents de la route
Accidents de la routeIndex. décimale : 004 Informatique Résumé : Le thème de la collecte et l’exploitation des données relatives aux accidents corporelle de la route en Algérie « compris des données spatio-temporelle », vise à améliorer la sécurité routière en identifiant les zones à risque élevé et en mettant en place des mesures de prévention ciblées. La collecte de données précises sur les accidents de la route, y compris leur localisation, la date et l'heure de l'accident, les facteurs environnementaux, les conditions météorologiques, les caractéristiques des véhicules impliqués, etc., permet d'identifier les facteurs de risque spécifiques à une région ou à une période de l'année. En exploitant ces données à l'aide d'outils d'analyse statistique et de systèmes d'information géographique (SIG), il est possible de générer des cartes de chaleur, des graphiques et d'autres visualisations pour aider les décideurs à comprendre les tendances et les modèles des accidents de la route. Ces informations peuvent ensuite être utilisées pour développer des politiques publiques de sécurité routière plus efficaces et plus ciblées. (Oguz & Kuzu, 2012). (Keay, Simmonds, Clarke, & Brown,, 2013). Côte titre : MAI/0719 En ligne : https://docs.google.com/document/d/1msVvD3YJR4YtpCWCtLYH2SlBkZewyUhp/edit?usp=dr [...] Format de la ressource électronique : docx Application mobile pour la collecte et l’exploitation des données relatives aux accidents de la route en Algérie [texte imprimé] / Mohamed Mouatez Benazza, Auteur ; Mohamed El Amine Djenane, Auteur ; Douidi ,Lamri, Directeur de thèse . - [S.l.] : Sétif:UFA1, 2023 . - 1 vol (65 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Accidents de la route
Accidents de la routeIndex. décimale : 004 Informatique Résumé : Le thème de la collecte et l’exploitation des données relatives aux accidents corporelle de la route en Algérie « compris des données spatio-temporelle », vise à améliorer la sécurité routière en identifiant les zones à risque élevé et en mettant en place des mesures de prévention ciblées. La collecte de données précises sur les accidents de la route, y compris leur localisation, la date et l'heure de l'accident, les facteurs environnementaux, les conditions météorologiques, les caractéristiques des véhicules impliqués, etc., permet d'identifier les facteurs de risque spécifiques à une région ou à une période de l'année. En exploitant ces données à l'aide d'outils d'analyse statistique et de systèmes d'information géographique (SIG), il est possible de générer des cartes de chaleur, des graphiques et d'autres visualisations pour aider les décideurs à comprendre les tendances et les modèles des accidents de la route. Ces informations peuvent ensuite être utilisées pour développer des politiques publiques de sécurité routière plus efficaces et plus ciblées. (Oguz & Kuzu, 2012). (Keay, Simmonds, Clarke, & Brown,, 2013). Côte titre : MAI/0719 En ligne : https://docs.google.com/document/d/1msVvD3YJR4YtpCWCtLYH2SlBkZewyUhp/edit?usp=dr [...] Format de la ressource électronique : docx Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0719 MAI/0719 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Application web de collecte et d’usage des données relatives aux accidents de la route en Algérie Type de document : texte imprimé Auteurs : Ibrahim Abdou abarchi, Auteur ; Amadou Diallo, Auteur ; Douidi ,Lamri, Directeur de thèse Editeur : UFA1 Année de publication : 2023 Importance : 1 vol (53 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Road accident
Road safetyIndex. décimale : 004 Informatique Résumé : Road accidents are a global health problem, and urgent action is needed to reduce them. To better understand and reduce accidents, it is essential to collect, analyze and use accident-related data efficiently.
The integration of modern technologies could indeed help achieve these objectives. Our aim is to create a web application to collect and then exploit data relating to road accidents in Algeria. With this application, we hope to provide valuable assistance to decision-makers in improving road safety and thus reducing the number of accidents. With this work, we hope to contribute by proposing a concrete solution for the collection and use of spatio-temporal accident data.Côte titre : MAI/0721 En ligne : https://drive.google.com/file/d/1NRylt1aVubTjN7ir4MarsqsdgrUr9E6H/view?usp=drive [...] Format de la ressource électronique : Application web de collecte et d’usage des données relatives aux accidents de la route en Algérie [texte imprimé] / Ibrahim Abdou abarchi, Auteur ; Amadou Diallo, Auteur ; Douidi ,Lamri, Directeur de thèse . - Sétif1 : UFA1, 2023 . - 1 vol (53 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Road accident
Road safetyIndex. décimale : 004 Informatique Résumé : Road accidents are a global health problem, and urgent action is needed to reduce them. To better understand and reduce accidents, it is essential to collect, analyze and use accident-related data efficiently.
The integration of modern technologies could indeed help achieve these objectives. Our aim is to create a web application to collect and then exploit data relating to road accidents in Algeria. With this application, we hope to provide valuable assistance to decision-makers in improving road safety and thus reducing the number of accidents. With this work, we hope to contribute by proposing a concrete solution for the collection and use of spatio-temporal accident data.Côte titre : MAI/0721 En ligne : https://drive.google.com/file/d/1NRylt1aVubTjN7ir4MarsqsdgrUr9E6H/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0721 MAI/0721 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : Approche Ontologique pour l’indexation des ressources pédagogiques numériques Type de document : texte imprimé Auteurs : Meriem Aya Yaiche, Auteur ; Khouloud Kheloufi, Auteur ; Douidi ,Lamri, Auteur Année de publication : 2022 Importance : 1 vol (57 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 Informatique Côte titre : MAI/0663 En ligne : https://docs.google.com/document/d/1siurd11ERDXuwJH2fg2Usk0-XXnGZazL/edit?usp=sh [...] Format de la ressource électronique : docx Approche Ontologique pour l’indexation des ressources pédagogiques numériques [texte imprimé] / Meriem Aya Yaiche, Auteur ; Khouloud Kheloufi, Auteur ; Douidi ,Lamri, Auteur . - 2022 . - 1 vol (57 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 Informatique Côte titre : MAI/0663 En ligne : https://docs.google.com/document/d/1siurd11ERDXuwJH2fg2Usk0-XXnGZazL/edit?usp=sh [...] Format de la ressource électronique : docx Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0663 MAI/0663 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Conception et implémentation d'un classifieur SVM pour la reconnaissance de visage humain Type de document : texte imprimé Auteurs : Louaim,Maroua, Auteur ; Douidi ,Lamri, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (75 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Reconnaissance faciale
SVM
Noyau
Classification
Eigenface
Optimisation des
paramètresIndex. décimale : 004 Informatique Résumé : La reconnaissance faciale est largement utilisée dans la vision par ordinateur et dans de
nombreuses autres applications biométriques où la sécurité est une préoccupation majeure.
En effet, La reconnaissance faciale possède plusieurs avantages sur les autres technologies
biométriques : elle est non intrusive, peu coûteuse et facile à utiliser. Le problème le plus
courant dans la reconnaissance faciale se pose en raison de variations de pose, de conditions
d’éclairage différentes, etc.
Support Vector Machine (SVM) est très populaire en tant que classifieur à vaste marge
en raison de sa théorie mathématique robuste. En fait, c'est l'un des techniques les plus utiles
pour résoudre les problèmes de classification. Il peut classer des données non linéairement
séparables en utilisant une fonction noyau.
Cette étude décrit comment implémenter une machine à vecteurs de support pour la
reconnaissance des visages avec un noyau linéaire, polynomial et RBF. La méthode Eigenface
qui est basée sur la technique d’analyse en composantes principales (ACP) a été choisie pour la
réduction des dimensions avant la phase de classification. La technique grid-search a été utilisée
avec une validation croisée pour trouver les paramètres optimaux pour chaque noyau de
classifieurs. Pour appliquer SVM au problème multiclass, la méthode one-vs-one a été choisie
en raison de sa simplicité et de ses bonnes performances. Les performances des différents
classificateurs ont été comparées en termes de précision. Les résultats expérimentaux avec la
base de données ORL montrent que le classifieur SVM avec le noyau RBF atteint la meilleure
précision de classification de 96%.Note de contenu : Sommaire
Liste des figures
Liste des tables
Introduction générale............................................................................................................... 1
Chapitre 1 : État de l’art de la Reconnaissance Faciale
1 Introduction......................................................................................................................... 3
2 34TUSystème de reconnaissance facialeU34T ..................................................................................... 3
2.1 Identification (ou reconnaissance)............................................................................... 3
2.2 Vérification (ou authentification) ................................................................................ 4
3 Domaines d’application ...................................................................................................... 4
4 Avantages et limites de reconnaissance faciale .................................................................. 6
5 Les challenges de reconnaissance faciale ........................................................................... 6
5.1 Variation inter sujet ..................................................................................................... 7
5.2 Variation intra sujet ..................................................................................................... 7
5.2.1 34TULes changements d’éclairageU34T ............................................................................... 7
5.2.2 Les expressions faciales ....................................................................................... 8
5.2.3 Variation de pose.................................................................................................. 9
5.2.4 34TULes occultations partiellesU34T .................................................................................. 10
5.2.5 Le vieillissement et le changement d’aspect ...................................................... 10
5.2.6 Falsification d'image .......................................................................................... 11
6 Le processus de reconnaissance faciale ............................................................................ 11
6.1 Détection de visage.................................................................................................... 12
6.1.1 L'approche basée sur les caractéristiques ........................................................... 13
6.1.2 L'approche basée sur l'image.............................................................................. 13
6.2 L’extraction des caractéristiques ............................................................................... 13
6.3 Classification des visages .......................................................................................... 14
7 Techniques de reconnaissance de visage .......................................................................... 14
7.1 Approches globales ou holistiques ............................................................................ 14
7.1.1 Techniques linéaires ........................................................................................... 15
7.1.2 Techniques non linéaires .................................................................................... 15
7.2 Approches locales...................................................................................................... 15
7.2.1 Méthodes de reconnaissance de visage basées sur les points d’intérêt .............. 16
7.2.2 Méthodes de reconnaissance de visage basées sur l'apparence locale ............... 16
7.3 Approches et méthodes hybrides ............................................................................... 16
8 Conclusion ........................................................................................................................ 17
Chapitre 2 : L’apprentissage Automatique
1 Introduction....................................................................................................................... 18
2 Apprentissage automatique............................................................................................... 18
3 Types d’apprentissage automatique.................................................................................. 18
3.1 L'apprentissage supervisé .......................................................................................... 18
3.2 L'apprentissage non supervisé ................................................................................... 19
3.3 L’apprentissage semi supervisé ................................................................................. 19
3.4 L’apprentissage par renforcement ............................................................................. 19
4 Tâches d'apprentissage automatiques ............................................................................... 20
4.1 Régression ................................................................................................................. 20
4.2 Clustring .................................................................................................................... 20
4.3 Classification ............................................................................................................. 21
4.3.1 Quelques méthodes de classification.................................................................. 21
4.3.1.1 KNN.............................................................................................................. 21
4.3.1.2 Régression logistique .................................................................................... 22
4.3.1.3 SVM.............................................................................................................. 23
4.4 Réduction de dimensions........................................................................................... 24
4.4.1 Analyse en Composantes Principales (ACP) ..................................................... 25
4.3.1.1 Les étapes principales de la technique EigenFace ........................................ 26
5 Conclusion ........................................................................................................................ 27
Chapitre 3 : Machines à vecteur support
1 Introdution......................................................................................................................... 28
2 Historique.......................................................................................................................... 28
3 Notions de base ................................................................................................................. 29
3.1 Vecteur....................................................................................................................... 29
3.2 Hyperplan .................................................................................................................. 30
3.3 Vecteurs de support ................................................................................................... 31
3.4 Marge......................................................................................................................... 32
4 Définition des SVMs......................................................................................................... 32
5 SVMs binaires................................................................................................................... 33
5.1 Cas des données linéairement séparables .................................................................. 33
5.1.1 SVMs à marge dure (Hard margin SVMs) .......................................................... 34
5.1.2 SVMs à marge souple (Soft margin SVMs)....................................................... 40
5.2 Cas des données non linéairement séparables ........................................................... 42
5.2.1 SVM Ã noyau...................................................................................................... 43
6 SVMs multiclasse ............................................................................................................. 44
6.1 One-versus-all............................................................................................................ 45
6.2 One-versus-one.......................................................................................................... 45
7 Métriques de performances............................................................................................... 46
7.1 Matrice de confusion ................................................................................................. 46
7.1.1 Précision ............................................................................................................. 47
7.1.1 Sensitivité et Spécificité ..................................................................................... 47
7.1.1 F-Score ............................................................................................................... 47
8 Estimation de l’erreur de généralisation ........................................................................... 48
8.1 Validation croisée en k parties................................................................................... 48
9 Conclusion ........................................................................................................................ 49
Chapitre 4: Base de données et Implémentation
1 Introduction....................................................................................................................... 50
2 Environnement de travail .................................................................................................. 50
2.1 Environnement matériel ............................................................................................ 50
2.2 Outils de développement ........................................................................................... 50
3 Base de données ORL (Olivetti) ....................................................................................... 51
4 Description du système de reconnaissance faciale proposé ............................................. 52
4.1 Chargement et description du jeu de données ........................................................... 53
4.2 Séparation du jeu de données .................................................................................... 55
4.3 Réduction de dimensions........................................................................................... 57
4.4 Classification des visages .......................................................................................... 60
4.4.1 Optimisation des paramètres .............................................................................. 61
5 Tests et Résultats............................................................................................................... 64
5.1 Performance des noyaux............................................................................................ 64
5.2 Temps d’entrainement ............................................................................................... 64
5.3 Images mal classées................................................................................................... 65
5.4 Validation des résultats avec « k folds cross validation » ......................................... 65
6 Choix du meilleur modèle SVM....................................................................................... 66
6.1 Matrice de confusion ................................................................................................. 66
6.2 Rapport de classification ........................................................................................... 67
8 Conclusion ........................................................................................................................ 69
Conclusion générale................................................................................................................ 70
Bibliographie............................................................................................................................ 71
Web graphie ............................................................................................................................. 75
Liste dCôte titre : MAI/0292 En ligne : https://drive.google.com/file/d/17ybWWTVxYplnPLT9BHNCJPElkAp8odjL/view?usp=shari [...] Format de la ressource électronique : Conception et implémentation d'un classifieur SVM pour la reconnaissance de visage humain [texte imprimé] / Louaim,Maroua, Auteur ; Douidi ,Lamri, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (75 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Reconnaissance faciale
SVM
Noyau
Classification
Eigenface
Optimisation des
paramètresIndex. décimale : 004 Informatique Résumé : La reconnaissance faciale est largement utilisée dans la vision par ordinateur et dans de
nombreuses autres applications biométriques où la sécurité est une préoccupation majeure.
En effet, La reconnaissance faciale possède plusieurs avantages sur les autres technologies
biométriques : elle est non intrusive, peu coûteuse et facile à utiliser. Le problème le plus
courant dans la reconnaissance faciale se pose en raison de variations de pose, de conditions
d’éclairage différentes, etc.
Support Vector Machine (SVM) est très populaire en tant que classifieur à vaste marge
en raison de sa théorie mathématique robuste. En fait, c'est l'un des techniques les plus utiles
pour résoudre les problèmes de classification. Il peut classer des données non linéairement
séparables en utilisant une fonction noyau.
Cette étude décrit comment implémenter une machine à vecteurs de support pour la
reconnaissance des visages avec un noyau linéaire, polynomial et RBF. La méthode Eigenface
qui est basée sur la technique d’analyse en composantes principales (ACP) a été choisie pour la
réduction des dimensions avant la phase de classification. La technique grid-search a été utilisée
avec une validation croisée pour trouver les paramètres optimaux pour chaque noyau de
classifieurs. Pour appliquer SVM au problème multiclass, la méthode one-vs-one a été choisie
en raison de sa simplicité et de ses bonnes performances. Les performances des différents
classificateurs ont été comparées en termes de précision. Les résultats expérimentaux avec la
base de données ORL montrent que le classifieur SVM avec le noyau RBF atteint la meilleure
précision de classification de 96%.Note de contenu : Sommaire
Liste des figures
Liste des tables
Introduction générale............................................................................................................... 1
Chapitre 1 : État de l’art de la Reconnaissance Faciale
1 Introduction......................................................................................................................... 3
2 34TUSystème de reconnaissance facialeU34T ..................................................................................... 3
2.1 Identification (ou reconnaissance)............................................................................... 3
2.2 Vérification (ou authentification) ................................................................................ 4
3 Domaines d’application ...................................................................................................... 4
4 Avantages et limites de reconnaissance faciale .................................................................. 6
5 Les challenges de reconnaissance faciale ........................................................................... 6
5.1 Variation inter sujet ..................................................................................................... 7
5.2 Variation intra sujet ..................................................................................................... 7
5.2.1 34TULes changements d’éclairageU34T ............................................................................... 7
5.2.2 Les expressions faciales ....................................................................................... 8
5.2.3 Variation de pose.................................................................................................. 9
5.2.4 34TULes occultations partiellesU34T .................................................................................. 10
5.2.5 Le vieillissement et le changement d’aspect ...................................................... 10
5.2.6 Falsification d'image .......................................................................................... 11
6 Le processus de reconnaissance faciale ............................................................................ 11
6.1 Détection de visage.................................................................................................... 12
6.1.1 L'approche basée sur les caractéristiques ........................................................... 13
6.1.2 L'approche basée sur l'image.............................................................................. 13
6.2 L’extraction des caractéristiques ............................................................................... 13
6.3 Classification des visages .......................................................................................... 14
7 Techniques de reconnaissance de visage .......................................................................... 14
7.1 Approches globales ou holistiques ............................................................................ 14
7.1.1 Techniques linéaires ........................................................................................... 15
7.1.2 Techniques non linéaires .................................................................................... 15
7.2 Approches locales...................................................................................................... 15
7.2.1 Méthodes de reconnaissance de visage basées sur les points d’intérêt .............. 16
7.2.2 Méthodes de reconnaissance de visage basées sur l'apparence locale ............... 16
7.3 Approches et méthodes hybrides ............................................................................... 16
8 Conclusion ........................................................................................................................ 17
Chapitre 2 : L’apprentissage Automatique
1 Introduction....................................................................................................................... 18
2 Apprentissage automatique............................................................................................... 18
3 Types d’apprentissage automatique.................................................................................. 18
3.1 L'apprentissage supervisé .......................................................................................... 18
3.2 L'apprentissage non supervisé ................................................................................... 19
3.3 L’apprentissage semi supervisé ................................................................................. 19
3.4 L’apprentissage par renforcement ............................................................................. 19
4 Tâches d'apprentissage automatiques ............................................................................... 20
4.1 Régression ................................................................................................................. 20
4.2 Clustring .................................................................................................................... 20
4.3 Classification ............................................................................................................. 21
4.3.1 Quelques méthodes de classification.................................................................. 21
4.3.1.1 KNN.............................................................................................................. 21
4.3.1.2 Régression logistique .................................................................................... 22
4.3.1.3 SVM.............................................................................................................. 23
4.4 Réduction de dimensions........................................................................................... 24
4.4.1 Analyse en Composantes Principales (ACP) ..................................................... 25
4.3.1.1 Les étapes principales de la technique EigenFace ........................................ 26
5 Conclusion ........................................................................................................................ 27
Chapitre 3 : Machines à vecteur support
1 Introdution......................................................................................................................... 28
2 Historique.......................................................................................................................... 28
3 Notions de base ................................................................................................................. 29
3.1 Vecteur....................................................................................................................... 29
3.2 Hyperplan .................................................................................................................. 30
3.3 Vecteurs de support ................................................................................................... 31
3.4 Marge......................................................................................................................... 32
4 Définition des SVMs......................................................................................................... 32
5 SVMs binaires................................................................................................................... 33
5.1 Cas des données linéairement séparables .................................................................. 33
5.1.1 SVMs à marge dure (Hard margin SVMs) .......................................................... 34
5.1.2 SVMs à marge souple (Soft margin SVMs)....................................................... 40
5.2 Cas des données non linéairement séparables ........................................................... 42
5.2.1 SVM Ã noyau...................................................................................................... 43
6 SVMs multiclasse ............................................................................................................. 44
6.1 One-versus-all............................................................................................................ 45
6.2 One-versus-one.......................................................................................................... 45
7 Métriques de performances............................................................................................... 46
7.1 Matrice de confusion ................................................................................................. 46
7.1.1 Précision ............................................................................................................. 47
7.1.1 Sensitivité et Spécificité ..................................................................................... 47
7.1.1 F-Score ............................................................................................................... 47
8 Estimation de l’erreur de généralisation ........................................................................... 48
8.1 Validation croisée en k parties................................................................................... 48
9 Conclusion ........................................................................................................................ 49
Chapitre 4: Base de données et Implémentation
1 Introduction....................................................................................................................... 50
2 Environnement de travail .................................................................................................. 50
2.1 Environnement matériel ............................................................................................ 50
2.2 Outils de développement ........................................................................................... 50
3 Base de données ORL (Olivetti) ....................................................................................... 51
4 Description du système de reconnaissance faciale proposé ............................................. 52
4.1 Chargement et description du jeu de données ........................................................... 53
4.2 Séparation du jeu de données .................................................................................... 55
4.3 Réduction de dimensions........................................................................................... 57
4.4 Classification des visages .......................................................................................... 60
4.4.1 Optimisation des paramètres .............................................................................. 61
5 Tests et Résultats............................................................................................................... 64
5.1 Performance des noyaux............................................................................................ 64
5.2 Temps d’entrainement ............................................................................................... 64
5.3 Images mal classées................................................................................................... 65
5.4 Validation des résultats avec « k folds cross validation » ......................................... 65
6 Choix du meilleur modèle SVM....................................................................................... 66
6.1 Matrice de confusion ................................................................................................. 66
6.2 Rapport de classification ........................................................................................... 67
8 Conclusion ........................................................................................................................ 69
Conclusion générale................................................................................................................ 70
Bibliographie............................................................................................................................ 71
Web graphie ............................................................................................................................. 75
Liste dCôte titre : MAI/0292 En ligne : https://drive.google.com/file/d/17ybWWTVxYplnPLT9BHNCJPElkAp8odjL/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0292 MAI/0292 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Conception et Réalisation d'un site WebTV pour la Fédération des Associations des parents d'élèves de la wilaya de Sétif Type de document : texte imprimé Auteurs : Tebani, Slimane Houssam Eddine, Auteur ; Douidi ,Lamri, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (59 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : WebTv
FapeSetif
StreamingIndex. décimale : 004 - Informatique Résumé :
Aveclavulgarisationd’Internetetlapercéedel’accèshautdébit,unnou-
veau typedetélévisionémerge,notammentinteractif,multimédiaetnomade.Il
est ouvertà presquetouslesacteurs,particuliersouprofessionnels,etpropose
de nouvellesapplicationsdanslesdomainesdel’éducation,due-commerce,du
divertissement etdelacommunication.C’estdanscecadreques’inscriventnos
projetsderecherche,quiincluentlacréationd’unsitedetélévisionenréseauou
de télévisionpourlaFédérationdesétudiantsetparentsduSétifafindediffuser
l’information. Plusfacileetplusrapide.Côte titre : MAI/0449 En ligne : https://drive.google.com/file/d/1avS-NKNvSRr1Mc3QPhY9TrjwXcqG7a3W/view?usp=shari [...] Format de la ressource électronique : Conception et Réalisation d'un site WebTV pour la Fédération des Associations des parents d'élèves de la wilaya de Sétif [texte imprimé] / Tebani, Slimane Houssam Eddine, Auteur ; Douidi ,Lamri, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (59 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : WebTv
FapeSetif
StreamingIndex. décimale : 004 - Informatique Résumé :
Aveclavulgarisationd’Internetetlapercéedel’accèshautdébit,unnou-
veau typedetélévisionémerge,notammentinteractif,multimédiaetnomade.Il
est ouvertà presquetouslesacteurs,particuliersouprofessionnels,etpropose
de nouvellesapplicationsdanslesdomainesdel’éducation,due-commerce,du
divertissement etdelacommunication.C’estdanscecadreques’inscriventnos
projetsderecherche,quiincluentlacréationd’unsitedetélévisionenréseauou
de télévisionpourlaFédérationdesétudiantsetparentsduSétifafindediffuser
l’information. Plusfacileetplusrapide.Côte titre : MAI/0449 En ligne : https://drive.google.com/file/d/1avS-NKNvSRr1Mc3QPhY9TrjwXcqG7a3W/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0449 MAI/0449 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalink
Permalink
PermalinkPermalink
PermalinkSystème Intelligent de prédiction des Accidents de la Route en Algérie - STARTUP "SIARA" / Dikra Boussadia
PermalinkPermalink
