Le stage réalisé à la fin de notre
formation a permis d'appliquer les connaissances acquises tout au long du
parcours académique à des situations réelles, en mettant
en pratique les compétences techniques liées au
développement web. Le stage a également offert
l'opportunité de se familiariser avec l'environnement professionnel et
de se confronter aux défis et aux contraintes réelles du travail
en équipe.
Le projet de prédiction des prix du
maïs au Bénin que nous avons réalisé a permis de
mettre en évidence l'importance de l'utilisation de techniques
avancées d'analyse de données et d'apprentissage automatique pour
améliorer la prise de décision dans le secteur agricole.
Grâce à la collecte et au prétraitement des données
historiques du maïs, la construction et l'entraînement du
modèle LSTM, et l'intégration harmonieuse avec la plateforme web
de visualisation, ce projet a permis de fournir des prédictions des prix
du maïs avec une précision de 95%. Ces prédictions peuvent
aider les agriculteurs, les commerçants, les décideurs et les
organisations gouvernementales à prendre des décisions
éclairées.
En perspective, Il est important de prendre en compte les
spécificités du contexte agricole local, et d'adapter le
modèle de prédiction en conséquence pour de meilleurs
résultats.
55
Réalisé et soutenu par Sabin ASSOGBA et Mario
LIGAN
REFERENCES BIBLIOGRAPHIQUES
· Antonio Lopez (2016). Learning PHP 7. Packt
Publishing, - 606 p.
· Gildas David Farid Adamon, Miton Abel
Konnon, Merscial Raymond, Rodolphe N'deji, Aimé Agonman,
Adonaï Gbaguidi, Togon Clotilde Guidi, Latif Adeniyi Fagbemi (2023).
Estimation of Water Hyacinth Using Computer Vision, Environment and Pollution,
Vol. 12, N° 1, pp. 1- 11.
· Miton Abel Konnon, Abdou-Aziz Sobabe Ali Tahirou,
Ismail M. Moumouni, M.F. Dieu-Donné Konnon (2023). Agricultural Market
Information Governance: A Capability-Oriented National Framework for Benin
Republic. International Journal of Advanced Research, Vol. 11, N° 1, pp.
566- 577;
· Pascal Roques (2006), UML2 par la pratique.
Cinquième Edition, EYROLLES. - 338 p.
· Valade, J. (2017). PHP et MySQL pour les nuls.
Sixième Edition, First interactive. - 830 p.
· Z. Chen, H.S. Goh, K.L. Sin, K. Lim, N.K.H. Chung,
X.Y. Liew (2021). "Automated Agriculture Commodity Price Prediction System with
Machine Learning Techniques", Advances in Science, Technology and Engineering
Systems Journal, vol. 6, no. 4, pp. 376-384.
·
56
Réalisé et soutenu par Sabin ASSOGBA et Mario
LIGAN
WEBOGRAPHIE
Dans le cadre de la réalisation de notre projet, nous
avons consulté les sites web ci-après :
·
https://intellipaat.com/blog/what-is-lstm/?US
, dernière consultation le 10 juin 2023
· Home - Advances in Science, Technology and
Engineering Systems Journal (
astesj.com) , dernière
consultation le 10 juin 2023
·
https://www.chartjs.org/docs/latest/,
dernière consultation le 10 juin 2023
·
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.iloc.html,
dernière consultation le 10 juin 2023
·
https://openclassrooms.com/fr/courses/5801891-initiez-vous-au-deep-learning/5814656-decouvrez-les-cellules-a-memoire-interne-les-lstm,
dernière consultation le 10 juin 2023
·
https://www.researchgate.net/figure/Flowchart-of-the-IPSO-LSTM-
model-for-stock-index-forecasting fig2 349012005,
dernière
consultation le 10 juin 2023
·
https://www.researchgate.net/publication/
368314920 AGRICULTURAL MARKET INFORMATION GOVER NANCE A
CAPABILITY-ORIENTEDNATIONALFRAMEWORKFORBENINREPUBLIC, dernière
consultation le 10 juin 2023
· TensorFlow : https://www.tensorflow.org/ ,
dernière consultation le 10 juin 2023
· Keras: https https://keras.io/ ,
dernière consultation le 10 juin 2023
· Flask : https://flask.palletsprojects.com/ ,
dernière consultation le 10 juin 2023
· NumPy : https://numpy.org/ , dernière
consultation le 10 juin 2023
· FAO - Organisation des Nations Unies pour
l'alimentation et l'agriculture (
www.fao.org ) , dernière
consultation le 10 juin 2023
