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

• DEDICACE
  
• EPIGRAPHE
  
• REMERCIEMENTS
  
• AVANT-PROPOS
  
  
• RESUME
  
• ABSTRACT
  
• SOMMAIRE
  
• TABLE DES ILLUSTRATIONS
  
• LISTE DES TABLEAUX
  
• LISTE DES SIGLES ET ABREVIATIONS
  
• INTRODUCTION GENERALE
  
• PREMIERE PARTIE : CONTEXTE GENERAL DE L'ETUDE
  
• CHAPITRE I : PRESENTATION DE LA STRUCTURE D'ACCUEIL ET DU SUJET D'ETUDE
  
  • 1. Structure d'accueil : le LAIMA
    
    • a) Historique du LAIMA
      
    • b) Missions du LAIMA
      
    • c) Structure organisationnelle de L'Institut Africain d'Informatique (IAI)
      
  • 2. Présentation du sujet et de son intérêt
    
    • a) Contexte du sujet
      
    • b) Problématique
      
    • c) Objectifs
      
• CHAPITRE II : CONCEPTS LIÉS A LA DYNAMIQUE D'UNE EPIDEMIE
  
  • 3. Définitions, méthodes et principes en épidémiologie
    
    • a) Quelques notions de base
      
    • b) Principes en épidémiologie
      
    • c) Méthodes et outil en épidémiologie
      
      • (1) Outils utilisés en épidémiologie
        
      • (2) Indicateurs épidémiologiques :
        
    • d) Analyse et maîtrise des épidémies
      
  • 4. DYNAMIQUE TEMPORELLE D'UNE EPIDEMIE
    
    • a) Dynamique temporelle d'une épidémie et les modèles à base des compartiments
      
    • b) Détermination du pique de l'épidémie ou le nombre maximal d'infectés
      
    • c) Nombre de reproduction de base R0
      
    • d) Nombre de reproduction effectif Rt
      
    • e) Intervalle intergénérationnel (D) :
      
    • f) vitesse de croissance d'une épidémie
      
    • g) Effets de la vaccination sur la dynamique temporelle de l'épidémie
      
  • 5. DYNAMIQUE SPATIALE D'UNE EPIDEMIE
    
    • a) Définition de la dynamique spatiale d'une épidémie
      
    • b) Système d'information géographique (SIG)
      
      • (1) Définition
        
      • (2) Représentation d'entités géographiques dans un SIG
        
      • (3) Système de Coordonnées géographiques
        
  • 6. Quelques propriétés épidémiologiques de la pandémie de la COVID-19
    
    • a) Origines de laCOVID-19
      
    • b) Symptômes de la COVID-19
      
    • c) Modes de transmission de la COVID-19.
      
• CHAPITRE III : ETAT DE L'ART DE LA MODELISATION DES EPIDEMIES
  
  • 7. Modèles à base des compartiments
    
    • a) Travaux connexes sur les modèles à base des compartiments
      
    • b) Limites des modèles à base de compartiments
      
  • 8. Modèles à base de réseaux de pétri
    
    • a) Principe de modélisation à base des réseaux de pétri
      
    • b) Avantages de la modélisation à base des réseaux des pétri
      
    • c) Travaux connexes sur la modélisation à base des réseaux des pétri
      
    • d) Limites des modèles à base des réseaux de Pétri
      
  • 9. Modèles à base d'agents (ABM)
    
    • a) Principe de la modélisation à base d'agent (ABM)
      
    • b) Avantages des modèles à base d'agent
      
    • c) Travaux connexes modèles à base d'agent :COMOKIT
      
    • d) Limites des modèles à base d'agents (ABM)
      
• DEUXIEME PARTIE : MODELISATION DE LA COVID-19 PAR UNE APPROCHE MACHINE LEARNING
  
• CHAPITRE IV : PRESENTATION DU MACHINE LEARNING
  
  • 10. Intelligence artificielle
    
  • 11. Machine Learning
    
    • a) Pourquoi utilise-t-on le Machine Learning  ?
      
      • (1) Les tâches qui sont trop complexes à programmer
        
      • (2) L'adaptation
        
    • b) Types d'apprentissage
      
      • (1) Apprentissage supervisé
        
      • (2) Apprentissage non supervisé
        
      • (3) Apprentissage par renforcement
        
      • (4) Apprentissage en profondeur
        
    • c) Évaluation d'un modèle en Machine Learning
      
      • (1) Score R-carré (R²)
        
      • (2) Erreur quadratique moyenne ou le « Root Mean Square Error » (RMSE)
        
    • d) Quelques algorithmes de Machine Learning
      
      • (1) ARIMA
        
      • (2) Prophète
        
      • (3) LSTM
        
• Chapitre V : démarche Machine Learning pour la modélisation
  
  • 12. Processus «Knowledge Discovery in Databases «(KDD)
    
  • 13. Processus «Cross Industry Standard Process for Data Mining» (CRISP-DM)
    
  • 14. Méthodologie choisie : le processus CRISP-DM
    
  • 15. Mise en oeuvre de la démarche CRISP-DM
    
    • a) Compréhension métier
      
    • b) Compréhension des données
      
      • (1) Collecte de données
        
      • (2) Description des données
        
      • (3) Exploration des données
        
    • c) Préparation des données
      
      • (1) Extraction
        
      • (2) Traitement des valeurs manquantes et les jours non-ouvrages
        
      • (3) Encodage,normalisation et partitionnement des données
        
      • (4) Visualisation
        
  • 16. Modélisation : Choix de l'algorithme d'entrainement.
    
    • a) Évaluation et validation
      
    • b) Déploiement
      
• CHAPITRE VI:l'étude de l'algorithme facebook prophet et conception du modèle de prédiction
  
  • 17. Principe détaillé du fonctionnement de Facebook prophet.
    
    • a) Modélisation de la tendance g(t)
      
    • b) Modélisation de la saisonnalité
      
    • c) Modélisation des vacances
      
  • 18. Réglage des hyper paramètres
    
    • a) Paramètre du point de changement de tendance.
      
    • b) Paramètre de saisonnalité.
      
    • c) Paramètre de vacances.
      
    • d) Paramètre du mode de saisonnalité.
      
  • 19. Construction de notre modèle
    
    • a) Etape 1 importer les bibliothèques
      
    • b) Etape 2 configuration des données
      
    • c) Etape 3 configuration du modèle
      
    • d) Etape 4 évaluation de la performance du modèle
      
    • e) Etape 5 Test du modèle
      
• TROISIEME PARTIE : REALISATION DU SIMULATEUR EVAL_EPI
  
• Chapitre VI : MÉTHODOLOGIE DE DÉVELOPPEMENT
  
  • 20. Étude comparative entre la famille des processus agile et la famille des processus unifiés
    
    • a) Présentation de la famille des processus agile
      
      • (1) Exemple de processus agile
        
      • (2) Inconvénients des méthodes Agiles
        
    • b) Famille des processus unifiés
      
      • (1) Exemple de processus unifié :
        
      • (2) Inconvénients des processus unifiés :
        
  • 21. Présentation détaillée de méthode choisie : le processus 2tup couple au langageUML
    
    • a) Présentation détaillée du processus 2tup
      
    • b) CHOIX DE LA MODELISATION AVEC UML
      
• Chapitre VII : MISE EN OEUVRE DE LA SOLUTION
  
  • 22. Analyse du besoin
    
    • a) Besoins du système
      
      • (1) Besoins fonctionnels
        
        • (a) Fonctionnalités liées à la simulation de l'évolution de la dynamique spatio-temporelle d'une épidémie
          
        • (b) Fonctionnalités liées à la gestion des indicateurs épidémiologiques :
          
        • (c) Fonctionnalités liées à la gestion des modèles de simulation :
          
        • (d) Fonctionnalités liées à l'exploration des données issues de la simulation :
          
        • (e) Fonctionnalités liées à gestion de la visualisation
          
        • (f) Fonctionnalités liées à gestion des utilisateurs
          
    • b) Besoins non fonctionnels
      
    • c) Acteurs
      
    • d) Cas d'utilisation
      
      • (1) Diagramme global de cas d'utilisation
        
      • (2) Gestion des utilisateurs
        
      • (3) Gestion des données.
        
      • (4) Gestion du prétraitement des données d'entrées de la simulation.
        
      • (5) Gestion de La simulation de la dynamique spatio-temporelle :
        
      • (6) Gestion les indicateurs épidémiologiques
        
      • (7) Gestion des modèles de simulation
        
      • (8) Gestion de la visualisation
        
  • 23. Diagrammes d'analyse
    
    • a) Diagrammes d'activités
      
      • (1) Le diagramme d'activités du cas d'utilisation « charger des données »
        
      • (2) diagramme d'activités du cas d'utilisation « gestion du prétraitement »
        
      • (3) Le diagramme d'activités du cas d'utilisation « faire une prédiction  »
        
      • (4) Le diagramme d'activités du cas d'utilisation « calculer un indicateur épidémiologique »
        
      • (5) Le diagramme d'activités du cas d'utilisation « Visualiser un indicateur épidémiologique »
        
      • (6) Diagramme d'activités du cas d'utilisation «ajouter un indicateur épidémiologique »
        
      • (7) diagramme d'activités du cas d'utilisation « modifier un indicateur épidémiologique »
        
    • b) Diagramme de classe
      
  • 24. Conception de la solution
    
    • a) Choix des indicateurs épidémiologiques
      
    • b) Architecture applicative
      
    • c) Architecture logicielle de « EVAL-EPI »
      
      • (1) Modèle-Vue- contrôleur  (MVC)
        
      • (2) Modèle -Vue-Gabarit (MVT)
        
      • (3) Différence entre MVC et MVT
        
      • (4) Architecture logicielle choisie : le modèle MVC
        
    • d) Conception de la couche de présentation
      
    • e) Architecture physique
      
• QUATRIEME PARTIE : FINALISATION DE LA SOLUTION
  
• Chapitre VIII : IMPLEMENTATION ET RESULTATS
  
  • 25. CHOIX DES OUTILS
    
    • a) Choix de la Plateforme logiciel
      
      • (1) Pourquoi le langage de programmation R ?
        
      • (2) Les limites du langage de programmation R
        
    • b) Choix des outils de manipulation des données
      
      • (1) Le package « data.table »
        
      • (2) Les autres packages pour la manipulation des données
        
    • c) Choix des outils d'implémentation de l'interface graphique
      
      • (1) Le package « shiny » : outil de création de l'interface graphique
        
      • (2) Choix de l'IDE Integrated Development Environment (environnement de développement intégré).
        
  • 26. DEPLOIEMENT
    
  • 27. PRESENTATION DE QUELQUES RESULTATS
    
    • a) Page d'accueil d'EVAL-EPI
      
    • b) Module de simulation de la dynamique spatio-temporelle de la covid-19
      
• CHAPITRE IX : GESTION DE PROJET ET BILAN
  
  • 28. Gestion du projet
    
    • a) Les intervenants
      
    • b) Découpage du projet
      
    • c) Estimation des charges
      
  • 29. Bilan et perspective du projet
    
    • a) Etat d'achèvement du projet
      
    • b) Apports du stage
      
    • c) Difficultés Rencontrées
      
    • d) Perspectives
      
• CONCLUSION GÉNÉRALE
  
• RÉFÉRENCES BIBLIOGRAPHIQUES
  
• ANNEXES