Prédiction des ventes de médicaments par l’Apprentissage Automatique
| dc.contributor.author | LEKAMECHE , Bilal | |
| dc.contributor.author | NEGHRA , Zahra | |
| dc.contributor.author | FOUGHALI , Laïdi | |
| dc.date.accessioned | 2024-10-14T07:59:41Z | |
| dc.date.available | 2024-10-14T07:59:41Z | |
| dc.date.issued | 2024 | |
| dc.description.abstract | L’industrie pharmaceutique est un secteur clé pour la santé publique et l’économie nationale. En effet, les ventes de médicaments sont un indicateur essentiel de la demande en produits de santé et la prédiction de ces ventes aide diverses parties prenantes, notamment les fabricants, les distributeurs et les régulateurs. De nombreuses recherches ont proposé des méthodes de prédiction des ventes en utilisant des techniques traditionnelles de régression. Avec l’arrivée du big data et les avancées de l’apprentissage automatique, il est désormais possible de construire des modèles plus sophistiqués afin d’exploiter les informations contenues dans les vastes ensembles de données pharmaceutiques. Dans le cadre de ce mémoire, nous avons dans un premier temps présenté les bases de l'apprentissage automatique. Cette introduction vise à fournir les connaissances nécessaires pour comprendre comment ces techniques peuvent être appliquées à la prédiction des ventes. Dans un second temps, nous avons présenté les spécificités du marché des médicaments. En comprenant ces particularités, on peut mieux appréhender les défis et les variables à considérer pour prédire les ventes de médicaments de manière précise. Ensuite, nous implémentons les modèles proposés basent sur la bibliothèque « Tensorflow », en commençant par préparer la collection de données choisie. Pour finir, nous évaluons les résultats obtenus par nos modèles. | |
| dc.identifier.uri | http://dspace.univ-skikda.dz:4000/handle/123456789/2667 | |
| dc.language.iso | fr | |
| dc.publisher | Faculté des Sciences | |
| dc.title | Prédiction des ventes de médicaments par l’Apprentissage Automatique | |
| dc.title.alternative | Réseaux et systèmes distribués | |
| dc.type | Mémoire de Master |