Veuillez utiliser cette adresse pour citer ce document : http://dspace1.univ-tlemcen.dz/handle/112/23579
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorGuennineche, Amel-
dc.date.accessioned2024-11-18T12:37:59Z-
dc.date.available2024-11-18T12:37:59Z-
dc.date.issued2019-06-29-
dc.identifier.urihttp://dspace1.univ-tlemcen.dz/handle/112/23579-
dc.description.abstractAu cours des dernières années, la communauté des sciences de matériaux a déployé des efforts considérables pour utiliser l'informatique afin d'accélérer le développement et la découverte de nouveaux matériaux. Les algorithmes d'apprentissage automatique analysent les données relatives aux propriétés des matériaux afin d'extraire de nouvelles connaissances ou des modèles prédictifs représentant leur comportement à partir de bases de données existantes en science des matériaux. Cette technique est moins coûteuse en temps de calcul que les codes ab-initio traditionnels. Dans ce mémoire master, nous avons implémenté les algorithmes d’apprentissage automatique, en python, en utilisant Scikit-learn pour extraire des informations à partir des bases de données telles que Materials Project et Citrinationen_US
dc.language.isofren_US
dc.publisherUniversity of tlemcenen_US
dc.relation.ispartofseriesPDF;-
dc.subjectapprentissage statistique, base de données, python, Scikit-learn, gapen_US
dc.titlePrédiction des propriétés des matériaux par apprentissage automatiqueen_US
dc.typeThesisen_US
Collection(s) :Master en Physique

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Prediction_des_proprietes_des_materiaux_par_apprentissage.pdf3,14 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.