Hasnaoui,WissemGACEM,Nadjat2026-10-292026-10-292026-06-27https://dspace.univ-tlemcen.dz/handle/112/27200Ce travail porte sur le développement d’un modèle intelligent de prédiction des anomalies cardiovasculaires basé sur le Machine Learning. Pour cela, nous avons utilisé une base de données cardiologique contenant des informations cliniques de patients, puis nous avons implémenté et comparé quatre algorithmes de classification : SVM, KNN, Random Forest et les réseaux de neurones. Après une optimisation par GridSearchCV et une validation croisée, les résultats ont permis d’identifier le modèle le plus performant. Cette étude montre que le Machine Learning constitue un outil prometteur pour améliorer le dépistage précoce et assister le diagnostic cardiovasculaire.frMaladies cardiovasculairesApprentissage automatiqueDiagnostic précoceSVMKNNRandom ForestRéseaux de neuronesClassification médicale.Thesis