Vous êtes sur la page 1sur 3

Introduction

Dans ce chapitre, nous présentons une problématique, puis, nous formulerons une solution
.par la suite, nous allons présenter une vue globale des différentes outils de notre application.

1. Problématique 

Le diabète est un problème de santé de plus en plus croissant en raison de notre mode de vie
inactif. Aussi, Le diabète est l'une des maladies les plus meurtrières au monde.  Les patients
doivent se rendre dans un centre de diagnostic, consulter leur médecin et attendre un jour ou
plus pour obtenir leur résultat. De plus, chaque fois qu'ils veulent obtenir leur rapport de

diagnostic, ils doivent gaspiller leur argent en vain . Mais s'il on peut détecter à temps, un

traitement médical approprié Les effets indésirables peuvent être évités. Pour
aider à la détection précoce, la technologie peut être utilisée de manière très

fiable et efficace.

2. Solution proposée 

Grâce à l'apprentissage automatique, nous avons pu trouver une solution à ce problème en


utilisant l'exploration de données. L'exploration de données est l'un des domaines clés de
l'apprentissage automatique. Il joue un rôle important dans la recherche sur le diabète car il a
la capacité d'extraire des connaissances cachées d'une énorme quantité de données liées au
diabète. Le but de cette recherche est de développer un système permettant de prédire si le
patient est diabétique ou non. De plus, la prédiction précoce de la maladie conduit au
traitement des patients avant qu'elle ne devienne critique

3. Les outils 
1.1 Orange 
Nous avons choisi comme outil de préparation de nos données Orange

Orange est un logiciel  open source de visualisation de données ,d' apprentissage


automatique et d' exploration de données . Il comporte une interface de
programmation visuelle pour l'analyse  des données et la visualisation interactive des
données.
Il est livré avec une fonctionnalité intéressante qui simplifiera la lecture de vos
données qui nécessite une conversion d'Excel en fichiers séparés par des tabulations
ou séparés par des virgules. Développé en Python, il existe des versions
Windows, Mac et Linux.

1.1 Logo d’Orange


2 RapidMiner

Nous avons choisi RapidMiner comme outil de préparation de nos données

RapidMiner est une plateforme logicielle de science des données développée par la société
du même nom qui fournit un environnement intégré pour la préparation de données,
l'apprentissage automatique, l'apprentissage en profondeur, l'exploration de texte et
l'analyse prédictive.

Logo rapidMiner

Langage

1. Python 
Nous avons choisi python comme étant un langage de programmation.

Python est un langage de script de haut niveau, structuré et open source. Il est
multi-usage. Il est un langage de programmation très puissant utilisé en Data
Mining pour faire de l’analyse statistique, la classification, le clustering et
l’analyse prédictive.

1.2 Logo de Python


1.3 Flask
Nous avons choisi Flask comme étant un framework pour notre application

Flask est un micro framework d'application Web écrit en Python. Il a été développé
par Armin Ronacher .Il a un noyau petit et facile à étendre . il est basé sur la boîte à
outils Werkzeg WSGI et le moteur de modèles Jinja2.

Logo flask

Conclusion

Ce chapitre a présenté la problématique ainsi que la solution envisagée par notre


application, Aussi on a présenté l'environnement logiciels qu'on utilisé pour
l'implémentation de notre futur application.

Dans le chapitre suivant nous allons définir la phase de traitement de notre base de
données ainsi que le résultat prédictif.