Fiche Renseignement Pfe21-22 Complet

Formulaire de renseignements du mémoire de fin d’études
Année universitaire 2021/ 2022
Date de dépôt : …………….. Code Mémoire : ……………..
1 - IDENTIFICATION DES INTERVENANTS :
1. Titre du projet :
Systèmes de recommandation de e-recrutement : plateforme de recrutement spécialisée pour travailleurs

à temps partiel et/ou indépendants.
2. Option : SIW
* entourez l’option correspondante
3. Encadreur(s) :
1- Nadia Elouali
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :
Benathmane Abdelmadjid et Belfodil Abdessamad
5. Affiliation du promoteur (celui qui a proposé le sujet) :

Organisme :
Adresse :
Ecole Supérieur en Informatique, BP N° 73 EL WIAM, Rue Geurrouache Mohamed, Sidi Bel Abbes, Algerie.
‫ الجزائر‬،‫ سيدي بلعباس‬،‫ شارع قرواش محمد‬،‫ الوئام‬73 ‫ ص ب‬،‫المدرسة العليا لإلعالم اآللي‬
Tel / Fax : (213) 48 74 94 50 :‫ الفاكس‬/ ‫الهاتف‬
www.esi-sba.dz
2 – DESCRIPTION DU PROJET DE FIN D’ETUDES :
1. Résumé (contexte, problématique, attentes (200 à 300 mots)):
Un grand pourcentage des étudiants de l’université algérienne préfèrent exercer une activité rémunérée à
côté de leurs études. Cela leur permet de faire une meilleure gestion de leurs finances, créer des relations
et de se constituer un réseau. Cependant, les travaux à temps partiels (tel que travailler dans un café,
restaurant, cybercafé, etc.) nécessitent une recherche manuelle et une négociation avec le propriétaire
directement. De plus, même les recrutements encadrés par des plateformes (tel que fiverr et upwork),
proposant des travaux un peu plus spécialisés (développement, design, etc.), ne donnent pas une grande
chance aux nouveaux chercheurs de recrutement (spécialement les étudiants). Ces plateformes se basent
sur le principe de revues, et de l’expérience privilégiant ainsi les anciens employés.
Dans ce projet, nous allons définir une plateforme qui offre aux étudiants (ou autres) la possibilité de
trouver des emplois à temps partiel (qui ne nécessitent pas de processus d’embauche). La plateforme
permet donc aussi aux propriétaires des entreprises de trouver plus rapidement des employés. De plus, la
plateforme permettra aux freelancers d’avoir la chance d’être vu/recommandé même s’ils ne possèdent
pas d’expérience. La recommandation se basera sur les scores, mais sans pénaliser les nouveaux.
www.esi-sba.dz
2. Mots-clés (6 au max):
Plateforme de recrutement, Travail à temps partiel, Système de recommandation.
3. Plates-formes, outils et technologie à utiliser :
Développement web
4. Objectifs (classés par ordre de priorité):
La définition d’une nouvelle stratégie (algorithme) de recommandation.
L’implémentation de la plateforme avec la nouvelle stratégie.
L’évaluation avec des utilisateurs finaux et la comparaison des performances de notre algorithme avec
les algorithmes existants.
Résultats attendus :
Plateforme de recrutement spécialisée en travailleurs à temps partiel et/ou indépendants.
Remarques :
www.esi-sba.dz
Quantifier l'esthétique des interfaces graphiques avec le deep learning
2. Option : ISI
3. Encadreur(s) :
1- Nadia Elouali
Tél. : ........................................ Email : …………………….......................
2- Nassima Dif
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :
Lamri Maya Chiraz

Organisme :
Adresse :
www.esi-sba.dz
Plusieurs études ont montré que les utilisateurs ont une impression rapide mais durable sur l’attractivité
d’une interface graphique. Cette impression rapide est, dans une certaine mesure, basée sur l'esthétique
visuelle et peut avoir un impact considérable sur l'expérience utilisateur. Par exemple, des impressions
positives peuvent améliorer le niveau de confiance des utilisateurs et les encourager à adopter des
comportements positifs, tels qu’un engagement plus long et, éventuellement, un niveau d’intention d’achat
accru. Par conséquent, l’esthétique des interfaces graphiques est devenue un facteur de plus en plus
essentiel dans les considérations de conception de sites Web, applications mobiles, logiciels, etc.
Dans la pratique actuelle, l’évaluation de la qualité esthétique des interfaces graphiques dépend de
l’expérience et des jugements intuitifs des concepteurs. Toutefois, cette méthode d’évaluation est
subjective et peut être influencée par les antécédents, le style et les goûts du concepteur. Une autre
approche consiste à mener des questionnaires afin de recueillir le retour esthétique des utilisateurs sur la
conception. Cette méthode permet d’obtenir des évaluations plus larges et plus objectives, mais elle est
souvent coûteuse en temps et en argent.
Ainsi, dans ce projet, une méthode automatique et objective d'évaluation de l'esthétique des interfaces
graphiques sera développée. La méthode utilise l'apprentissage profond (deep learning), en se basant sur
les réseaux de neurones, pour apprendre automatiquement les représentations à partir des interfaces et de
leurs évaluations d'utilisateur correspondantes. Les réseaux de neurones sont capables d'extraire
automatiquement des caractéristiques de haut niveau directement à partir de données d'entrée brutes.
Ce projet cherche à combler le fossé entre la recherche sur les interfaces homme-machine et les
méthodologies de l'intelligence artificielle.
www.esi-sba.dz
Interface graphique, Deep learning, Intelligence artificielle.
Langage Python
Préparation du dataset (regroupement de plusieurs datasets d’évaluation des interfaces web, mobiles,
etc., introduction des nouveaux paramètres tel que âge, sexe, éducation, etc.)
Création du réseau de neurones pour quantifier l'esthétique des interfaces graphiques.
La réalisation d'un outil pour la quantification de l'esthétique des interfaces graphiques. Résultats
attendus :
Un système d’évaluation automatique de l'esthétique des interfaces graphiques.
Remarques :
www.esi-sba.dz
An efficient and robust image encryption scheme tailored for modern applications requirements
2. Option : ISI
3. Encadreur(s) :
1- amina SOUYAH
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
Within this contribution, an efficient and robust cipher algorithm for image confidentiality preservation is
proposed, this approach is specialized for standard images, and it consists of two dynamic modules, which
are iteratively performed: dynamic substitution and dynamic diffusion. First of all, the input standard
image is subdivided into sub-images (sub-matrices) of 8*8 pixels (bytes) each. Then, a dynamic key is
generated and changed for every input standard image, and after employed as a base to construct both
substitution
and diffusion modules. A substitution module is governed by a non-linear s-box, and the diffusion module
is ruled by means of a multiplication matrix. These two layers are applied under two encryption rounds,
aiming to meet a good compromise between a satisfactory level of security, i.e., robustness against the
most known type of attacks, and efficiency in terms of computational time in order to cope with recent
mobiles’ applications’ requirements.
www.esi-sba.dz
security, image encryption, confusion, diffusion, confidentiality preservation, s-box
C , java or Python programming language
Design and realization of symmetric encryption scheme for image content preservation tailored for
modern applications requirements Résultats attendus :
An efficient cryptographic proposal that can meet a good compromise between a satisfactory level of
security, i.e., robustness against the most known type of attacks, and efficiency in terms of computational
time in order to cope with recent mobiles’ applications’ requirements.
Remarques :
None
www.esi-sba.dz
L’identification du covid19 à partir des images de radiographie thoracique
2. Option : ISI, SIW

3. Encadreur(s) :
1- Sidi Mohammed BENSLIMANE
Tél. : ........................................ Email : …………………….......................
2- DIF Nassima
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
En décembre 2019, la pandémie de COVID-19 est apparue pour la première fois dans Wuhan en
Chine [1]. Le COVID-19 est une maladie respiratoire aiguë qui peut être vulnérable aux personnes âgées
et aux personnes souffrantes de maladies chroniques telles que les maladies cardiovasculaires et les
troubles respiratoires chroniques [2]. Actuellement, la technique de PCR (amplification en chaîne par
polymérase) est la plus utilisée pour le diagnostic et la détection de cette maladie. Toutefois, cette
technique est couteuse, et peut mener à des faux négatives, et cela peut accélérer la propagation du virus
[3]. En revanche, les pays sous-développés ont des difficultés dans l’obtention du nombre suffisant des
kits PCR pour le diagnostic du nombre élevé des cas suspects. Pour résoudre ce problème, plusieurs
hôpitaux ont exploité les techniques d’imagerie pulmonaire : scanner thoracique (X-ray) et les
tomodensitogrammes (CT scans) du covid-19. Avec le développement des techniques d’apprentissage
profond et l’intérêt croissant aux bases d’apprentissage public des images pulmonaire, plusieurs travaux
ont proposé l’exploitation de ces techniques pour proposer des systèmes d’aide au diagnostic pour les
radiologues [4,5]. En revanche, dans la majorité des travaux proposés, les bases exploitées sont
caractérisées par leur nature déséquilibrée, où, le nombre d’instances appartenant à la classe covid 19
présente un nombre très réduit par rapport aux autres classes (normale ou pneumonie), et cela peut causer
un problème de faux négatifs, en plus le nombre réduit des images peut engendrer un problème de
surapprentissage aux réseaux d’apprentissage profond. Pour résoudre ce problème, l’un des travaux a
proposé [6] de combiner 5 bases d’apprentissage, d’autre part, il existe un nombre plus élevé de bases qui
sont disponibles actuellement. Le but principal de ce travail est de proposer une configuration adéquate
d’une base d’apprentissage de détection du covid19 à partir des images pulmonaires. Cette base sera
générée par la combinaison d’un maximum de bases disponible en prenant en considération plusieurs
critères : une base équilibrée, multi source, et volumineuse.
Référence
[1] Chan, J. F. W., Yuan, S., Kok, K. H., To, K. K. W., Chu, H., Yang, J., ... & Yuen, K. Y. (2020). A
familial cluster of pneumonia associated with the 2019 novel coronavirus indicating person-to-person
transmission: a study of a family cluster. The lancet, 395(10223), 514-523.
[2] Chen, N., Zhou, M., Dong, X., Qu, J., Gong, F., Han, Y., ... & Zhang, L. (2020). Epidemiological and
clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan, China: a descriptive
study. The lancet, 395(10223), 507-513.
www.esi-sba.dz
[3] Giannitto, C., Sposta, F. M., Repici, A., Vatteroni, G., Casiraghi, E., Casari, E., ... & Luca, B. (2020).
Chest CT in patients with a moderate or high pretest probability of COVID-19 and negative swab. La
radiologia medica, 125(12), 1260-1270.
[4] Ouchicha, C., Ammor, O., & Meknassi, M. (2020). CVDNet: A novel deep learning architecture for
detection of coronavirus (Covid-19) from chest x-ray images. Chaos, Solitons & Fractals, 140, 110245.
[5] Ozturk, T., Talo, M., Yildirim, E. A., Baloglu, U. B., Yildirim, O., & Acharya, U. R. (2020). Automated
detection of COVID-19 cases using deep neural networks with X-ray images. Computers in biology and
medicine, 121, 103792.
[6] Wang, L., Lin, Z. Q., & Wong, A. (2020). Covid-net: A tailored deep convolutional neural network
design for detection of covid-19 cases from chest x-ray images. Scientific Reports, 10(1), 1-12.
www.esi-sba.dz
COVID-19; Images Pulmonaires; Apprentissage Profond; Base d’Apprentissage équilibrée.
- Exécution sur GPU : cloud ou local
- Librairies d’apprentissage profond : keras, tensorflow, ou pytorch.
- Librairies d’apprentissage automatique : scikit learn, sklearn, pandas, et autres…
- Interface graphique Web : technologie en fonction du choix de l’étudiant
- Modélisation des diagrammes UML : technologie en fonction du choix de l’étudiant
- Maitrise des principes exploitée par les méthodes d’apprentissage profond en vision par ordinateur.
- Une idée globale sur les travaux d’apprentissage profond en imagerie pulmonaire pour la détection
du covid-19.
- La proposition d’un benchmark multi-source.
- La position d’une plateforme pour la détection du covid-19. Résultats attendus :
Proposer une ou plusieurs configurations d’une base d’apprentissage d’imagerie pulmonaire pour la
détection du covid-19, provenant de la combinaison de plusieurs bases, et qui doit être : équilibrée, multi-
source, et volumineuse.
Un modèle d’apprentissage profond performant intégré dans une plateforme.
Remarques :
www.esi-sba.dz
Anomaly Detection using AutoEncoders: The advanced Persistent Threats case.

3. Encadreur(s) :
1- Pr. Benslimane Sidi Mohamed
Tél. : ........................................ Email : …………………….......................
2- Dr. Benabderrahmane Sid Ahmed

Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme : New York University, UAE
Adresse :
Sidi Mohamed BENSLIMANE
048749452 s.benslimane@esi-sba.dz
www.esi-sba.dz
Our main goal here is to use system level provenance data, and machine learning to detect the advanced
persistent threats (APTs). APTs are considered sophisticated, running for long time, and stealthy cyber-
attack. It is designed to penetrate specific targets. This might be done using either predetermined or
dynamically updated instructions from an adversary. They persist for as long as required to accomplish
the adversary’s goal (data theft). The APTs are difficult to detect because they look like normal. One
potential way of detecting such attacks is to identify the anomalous patterns using machine learning by
levering holistic operating system level data generated by the applications. The challenges when detecting
the APTs involve the novelty of the attacks, too few examples of attacks available in the real life
(imbalanced data) and the acquisition of data with annotations of prior attacks. Moreover, an accurate
protection system necessitates the utilization of sophisticated anomaly detectors. Finally, the captured
traces are typically huge, with high velocity, thus representing additional challenges
www.esi-sba.dz
Anomaly Detection, AutoEncoders, machine learning, advanced persistent threats,
Python, Git
Implementing a bigdata model for storing the attack logs.
Implementing a deep learning model using auto encoders to discover the outlier patterns.
Designing a generative adversarial neural network to produce synthetic cyber-attacks. Résultats

attendus :
Implementing a bigdata model for storing the attack logs.
Implementing a deep learning model using auto encoders to discover the outlier patterns.
Designing a generative adversarial neural network to produce synthetic cyber-attacks.
Remarques :
www.esi-sba.dz
1. Conception et implémentation d’un nouvel ordonnanceur basé sur le machine Learning pour
l’amélioration des performances du MPTCP
2. Option : ISI
3. Encadreur(s) :
1- ZOUAOUI CHAKIB
Tél. : ........................................ Email : …………………….......................
2- BENSLIMANE SIDI MOHAMMED

Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme : Laboratoire RCAM, UDL de Sidi Bel Abbes
Adresse :
CHAKIB@IPATDZ.INFO
www.esi-sba.dz
Le MPTCP est un protocole qui fonctionne sur la couche transport du modèle OSI qui est une extension
du TCP actuel. Cette extension permet justement au MPTCP de fonctionner sur des réseaux multi-
domiciliés d’une manière totalement transparente aux applications existantes. Son principe est basé sur
l’exploitation équitable de l’ensemble des chemins existants, ainsi il intègre un ordonnanceurs dont la
mission principale est d’orchestrer tout en équilibrant la charge sur les liens opportuns.
Les implémentations MPTCP proposent au choix de l’administrateur un ensemble d’ordonnanceurs aux

performances variables selon la nature de l’application, ainsi il n’existe aucun ordonnanceur qui
fonctionne d’une manière optimale pour toutes les applications ou encore dans tous les environnements
possibles.
Pour améliorer les performances du MPTCP, il est proposé à travers ce projet, la poursuite des travaux
réalisés, l’année passée, en collaboration avec l’école supérieure en informatique de Sidi Bel Abbes.
Ces résultats ont donné lieu à une implémentation d’un premier ordonnanceur ML qui a produit des
résultats très encourageants.
Ainsi, dans le contexte de ce présent projet, les étudiants devront non seulement améliorer le modèle ML
adopté l’année passée ainsi que son intégration, mais devront également élargir son champ d’application
pour les réseaux multi-domiciliés comportant plus de deux chemins.
www.esi-sba.dz
1-.MPTCP
2- Machine learning
3- Ordonnancement MPTCP
4- Programmation Système
5- Kernel Linux
6- C/C++
Pour la mise en œuvre du présent projet, les étudiants devront implémenter un modèle basé sur le
principe de l’apprentissage machine et vont devoir valider leurs résultats avec une plateforme réseau
composée de trois routeurs Cisco 2800 et de trois commutateurs Cisco 2950
I - Elaborer un état de l’art consistant pour un meilleur positionnement de l’ordonnanceur ML
II – Améliorer l’implémentation de l’ordonnanceur ML existant
III- Evaluer ses performances par rapport aux autres stratégies existantes
IV- Initiation des candidats au R&D réseau Résultats attendus :
I – Implémentation d’un nouvel ordonnanceur ML
II – Amélioration des performances de l’ordonnanceur
III- Au pire cas maintien des performances du meilleur ordonnanceur
Remarques :
www.esi-sba.dz
1. Implémentation en mode noyau d’un nouvel ordonnanceur par alternance dont l’optique d’améliorer
le comportement du MPTCP
2. Option : ISI
3. Encadreur(s) :
1- ZOUAOUI CHAKIB
Tél. : ........................................ Email : …………………….......................
2- BENSLIMANE Sidi Mohamed

Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme : Labortoire RCAM, UDL de Sidi Bel Abbes
Adresse :
CHAKIB@IPATDZ.INFO
www.esi-sba.dz
Le MPTCP s’impose aujourd’hui parmi les protocoles de multihoming les plus prometteurs et qui finira
par faire l’unanimité et remplacer ainsi les implémentations existantes du TCP. Parmi les axes de recherche
MPTCP les plus productifs on peut déjà identifier l’élaboration de nouveaux ordonnanceurs dont l’optique
d’améliorer le comportement du MPTCP. C’est dans ce contexte qu’une thèse de doctorat a été initiée au
sein du laboratoire RCAM et qu’à travers de laquelle nous avons proposé une stratégie nouvelle basée sur
l’attenance des ordonnanceurs existants et non leur hybridation pour améliorer le comportement du
MPTCP en cas d’arrivée dans le désordre des segments MPTCP.
Cette proposition bien que prometteuse, souffre d’une implémentation complexe qui requiert plusieurs
outils et de multiples programmes. C’est dans l’esprit d’en simplifier le déploiement que ce mémoire de
master est proposé à travers duquel les candidats devront implémenter les algorithmes proposés et les
intégrer au nouveau noyau MPTCP.
Outre, implémentation, les candidats seront appelés également à améliorer l’aspect fondamental de
l’approche proposée.
www.esi-sba.dz
1-.MPTCP
2- Alternance
3- Ordonnancement MPTCP
4- Programmation Système
5- Kernel Linux
6- C/C++
Pour la mise en œuvre du présent projet, les étudiants devront implémenter une nouvelle stratégie
d’ordonnancement basée sur le principe de l'alternance en utilisant les technologies avancées du noyau
linux et vont devoir valider leurs résultats avec une plateforme réseau composé de trois routeurs Cisco
2800 et de trois commutateurs Cisco 2950
I Élaborer un état de l’art consistant pour un meilleur positionnement de l’ordonnanceur par Alternance
II – Evaluer ses performances par rapport aux autres stratégies existante
III- Améliorer l’implémentation de l’ordonnanceur par Alternance
IV- Initiation des candidats au R&D réseau
I – Implémentation d’un nouvel ordonnanceur par Alternance en mode noyau
II – Amélioration du comportement dans le cas d’apparition du phénomène du Out Of Order
III- Au pire cas maintien des performances du meilleur ordonnanceur
Remarques :
www.esi-sba.dz
Deep Autoencoder-based Clustering of Histopathological Images
2. Option : SIW
3. Encadreur(s) :
1- BENSLIMANE Sidi Mohamed
Tél. : ........................................ Email : …………………….......................
2- ATTAOUI Mohammed Walid

Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :
DERMI Malika & HABIB Khaouther

Organisme :
Adresse :
www.esi-sba.dz
L'histopathologie est une branche de l'histologie qui se réfère à l'examen des tissus ou des cellules malades.
L'analyse de routine des échantillons est une pratique courante pour le diagnostic, le pronostic et le
traitement du cancer. Le pathologiste prépare les échantillons de biopsie extraits par différentes techniques
de traitement : fixation, incorporation, découpage en portions et coloration. Ensuite, les échantillons
prétraités sont analysés au microscope.
Le clustering joue un rôle essentiel dans de nombreuses applications du monde réel, telles que les études
de marché, la reconnaissance des formes, l'analyse des données et le traitement des images. Cependant, en
raison de la haute dimensionnalité des valeurs des attributs d'entrée, les données fournies aux algorithmes
de clustering contiennent généralement du bruit et peuvent donc conduire à des résultats de clustering
imprécis. Bien que les algorithmes traditionnels de réduction de la dimension et de sélection des attributs
puissent être utilisés pour résoudre ce problème, les règles heuristiques simples utilisées dans ces
algorithmes sont basées sur des hypothèses particulières. Lorsque ces hypothèses ne se vérifient pas, ces
algorithmes risquent de ne pas fonctionner.
Les autoencodeurs, aussi parfois appelés autoassociateurs, sont des réseaux neuronaux formés pour
apprendre à reconstruire leurs entrées, afin d'extraire des représentations intermédiaires utiles de manière
non supervisée tout en minimisant la perte d'information au cours de ce processus. Ces représentations ou
features peuvent ensuite être utilisées pour améliorer les tâches en aval, comme le clustering ou
l'apprentissage supervisé, qui bénéficient de la réduction de la dimensionnalité et de caractéristiques de
plus haut niveau. En d'autres termes, il essaie d'apprendre une approximation de la fonction d'identité :
cela peut sembler trivial, mais en plaçant diverses contraintes sur l'architecture et les activations du réseau,
il extraira des représentations utiles.
Le but de ce projet est de proposer une approche de clustering d’images histopathologiques en se basant
sur une architecture d’autoencodeurs pour réduire les dimensions.
www.esi-sba.dz
1-. Images Histopathologique
2- Clustering
3- Autoencodeurs
4- Réduction de dimensions
1. Python: Scikit Learn, Pytorch, Tensorflow, Keras..
2. Scala : Spark, Smile..
- Comprendre le principe de l’apprentissage non-supervisé et de la réduction des dimensions.
- Proposer un état de l’art sur les différentes méthodes de réductions des dimensionnalités en se basant
sur des auto-encodeurs (de préférence en anglais).
- Implémenter un auto-encodeur (AE) classique et le tester avec des datasets d’images

histopathologiques (fournis par votre encadrant).
- Appliquer un(des) algorithme(s) de clustering (déjà implémenté(s)) sur les features résultant de l’AE.
- Tester la qualité du clustering.
- (Optionnel) Écrire un papier sur la méthode proposé. Résultats attendus :
- État de l’art récent et complet.
- Implémentation d’un AE et application d’algorithmes de clustering.
- Comparaison avec les méthodes de l’état de l’art.
Remarques :
www.esi-sba.dz
Predicting COVID-19 from chest X-ray images using fine tuning and transfer learning

3. Encadreur(s) :
1- BENSLIMANE Sidi Mohammed
Tél. : ........................................ Email : …………………….......................
2- ATTAOUI Mohamed Walid

Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
En raison de l'indisponibilité d'un traitement thérapeutique pour la nouvelle maladie COVID-19, un

diagnostic précoce est d'une réelle importance pour permettre l'isolement immédiat de la personne suspecte
et pour diminuer le risque d'infection de la population saine. La réaction en chaîne de la polymérase par
transcription inverse (RT-PCR) ou le séquençage du gène pour les échantillons respiratoires ou sanguins
sont introduits comme principales méthodes de dépistage du COVID-19. Cependant, le taux de positivité
total de la RT-PCR pour les échantillons de gorge est de 30 à 60 %, ce qui donne par conséquent des
patients non diagnostiqués, qui peuvent contaminer une énorme population de personnes saines. La
radiographie thoracique (par exemple, l'imagerie par rayons X ou par tomodensitométrie), outil de routine
pour le diagnostic de la pneumonie, est facile à réaliser et permet un diagnostic rapide. La
tomodensitométrie thoracique présente une sensibilité élevée pour le diagnostic du COVID-19 et les
images radiographiques montrent des indices visuels corrélés au COVID-19.
Compte tenu du nombre considérable de personnes suspectées et du nombre limité de radiologues formés,
les méthodes automatiques d'identification de ces anomalies subtiles peuvent faciliter la procédure de
diagnostic et augmenter le taux de diagnostic précoce avec une grande précision. Les solutions
d'intelligence artificielle (IA) et d'apprentissage automatique sont des outils potentiellement puissants pour
résoudre de tels problèmes.
Dans le Transfer Learning, un modèle formé sur une tâche est réaffecté à une autre tâche connexe,
généralement par une certaine adaptation à la nouvelle tâche. Par exemple, on peut imaginer d'utiliser un
modèle de classification d'images formé sur ImageNet (qui contient des millions d'images étiquetées) pour
initier un apprentissage spécifique à la tâche de détection du COVID-19 sur un ensemble de données plus
petit. L'apprentissage par transfert est principalement utile pour les tâches pour lesquelles il n'existe pas
suffisamment d'échantillons d'entraînement pour entraîner un modèle à partir de zéro, comme la
classification d'images médicales pour les maladies rares ou émergentes. C'est notamment le cas pour les
modèles basés sur des réseaux neuronaux profonds, qui ont un grand nombre de paramètres à entraîner.
En utilisant l'apprentissage par transfert, les paramètres du modèle partent de valeurs initiales déjà bonnes
qui ne nécessitent que quelques petites modifications pour être mieux adaptées à la nouvelle tâche.
Le but de ce projet est de proposer une approche basée sur le Transfer Learning et le Fine Tuning pour la
détection du COVID-19 à partir d'images radiologiques du thorax.
www.esi-sba.dz
1- Transfer Learning
2- Fine Tuning
3- Covid-19 detection
Python: Scikit Learn, Pytorch, Tensorflow, Keras
- Comprendre le principe du Transfer Learning et du Fine Tuning.
- Etablir un état de l’art sur les différentes méthodes classification d’images médicales en se basant sur
le Transfer Learning et le Fine Tuning.
- Implémenter une méthode de transfer learning.
- Ajouter la partie fine tuning et tester sur les images thoraciques.
- Tester la qualité de la méthode et comparer avec les méthodes de l’état de l’art.
- Rédiger un papier de recherche sur la méthode proposée. (Optionnel) Résultats attendus :
- État de l’art récent et complet.
- Implémentation d’une méthode de Transfer Learning.
- Implémentation d’une méthode de Fine Tuning.
- Comparaison avec les méthodes de l’état de l’art.
- Rédaction de papier de recherche
Remarques :
www.esi-sba.dz
Security of EHR Electronic Health Records
2. Option : ISI
3. Encadreur(s) :
1- Bendaoud Fayssal
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
An Electronic Health Record or EHR is a digital representation of the paper records we are accustomed to
seeing for patients. These records are much more beneficial for patients and healthcare personnel for
different reasons. EHRs are real-time, patient-centred records that make data accessible instantaneously
and securely to authorised users. EHRs are a critical component of E-health; they give information
regarding the medical background of patients and the treatment plan suited to them.
Since electronic health records are getting increasingly more established in our daily lives, certain
developments are coming to make them even more helpful and practical.
One of these developments concern the security. In this project, we will study all the security aspect related
to the EHR.
- Master project: a state of the art regarding, EHR and the security techniques used.
- Engineer project: we will propose a method to secure these records.
www.esi-sba.dz
EHR, Security, IoT
Plateforme IoT, techniques de sécurité
- Master project: a state of the art regarding, EHR and the security techniques used.
- Engineer project: we will propose a method to secure these records based on the survey realized in
the master project. Résultats attendus :
1- state of the art of the security technique used in the EHR context
2- A proposed method to secure these record
Remarques :
www.esi-sba.dz
Enrichissement sémantique des données d’une application E-commerce
2. Option : SIW
3. Encadreur(s) :
1- Khayra BENCHERIF
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
Dans les applications e-commerce, les consommateurs sont intéressés par des descriptions textuelles
supplémentaires sur les différentes caractéristiques des produits et par des informations sur l'importance
des caractéristiques des produits. En outre, ils sont intéressés à trouver des produits appartenant à
différentes catégories et portant des noms synonymes. Le but de ce mémoire est de développer une
application e-commerce qui repose sur l’utilisation des technologies de web sémantique pour enrichir les
données stockées. De plus, nous enrichissons les données géographiques de l’application pour tenir compte
de l'emplacement physique des clients, tels que les adresses de facturation et les données postales.
www.esi-sba.dz
Enrichissement des données, Web sémantique, , annotation sémantique, e-commerce.
JEE, SpringBoot, protégé, etc
1. Développement d'un application e-commerce
2. Collection, traitement et stockage des données dans une BDD.
3. L'utilisation des technologies du web sémantique pour enrichir les données de l'application.
4. Expérimentations et évaluation Résultats attendus :
1. Dresser un état de l’art sur l'enrichissement sémantique des données
2. Conception d’une application e-commerce améliorée par une approche d'enrichissement
3. Implémentation du prototype
4. Expérimentations et évaluation
Remarques :
www.esi-sba.dz
An Online DL-Based diagnosis system for breast cancer
2. Option : ISI
3. Encadreur(s) :
1- Rahmoun
Tél. : ........................................ Email : …………………….......................
2- Bensenane
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
This project aims to use deep learning techniques to mammography. This must be accessible to every
Doctor through a web based interface that enables these doctors to upload their mammogram X-ray
pictures from anywhere, perform a mammogram classification, and even detects breast cancer even in an
early stage.
This must be an open-source framework that helps Doctors and radiologists to assert decisions with better
confidence.
www.esi-sba.dz
Breast cancer, mammography X-Rays, Deep learning, decision-making, classification.
Tensorflow, Google colab GPU, Google colab TPU.
Plateforme nationale pour l'aide à la décision dans le diagnostic des cancers du sein.
Acces à tout les centres médicaux, hopitaux, laboratoires de toute les régions, et surout des régions
éloignée et moins équipées. Résultats attendus :
Plateforme nationale dédiée au diagnostic du cancers du sein. (open-source). Cette plateforme doit
etre accessible par PC, tablette, smartphone, etc..
Remarques :
www.esi-sba.dz
Live Object Detection System For Blind People
2. Option : ISI
3. Encadreur(s) :
1- Bensenane
Tél. : ........................................ Email : …………………….......................
2- Rahmoun
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
In this project, we build a real-time object detection intending to inform the user about the surrounding
object and their spatial position.
This project tries to transform the visual world into the audio world with the potential to inform blind
people objects as well as their spatial locations. Objects detected from the scene are represented by their
names and converted to speech. Video is captured with a camera device on the client-side and is streamed
to the server for real-time image recognition with the YOLO object detection model.
www.esi-sba.dz
Deep learning, YOLO, Raspberry pi, Object detection
YOLO, Tensorflow, Google colab, Jupyter, Python
Real-time Embedded system for artificial vision for blind persons. Résultats attendus :
A complete system that helps blind people to walk safely in a real environment (outdood and indoor)
Remarques :
www.esi-sba.dz
Real time Object detection for visually impaired
2. Option : ISI
3. Encadreur(s) :
1- M. Elarbi Boudihir
Tél. : ........................................ Email : …………………….......................
2- Kazi Tani Med Yassine

Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
billion individuals worldwide suffer from visual-impairment, we intend to develop:
● Auditory feedback to help orient people
●End up with a high-performance device to create a cost-effective, real-time object detection aid
● The device uses Bluetooth to interface with an application, which in turn provides audio feedback about
the user’s immediate environment
● study the possibility to mount this system on a white cane to enhance a tool already commonly used
www.esi-sba.dz
AI, Object Detection and recognition, DL, Machine vision
TBD
End up with a high-performance device to create a cost-effective, real-time object detection aid
rehabilitation system for visually impaired people
Remarques :
www.esi-sba.dz
Réalisation d’une application web pour la gestion de l’entreprise EEGM en utilisant les microservices.
2. Option : SIW
3. Encadreur(s) :
1- Klouche Badia
Tél. : ........................................ Email : …………………….......................
2- MAHAMMED NADIR
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :
BOUABDELLAH SAID ABDELDJALIL

Organisme :
Adresse :
www.esi-sba.dz
L’entreprise d’Electricité et de Gaz Maachou (EEGM) de Sidi Bel Abbès est une société spécialisée dans
le domaine de l’énergie électrique et gazière avec comme activité principale l’éclairage public et le
raccordement en gaz, comme activité secondaire.
Elle dispose d’un potentiel humain et matériel spécialisé dans le domaine de l’électricité et du gaz en
mesure de concevoir et d’étudier toutes les situations.
Afin de faciliter la communication entre le personnel administratif et technique de l’entreprise, ce dernier

utilise le réseau « Telegram » comme outil de communication et stocke son fichier dans le serveur central.
L’objectif de notre travail est de résoudre les problématiques liées à l’exploitation des données et de les
fluidifier pour permettre de distinguer la messagerie professionnelle, de la messagerie privée de
l’entreprise et de pouvoir stocker et accéder aux données en temps réel T.
A cet effet, le but de ce projet de fin d’étude est de réaliser une application web et mobile pour la gestion
administrative et technique de l’EEGM de Sidi Bel Abbès en utilisant les nouvelles technologies des
microservices, afin d’optimiser le rendement et l’efficacité du travail de cette entreprise.
www.esi-sba.dz
Application web, microservice,
React, Node JS, MangoDB...
Expérimenter l’application en situation réelle. Résultats attendus :
Application web fonctionnelle et utilisable dans un contexte réel.
Remarques :
www.esi-sba.dz
Decentralized (Blockchain) game platform
2. Option : SIW
3. Encadreur(s) :
1- Mohammed Yassine KAZI TANI
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :
ILYES ZAKARIA BACHA & Hamrit tarik

Organisme :
Adresse :
www.esi-sba.dz
The goal of this project is to construct a blockchain-based decentralized web platform to hold mini-game
tournaments where players can compete for the top spot in the leaderboard.
The utility of leveraging blockchain technology is to provide a transparent and fair environment for all
participants that is cheat-proof, giving the ability to observe all the transactions done by the platform’s
smart
contracts.
www.esi-sba.dz
Blockchain
Decentralization
Serverless
Web application
React, truffle, solidity, ganache
I - Maintain secure and efficient smart-contracts to streamline the onboarding process.
II - Allow seamless interaction between the platform users.
III- Offer multiple tournament choices with leaderboards and achievements Résultats attendus :
I - Functional web platform running on multiple nodes.
II - Highly customizable options and parameters for users.
III- Optimized and audited (secured) smart-contracts.
Remarques :
www.esi-sba.dz
Monitoring TPE(Terminal Paiement)
2. Option : SIW
3. Encadreur(s) :
1- MEDDAH Ishak
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :
AMIRI Fatima & FILALI Norene

Organisme : SATIM
Adresse : 5 Rte de Ouled Fayet, Chéraga
BOUKERMA Abdeslam
0561682564 Abdeslam.BOUKERMA@satim.dz
www.esi-sba.dz
Pour les institutions financières, les détaillants et les services de paiement fournisseurs, une chaîne de
livraison de transactions bien gérée clients plus heureux et plus de revenus. La l’objectif est de s’assurer
que chaque transaction de paiement se termine comme prévu — dans tous les guichets automatiques,
points de vente, cartes, services mobiles, en ligne et les canaux de paiement en temps réel.L’accélération
de la transformation digitale a présenté nouveaux défis de performance. Il faut plus de temps pour détecter
et isoler les goulots d’étranglement et les défaillances complexité croissante des canaux, tiers
supplémentaires services et une vitesse plus élevée de données de paiement. Alors que garantir la stabilité
des transactions de paiement demeure une priorité absolue, les DPI, les TI et les opérations de paiement
Les équipes font également face à des pressions pour coûts et de rationaliser les heures de ressources
nécessaires pour corriger les problèmes qui ont une incidence sur le rendement des opérations. Ils
cherchent des façons d’équilibrer les coûts de service et expérience client.Actuellement,SATIM souhaite
de mettre en place un système TPE Monitoring pour contrôler le terminal de paiement
Le projet repose sur les besoins suivants:
-Suivi de préparation et déploiement TPE
-Suivi de l'activité transactionnelle du TPE
- Etat fonctionnel de TPE
-Système des alertes
www.esi-sba.dz
Fintech, TPE, System de contrôle, Banque
net Core (c#),Xamarin,SSIS (Intégration services), SQL server,GraphQl,React,Docker
I - Suivi de préparation et déploiement TPE
II - Suivi de l'activité transactionnelle du TPE
III- Etat fonctionnel de TPE
IV- System d’alert
I -Développement d’une application web qui gère le system
II - Développement d’une application mobile
III- Avoir des données de transaction en temps réel
Remarques :
www.esi-sba.dz
An Autonomous Trading Bot Using Reinforcement Learning
2. Option : ISI
3. Encadreur(s) :
1- Belkacem KHALDI
Tél. : ........................................ Email : …………………….......................
2- Abdellah ALAOUI MDAGHRI, CARRIER René

Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :
SwissDigiLab Sàrl

Organisme : SwissDigiLab Sàrl
Adresse : Chemin de Recredoz 11 1278 La Rippe VD Suisse
Abdellah ALAOUI MDAGHRI
abdellah.alaoui@swissdigilab.com, rene.carrier@swissdigilab.com
www.esi-sba.dz
Trading in financial and stock markets requires learning a number of topics, from the strategies and
commodities traded to the market structure and mechanisms that facilitate execution. Unfortunately,
manual fundamental and technical trading analysis is time consuming and even outdated. To gain more
freedom, traders often automate their trades using intelligent systems.
Bots powered by Reinforcement Learning (RL) and Deep RL technologies are actually being used in
trading and stock markets to allow the system to automatically learn the complexity of trading and update
algorithms to participate in the best trading available. These bots go specifically through trial and error to
fine-tune their learning strategies based on the characteristics of individual listed financial and market
stocks.
In this context, SwissDigiLab aims to provide a trading platform based on Deep RL that will allow anyone
who is new to programming to construct, test, and position their own algorithms based on unique market
strategies, or choose from those offered by the platform in a market place. The leaders of SwissDigiLab
are aware of the efforts that such a project could require, which is why they wish to test in a pilot project
the potential of RL and Deep RL and automation in the world of trading.
The end-students engaged in this pilot project will have to use their knowledge in programming (Python)
and in IA (RL, Deep RL, and Pattern recognition) to do research in the field in order to set up an operational
autonomous trading bot solution using a RL-based strategy. The bot has to be implemented as a service to
be used later in a fully web-based solution.
www.esi-sba.dz
Reinforcement learning, Deep Reinforcement learning, Pattern recognition algorithms, Algorithmic Trading,
Autonomous bot, Finance, Stock Market.
Reinforcement Learning, Deep Reinforcement learning, PyTorch, Open GymAI
1- Gain skills in RL and DRL techniques.
2- Test the potential of RL and DRL on trading strategies.
2- A proof of concept that RL and DRL works with the trading algorithms. Résultats attendus :
1- Describe a trading strategy based on AI (Pattern Recognition / Reinforcement learning)
2 - Develop an autonomous base RL bot that uses the strategy.
Remarques :
www.esi-sba.dz
Conception et implémentation d'un système pour la détection de faux profils sur les réseaux sociaux en
utilisant le machine learning.

3. Encadreur(s) :
1- Mahammed Nadir
Tél. : ........................................ Email : …………………….......................
2- Klouche Badia
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
Les médias sociaux ont changé la façon dont les gens obtiennent leurs nouvelles. Avec un effet croissant
des médias sociaux, cela nous a apporté le bon, le moins bon et le mauvais, car les médias sociaux sont
remplis de spams, de discours haineux et de fausses nouvelles. L'un des problèmes cruciaux des médias
sociaux est les faux comptes/utilisateurs/profils.
Le travail demandé est d’implémenter un système pour filtrer les faux profils en utilisant différents
algorithmes de machine learning tirés de la littérature et applicables sur les réseaux sociaux.
www.esi-sba.dz
Data mining, machine learning, faux profils, réseau social, implémentation
Algorithmes de machine learning, Dataset, Python.
Implémentation différents algorithmes de machine learning pour la détection de faux profils sur les
réseaux sociaux. Résultats attendus :
Système de détection de faux profils, rapport d’expérimentation, mémoire d'ingénieur.
Remarques :
www.esi-sba.dz
Résolution du problème consistant à trouver k plus courts chemins
2. Option : ISI
3. Encadreur(s) :
1- BEKKOUCHE Mohammed
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
Le problème qui consiste à trouver k plus courts chemins deux noeuds dans un graphe un graphe orienté
pondéré (où le poids est positif) est un problème de base de la théorie des graphes. Ce problème consiste
à trouver un plus court chemin, puis un deuxième plus court, etc. jusqu’au k-ème plus court, de sorte que
la longueur de tout chemin non sélectionné soit supérieure ou égale à la longueur des k chemins
sélectionnés.
Lorsque le problème réside dans le calcul des k plus courts chemins simples (kSSP), Yen [3] a proposé un
algorithme dont la meilleure complexité théorique connue actuellement est O (kn (m + n log n)). Depuis
lors, ce problème a été largement étudié du point de vue de l'ingénierie des algorithmes, et des
améliorations significatives ont été apportées [1, 2].
Références :
[1] Ali Al Zoobi, David Coudert, and Nicolas Nisse. Space and Time Trade-Off for the k Shortest Simple
Paths Problem. In SEA 2020 - 18th International Symposium on Experimental Algorithms, volume 160
of Leibniz International Proceedings in Informatics (LIPIcs), page 13, Catania, Italy, June 2020. Schloss
Dagstuhl–Leibniz-Zentrum f ́’ur Informatik.
[2] Denis Kurz and Petra Mutzel. A sidetrack-based algorithm for finding the k shortest simple paths in a
directed graph. arXiv preprint arXiv:1601.02867, 2016.
[3] Jin Y. Yen. Finding the k shortest loopless paths in a network. Management Science, 17(11):712–716,
1971.
www.esi-sba.dz
Théorie des graphes, complexité, kSSP
algorithmes; graphes; programmation linéaires; langages java
Le but de ce projet est d'étendre l'étude du problème kSSP au cas où les arcs ont des poids arbitraires, en
particulier lorsque le graphe peut contenir des cycles avec des poids négatifs. Dans ce cas, le problème de
trouver le chemin simple le plus court (sans cycles) est déjà NP-complet. Résultats attendus :
En s'inspirant des méthodes proposées pour les situations avec des poids positifs, une méthode pour
résoudre efficacement les problèmes de kSSP avec des poids négatifs devrait être proposée.
Remarques :
Nombre d’étudiants souhaité : 1 à 2
www.esi-sba.dz
Proposition d'un système pour la détection de faux profils sur les réseaux sociaux en utilisant le machine
learning et le deep learning.

3. Encadreur(s) :
1- Mahammed Nadir
Tél. : ........................................ Email : …………………….......................
2- Klouche Badia
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
Récemment, l'impact des sites de réseaux sociaux en ligne a radicalement changé et les faux
comptes/utilisateurs/profils sont devenus une question vitale qui a rapidement évolué. Cette question pose
le problème de savoir comment évaluer et mesurer la crédibilité du contenu généré par les utilisateurs. Par
conséquent, classer les profils des utilisateurs et analyser le comportement de chaque utilisateur (en se
basant sur le compte et/ou le contenu généré) est devenu un défi qui doit être relevé.
Le travail demandé est d’implémenter un système pour filtrer les faux profils sur les réseaux sociaux, en
utilisant différents algorithmes de machine learning puis de deep learning et de comparer les résultats.
www.esi-sba.dz
Faux profil, réseau social, machine learning, deep learning, expérimentation, comparaison
Algorithmes de machine learning, techniques de deep learning, Python, dataset
Implémentation différents algorithmes de machine learning et deep learning pour la détection de faux
profils sur les réseaux sociaux. Résultats attendus :
Remarques :
www.esi-sba.dz
Recommandation de destinations touristiques basée sur les réseaux sociaux

3. Encadreur(s) :
1- Saidi Imène
Tél. : ........................................ Email : …………………….......................
2- Mahammed Nadir
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
Partir en voyage touristique est un événement qui nécessite souvent une préparation méticuleuse pour
s'assurer d'avoir un agréable séjour. Le choix de la destination est basé généralement sur un critère
budgétaire ou alors sur un critère de tendance. Une destination particulière aura une grande chance d'être
choisie si elle appréciée puis recommandée par un bon nombre de personnes et plus particulièrement si
elle est recommandée par des amis. Les réseaux sociaux sont de ce fait un bon terrain pour avoir des retours
et des avis des personnes afin de faire son choix.
L'existance d'un outil de recommandation qui propose aux futurs voyageurs les destinations selon des
critères (préférences, retours des utilisateurs sur les réseaux sociaux, etc.) serait d'une grande utilité.
l'objectif de ce travail est donc de proposer un système de recommandation mulicritère des destinations
touristiques.
Avec la pandémie et le contexte mondial actuel, le secteur du tourisme a été perturbé mais les gens et
organismes de tourisme tentent de revenir à la normale en se renseignant sur les situations sanitaires des
destinations et en appliquant les différentes consignes de ces dernières.
Un objectif supplémentaire serait donc d'inclure le critère de sûreté dans le processus de recommandation.
Ceci représentera une grande aide pour les futurs voyageurs.
www.esi-sba.dz
Systèmes de recommandation, Recommendation de destinations, Réseaux sociaux.
A définir ultérieurement
Proposer une approche de recommandation mulicritère des destinations touristiques basé sur les réseaux
sociaux. Résultats attendus :
- Proposer une approche de recommandation basée sur les réseaux sociaux.
- Concevoir un système de recommandation des destinations touristiques.
Remarques :
www.esi-sba.dz
Implémentation d'une application pour l'optimisation des processus métier grâce aux algorithmes bio-
inspirés.

3. Encadreur(s) :
1- Mahammed Nadir
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
Le problème de l’optimisation des processus métier est considéré comme le problème de la construction
de conceptions de processus métier réalisables avec des valeurs d'attribut optimales telles que la durée et
le coût, la composition de ces processus métier est un problème récurrent dans le contexte de leur
optimisation.
Le travail demandé est d’implémenter une application pour l’optimisation des processus métier en utilisant
une proposition d’un algorithme de composition de processus inspiré de la littérature. Cet algorithme sera
dans la capacité de capturer les besoins de conception et à gérer efficacement des processus métier plus
complexes que les approches existantes. Par ailleurs, la proposition de l’algorithme de composition devra
être capable de reconnaitre et de surmonter les problèmes d’infaisabilité des conceptions et ainsi les
dépasser en construisant des conceptions de processus réalisables basée sur des exigences spécifiques. En
conclusion, l’application d’optimisation des processus métier utilisera une série d’algorithmes
évolutionnaires et plus particulièrement des algorithmes bio-inspirés.
www.esi-sba.dz
Processus métier, composition, optimisation multicritères, algorithmes bio-inspirés, application
Algorithmes bio-inspirés, Python
Proposition et implémentation d'un algorithme de composition de processus. Implémentation différents

algorithmes bio-inspirés pour l'optimisation des processus métier. Résultats attendus :
Application pour l'optimisation des processus métier, rapport d’expérimentation, mémoire

d'ingénieur.
Remarques :
www.esi-sba.dz
Système de détection d'intrusion dans un environnement de Cloud-IoT

3. Encadreur(s) :
1- KHALDI Miloud
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
L’Internet des Objets est une extension de l’Internet actuel à tous les objets pouvant communiquer, de
manière directe ou indirecte, avec des équipements électroniques eux-mêmes connectés à l’Internet. IoT
offre des services dans beaucoup de domaines liés à la vie humaine comme la santé, le transport, à
domicile, les cités intelligentes, etc. La sécurité de ces composants et des transferts de ces données est un
enjeu majeur.
Dans ce projet de fin d’études, nous proposons un système de détection d’intrusion basé sur ML/DL/Fuzzy
logic dans un environnement de Cloud-IoT, où un ensemble d’utilisateurs soumettent leurs requêtes au
Cloud Computing pour accomplir une tache collaborative. Des intrus peuvent soumettre des fausses
requêtes pour perturber le fonctionnement de ce système. Leurs détections nécessitent le développement
d’un système de sécurité fiable et capable de détecter toute intrusion durant toutes les phases de processus
d’exécution.
www.esi-sba.dz
IDS, Cloud, Internet of Things, ML/DL/Fuzzy logic
Environnement: Cloud-IoT, Méthodes: ML/DL/Fuzzy logic, Simulation: API JAVA/Cloudsim + dataset

(attaques)
Proposer un système de détection d’intrusion (IDS) dans un environnement de Cloud-IoT avec

l’optimisation des paramètres de l’approche proposée afin d’avoir un modèle de détection efficace et une
précision élevée. Résultats attendus :
Un taux de détection et de précision élevé par rapport à d’autres méthodes de détection d’intrusion
existantes
Remarques :
www.esi-sba.dz
Respiratory Sound Analysis for Detection of Chronic Obstructive Pulmonary disease

3. Encadreur(s) :
1- CHAIB SOULEYMAN
Tél. : ........................................ Email : …………………….......................
2- Ammar Guellab
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
Prediction of respiratory diseases such as COPD(Chronic obstructive pulmonary disease), is a challenging

task that has received much attention in machine learning field. The respiratory sound analysis is one of
the most commonly examinations for diagnosis chronic obstructive pulmonary disease .
Whereas numerous respiratory disease recognition based on sound analysis methods have been
introduced, the efficiency of these approaches are insufficient to meet the real-world applications’
requirements. machine learning methods have been largely used for espiratory disease recognition, most
of these approaches are limited by their training dataset, classification model , recognition accuracy.
Our objective in this project is to create an respiratory disease recognition model for respiratory sound
analysis. In this project we will work with the colloboration of URD-SE.
www.esi-sba.dz
Machine Learning, Deep Learning , Respiratory sounds, Respiratory disease recognition, Sound data
Python, Keras, Pytorch
Learn Deep Learning
Understand how to represent sound data
Create an deep learninig modele for Respiratory disease recognition Résultats attendus :
Respiratory disease recognition with high accuracy
Develop an application which represent the final product
Analysis the results statistically to make a decision
Remarques :
www.esi-sba.dz
A Fully Web-based Platform Solution for Financial and Stock Market Trading
2. Option : ISI
3. Encadreur(s) :
1- Belkacem KHALDI
Tél. : ........................................ Email : …………………….......................
2- Abdellah ALAOUI MDAGHRI; René CARRIER

Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :
Oussama MESSABIH, Abdelwahed MADANI YOUSFI

Abdellah ALAOUI MDAGHRI, René CARRIER
www.esi-sba.dz
Machine Learning (ML) and Deep Learning (DL) technologies are actually being used in trading and stock
markets to allow the system to automatically learn the complexity of trading and update algorithms to
participate in the best trading available.
In this context, SwissDigiLab aims to provide a trading platform based on Deep Learning and pattern
recognition that will allow anyone who is new to programming to construct, test, and position their own
algorithms based on unique market strategies, or choose from those offered by the platform in a market
place. The leaders of SwissDigiLab are aware of the efforts that such a project could require, which is why
they wish to test in a pilot project the potential of machine learning, deep learning and automation in the
world of trading.
The end-students participating in this pilot will use their knowledge of web programming (Web full stack)
and AI (ML / DL and pattern recognition) to conduct research in this area, set up feasible web platform
solutions based on AI and traditionally methods. The provided web solution have to automate the entire
trading process using one or two platforms of their choice among Binance, Bitmex, and Oanda.
www.esi-sba.dz
Machine Learning, Deep Learning, Pattern Recognition, Algorithmic Trading, Finance, Stock Market, Web.
Python, Django, React, Docker, REST API, Websoket, scikit-learn, Keras and Tensorflow or Pytorch
1- Demonstrate the potential of AI, and automation in the world of trading
2 - Help making decision for a large-scale trading projects.
3- Master the techniques behind Financial and Stock Market Trading Résultats attendus :
1- Develop an Operational web application to automate the entire trading process in two platforms of
choice among Binance, Bitmex, Oanda.
2- Describe and automate at least one trading strategy based on conventional technical indicators
(example: ichimoku kinko hyo, MACD: Moving average convergence / divergence).
3 - Describe and automate at least two trading strategies based on AI (Deep learning)
4 - A test environment for the developed strategies based on real historical data.
5 - Provide a detailed report of the process undertaken, with the conclusions allowing relevant decisions
to be taken by the management of SwissDigiLab.
Remarques :
Location of the internship: Remote work given the current health context and the lack of visibility
into the future of the COVID situation.
www.esi-sba.dz
Plant diseases Identification using a Computer Vision based AI technique
2. Option : ISI
3. Encadreur(s) :
1- Belkacem KHALDI
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :
BENCHAREF NOUREDDINE

Organisme :
Adresse :
www.esi-sba.dz
Every year, diseases and pests cost the agriculture industry a significant amount of money. Farmers face
a big challenge in identifying diverse plant diseases due the fact that the symptoms generated by different
diseases can be extremely similar and may occur at the same time. This final project aims to enable precise
and fast detection and identification of plant diseases, particularly in fruit plants such as apples and citrus.
The end-students engaged in this project will use their knowledge in computer vision and mobile\web app
development to provide an online platform solution to help farmers detect and identify early plant diseases.
Students have to implement in particular a deep learning based computer vision model that has the ability
to accurately and automatically classify and identify plant diseases. Students may apply other feature
engineering techniques such as transfert learning and data augmentation.
www.esi-sba.dz
Deep Learning, Computer Vision, Plant diseases identification, Transfer Learning, Data Augmentation
PyTorch or Keras and Tansorflow, deep convolutional neural networks (AlexNet, GoogLeNe), Flutter
1- Gain skills on computer vision deep learning techniques.
2- Able to model and implement a deep learning CNN model for plant diseases classification and
identification. Résultats attendus :
A mobile or web application that uses the developed deep learning CNN model as a backend service.
Remarques :
www.esi-sba.dz
Réseaux neuronaux a apprentissage profond au service de la classification d’images radiographiques.

3. Encadreur(s) :
1- NAOUM Hanae
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
Il s’agit d’un projet essentiellement axé sur l’utilisation de l’intelligence artificielle (IA) dans le cadre de
l’aide au diagnostic médical. En fait, on opte pour la mise en place d’un système de reconnaissance de
formes au service du diagnostic de pathologies diverses, telles que, atteinte du Coronavirus, présence de
cellules cancéreuses, présence de symptômes d’ostéoporose, etc. On sollicite l’IA avec l’optique d’utiliser
l’outillage des approches connexionnistes récentes, soient, les réseaux de neurones artificiels a
apprentissage profond.
Dans un premier temps, la recherche doit se faire de manière la plus exhaustive possible au niveau de la
littérature sur ce qui a été fait dans le domaine de la classification d’images médicales radiographiques.
L’effort de sélection des travaux de recherche à retenir pour synthèse et critique par la suite se fera selon
certains critères tels que la performance des systèmes neuronaux a la classification, les taux de
reconnaissance doivent être satisfaisants.
On fixe ensuite, selon la masse de travaux collectés, un nombre de choix limite de types de pathologies à
traiter, un choix qui va déterminer les bases d’images à utiliser comme critère d’analyse pendant la
synthèse des travaux de recherches. A une seconde étape, il sera question de déterminer avec un œil
critique, les paramètres qui jouent un rôle clef dans la performance des réseaux de neurones à apprentissage
profond face à la tache de classification de ce type d’images médicales. Ces paramètres doivent être cernés
à travers une étude des concepts de base sur ce type de systèmes de reconnaissance de formes. En effet,
une maitrise de ces différents concepts, sera un facteur influent à l’élaboration d’une synthèse critique de
la revue de la littérature dans le domaine en question.
www.esi-sba.dz
Reseaux de neurones artificiels (RNA), Deep Learning (DL), images radiographiques, reconnaissance de formes,
classification, systemes d'aide au diagnostic medical.
Outils de recherche divers et au choix.
I - Initier l’étudiant a l’IA au service d’autres domaines que l’informatique.
II- Introduire l’étudiant aux concepts de base au sujet des réseaux de neurones artificiels (RNA) de
manière générale d’abord, et en particulier aux RNA a apprentissage profond ensuite.
III- Réaliser une revue de la littérature exhaustive dans le domaine des système de reconnaissance de
formes en mettant en avant l’utilité des réseaux de neurones a apprentissage profond dans cet axe de
recherche et de développement.
IV- Concrétiser l’utilité potentielle des outils IA dans le domaine de l’aide au diagnostic médical et l’E-
santé.
V - Inculquer a l’étudiant des habilités à faire un bon choix des paramètres clefs à un stade primaire pour
le développement d’un tel type de réseau neuronal pour la classification de radiographies.
I - Aptitude de l’étudiant a cerner ce qu’est une approche connexionniste, les differents RNA les plus
connus et utilises dans la littérature.
II- Avoir une certaine maitrise des concepts de base d’un réseau neuronal a apprentissage profond.
II – Connaitre l’utilité de tels systèmes dans le cadre de la reconnaissance de forme, en particulier dans
l’aide au diagnostic médical.
III- Intéresser l’étudiant a la recherche et le faire aboutir a connaitre l’état de l’art du domaine étudié.
IV- Faire valoir a l’étudiant le potentiel de l’IA à servir d’autres discipline que l’informatique.
Remarques :
www.esi-sba.dz
Détection de faux profils dans les réseaux sociaux en utilisant le machine learning et le traitement
d'images.

3. Encadreur(s) :
1- Mahammed Nadir
Tél. : ........................................ Email : …………………….......................
2- Kazi Tani Mohammed Yassine

Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
De nos jours, presque tout le monde a une présence sur les réseaux sociaux. En conséquence, créer de faux
comptes est très facile. Le terme « faux utilisateur/compte/profil » fait référence à une personne qui peut
prétendre être quelqu'un d'autre. Un faux profil peut être utilisé pour diverses raisons, y compris le
déclenchement de querelles politiques, la diffusion de faits et des informations sur des sujets sensibles.
Le travail demandé est d’implémenter un modèle pour la détection, l’identification et par conséquent de
faux de profils sur les réseaux sociaux. Ce modèle sera basé sur la reconnaissance/traitement d’images et
les différents algorithmes du machine learning.
www.esi-sba.dz
Faux profil, réseau social, machine learning, traitement d'images, expérimentation
Algorithmes de machine learning, techniques de traitement d'images, Python, dataset
Implémentation différents algorithmes de machine learning pour la détection de faux profils sur les
réseaux sociaux à base de trainement d'images. Résultats attendus :
Remarques :
www.esi-sba.dz
Réalisation d’une application full Web à base d’algorithmes bio-inspirés pour la génération automatique
des emplois du temps à l’ESI-SBA.

3. Encadreur(s) :
1- Mahammed Nadir
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
Dans le secteur universitaire, l’élaboration d’un emploi du temps (timetabling) nécessite de prendre en
compte différentes contraintes complexes telles la structure de l’université, le nombre d’enseignants, le
nombre d’étudiants et la charge horaire attribuée, les ressources matérielles disponibles et utilisables, le
travail à temps partiel, les absences, les vacances, etc. Pour maximiser l’acceptation de l'emploi du temps
généré, la solution doit permettre aux différents acteurs d’exprimer leurs préférences, et ainsi procurer un
sentiment d’équité entre eux.
Le travail demandé est une application full Web capable de générer des emplois du temps, de façon
automatique selon les besoins de l'ESI-SBA. La génération des emplois du temps par l'application devra
faire intervenir un algorithme bio-inspiré récent.
www.esi-sba.dz
Emploi du temps, génération automatique, algorithme bio-inspiré, ESI-SBA
React, Vue, Hibernate, MongoDB, Django
Implémenter un algorithme bio-inspiré récent pour traiter la problématique de la génération automatique

des emplois du temps. Résultats attendus :
Application fontionnelle, rapport d’expérimentation, mémoire d'ingénieur.
Remarques :
www.esi-sba.dz
Real-Time CardioVascular disease detection and prevention using Deep Learning techniques & Apache
Spark Streaming

3. Encadreur(s) :
1- malki abdelhamid
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
La santé connectée (Connected Care) est aujourd'hui le phénomène le plus dynamique des technologies
de la santé. Le Connected Care promet de provoquer des changements fondamentaux dans la qualité et la
prestation des soins de santé. Le Connected Care a un impact considérable sur les patients et les parties
prenantes des soins de santé, et atteint le triple objectif : soins de qualité, coordination et économies de
coûts.
Pour arriver à un tel objectif, de nouveaux modèles de soins connectant les patients et les médecins doivent
être envisagés en utilisant des technologies de pointes (Big Data, IoT, data Streaming, etc) qui offre de
nombreux avantages potentiellement révolutionnaires dans le monde numérique d'aujourd'hui. En plus, de
nouvelles approches de gestion intelligente pour la détection et la prévention des maladies doivent mises
en place en utilisant des technologies et des solutions innovantes à savoir : le Neural Network et le Deep
Learning.
L’objectif de ce projet est de réaliser une plateforme Big Data pour le suivit et le diagnostic en temps réel
des patients à maladie cardiaque . Cette plateforme permet d’une part, de suivre à distance l’état de santé
des patients en utilisant des Sensors ECG retournant les signaux et les flux électrocardiogrammes des
patients. Et d’autre part, de mettre en place un système de diagnostics intelligents pour les différentes
maladies cardiovasculaires en utilisant les Deep Learning techniques for times Series Forecasting & Big
Data Stream Analysis.
Ce travail entre dans le cadre du projet innovant « Soins Connectés Personnalisés pour les Patients à
Maladies Chroniques Complexes : SOINCONNECT » proposé par l’équipe mixte « Advanced E-Health
Information Systems (AHIS)» de l’ESI-SBA et financé par l’Agence Thématique de Recherche en
Sciences de la Santé
La plateforme “Real-Time CardioVascular disease detection and prevention using Deep Learning
techniques & Apache Spark Streaming ” est composée de trois modules :
1. Module 1 : Gestion de Suivi des Patients et Dossier Médical
• Gérer les différents services de cardiologie au niveau national
• Gérer les médecins cardiologues
• Gérer le dossier médical des patients
• Gérer les rendez-vous et les consultations
www.esi-sba.dz
• Monitoring à distance des patients (alertes automatiques et l’auto-gestion des patients).
2. Module 2 : Gestion IoT et Acquisition des flux électrocardiogrammes (ECG)
o Acquisition du flux électrocardiogramme d’un patient à partir de la Carte MySignal HW
o Visualisation avancée/RealTime des flux électrocardiogrammes
o Gestion des dataStream
3. Module 3 : Real-Time CardioVascular disease detection and prevention using Deep Learning
techniques & Apache Spark Streaming (Sujet du Master)
o Développement d’un IA-modèle pour la prédiction et la classification des maladies CardioVasculaires

en utilisant les algorithmes de DeepLearning for times Series Forecasting (e.g., RNN, LSTM, GRU, etc).
o Déploiement du modèle en basant sur une architecture Big data de type Kappa (i.e. ; realTime
processing)
o Online Learning : mise à jour du modèle en fonction des avis des médecins cardiologues, et cela afin
de rendre le modèle plus robuste.
La plateforme doit être architecturée en utilisant l’approche microService avec ses différents patterns de
conception. En outre, la plateforme doit être scalable, i.e., équilibrage de charge, parallélisme, GPUs, etc
www.esi-sba.dz
E-Health
KAPPA Big Data Architecture
Deep Learning
MicroServices
Apach Spark
ECG Analysis
- Front-End :
o Mobile : Android/Flutter
o Web : Angular/ReactJs/VueJS
- Back-End:
o BDD:
Mysql/Postgres (module 1)
InfluxDB(module2 : IoT data stream),
MongoDB/HDFS (Module 3: Deep learning dataSets)
o Framework:
MicroService Architecture
Module1 : SpringBoot
Module 2: NodeJs/ExpressJs
Module3:
• DeepLearning: PySpark & Deep Learning Pipelines
• Streaming: Kafka & Spark Streaming & Apache Avro
www.esi-sba.dz
• Data Microservices: Apache Arrow Flight or Apach Kylin
JWT (Json Web Tokens)
- DevOps & Infrastructure
o Docker & Kubernetes
o Prometheus Architecture
- Hardware:
o MySignals Hw de libelium (c/c++) & ECG Sensor
L’objectif de ce projet est de réaliser une plateforme Big Data pour le suivit et le diagnostic en temps
réel des patients à maladie cardiaque . Cette plateforme permet d’une part, de suivre à distance l’état de
santé des patients en utilisant des Sensors ECG retournant les signaux et les flux électrocardiogrammes des
patients. Et d’autre part, de mettre en place un système de diagnostics intelligents pour les différentes
maladies cardiovasculaires en utilisant les Deep Learning techniques for times Series Forecasting & Big
Data Stream Analysis. Résultats attendus :
plateforme + conf paer
Remarques :
www.esi-sba.dz
mise en oeuvre et administration d’un portail de ressources sémantiques pour l’industrie
2. Option : SIW
3. Encadreur(s) :
1- malki abdelhamid
Tél. : ........................................ Email : …………………….......................
2- Mohamed Hedi Karray et Emna Amdouni Date limite

Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :
RASMI ABD ELOUADOUD

Organisme : ENIT (Ecole Nationale d’Ingénieurs de Tarbes)
Adresse : Tarbes, 6500, France
Mohamed Hedi Karray
www.esi-sba.dz
Le stage est proposé dans le cadre du projet européen H2020 CSA OntoCommons
(https://ontocommons.eu/) démarré en 2020. Il vise à standardiser, harmoniser et interopérer les
données de l’industrie via un référentiel de ressources et outils sémantiques appelé OCES (Ontology
Commons EcoSystem).
Le stage vise à mettre en place un portail dédié aux ressources sémantiques (thésaurus,
terminologies, vocabulaires et ontologies) identifiées lors de la conception du référentiel OCES.
L’objectif du portail est de faciliter l’interopérabilité des données issues du domaine de l’industrie via
des services Web principalement liés à l’hébergement, l’alignement, l’annotation et l’analyse. Nous
souhaitons que le futur portail qui sera mis en place par le stagiaire soit basé sur la technologie
développée par le National Center for Biomedical Ontologies (NCBO) de l'Université de Stanford
(http://bioportal.bioontology.org). A noter que cette technologie est publiquement disponible via le
dispositif virtuel suivant
(http://www.bioontology.org/wiki/index.php/Category:NCBO_Virtual_Appliance), plus
d’informations (https://github.com/ncbo).
www.esi-sba.dz
Web sémantique
Biomedical Ontologies
portail sémantiques
Architecture Web, Devops, gestion de données, services Web REST/
JSON, Ruby/Ruby on rails, JEE, Linux et Git.
Les activités principales du stage concernent :
- L’étude de l’application Web de BioPortal déjà en place
- Le déploiement et test du portail en collaboration avec des partenaires externes
- La mise en production du portail
- L’hébergement de quelques ressources sémantiques au sein du portail Résultats attendus :
Les activités principales du stage concernent :
- L’étude de l’application Web de BioPortal déjà en place
- Le déploiement et test du portail en collaboration avec des partenaires externes
- La mise en production du portail
- L’hébergement de quelques ressources sémantiques au sein du portail
Remarques :
www.esi-sba.dz
the semantic enrichment of Arabic texts for Disambiguation

3. Encadreur(s) :
1- SAIDI Mohammed elfatih
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
L’ambigüité sémantique dans les textes arabes est un véritable problème pour la compréhension des textes
et même pour la recherche d’informations et classification des textes. Le sujet dédié a étudié et a
implémenté un système de désambigüisation des mots ambigus dans un texte arabe. Le système se base
sur l'utilisation des dernières techniques pour désambigüiser les textes en question (Deep learning,
Wordnet... etc).
www.esi-sba.dz
Semantic Enrichment, Arabic Language, Deep Learning, Recherche d’information
- Langage de programmation et Environnement de développement (IDE), le choix est libre pour

l’équipe de projet.
- Plateforme de gestion du projet : GitHub
- Ressource Linguistiques : Wordnet, Lucene….etc, et toute ressource qui peut nous aider dans notre
projet.
1- Réaliser un état des connaissances sur le domaine de traitement de texte (Etat de l’art).
2– Etudier l’avantage d’utilisation d’un outil sémantique pour l'enrichissement.
3- Améliorer le temps et la qualité de l'outil.
4- Etude comparative avec d’autres techniques.
Un Outil intelligent.
Remarques :
www.esi-sba.dz
Vehicle Access Control by vision-based AI Plate Authentication
2. Option : ISI
3. Encadreur(s) :
1- Belkacem KHALDI
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :
TALBI NARIMEN

Organisme :
Adresse :
www.esi-sba.dz
Intelligent vehicle access control and monitoring systems rely heavily on automatic license plate
recognition. With the growing number of vehicles accessing secure parkings, it's critical to design a
reliable real-time system for automatic license plate identification. This task is usually done using
computer vision AI techniques.
The end-students engaged in this project will gain and use knowledge in computer vision to provide a
monitoring solution for vehicle access control that involves:
1/- Object detection (plate frame detection ).
2/- License plate recognition
3/- Vehicle Authentication (check whether or not the vehicle is authenticated for access)
www.esi-sba.dz
Deep Learning, Computer Vision, Vehicle Access Control, Object Detection, Plate Licence Recognition.
PyTorch, CNN, Keras and TansorFlow, Camera
1- Hands-on computer vision ai techniques.
2- Building and Implementing a deep-based CNN model for vehicle plate Licence Recognition
1- Providing a Vehicle Access Control Monitoring System that involves:
- Object detection).
- License plate recognition
- Vehicle Authentication
Remarques :
www.esi-sba.dz
An Autonomous Trading Bot Using Reinforcement Learning
2. Option : ISI
3. Encadreur(s) :
1- Belkacem KHALDI
Tél. : ........................................ Email : …………………….......................
2- ALAOUI MDAGHRI Abdellah, René CARRIER

Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :
Djawed BENHAMED

Abdellah ALAOUI MDAGHRI, René CARRIER
www.esi-sba.dz
Bots powered by Reinforcement Learning (RL) and Deep RL technologies are actually being used in
trading and stock markets to allow the system to automatically learn the complexity of trading and update
algorithms to participate in the best trading available. These bots go specifically through trial and error to
fine-tune their learning strategies based on the characteristics of individual listed financial and market
stocks.
In this context, SwissDigiLab aims to provide a trading platform based on Deep RL that will allow anyone
who is new to programming to construct, test, and position their own algorithms based on unique market
strategies, or choose from those offered by the platform in a market place. The leaders of SwissDigiLab
are aware of the efforts that such a project could require, which is why they wish to test in a pilot project
the potential of RL and Deep RL and automation in the world of trading.
The end-students engaged in this pilot project will have to use their knowledge in programming (Python)
and in IA (RL, Deep RL, and Pattern recognition) to do research in the field in order to set up an operational
autonomous trading bot solution using a RL-based strategy. The bot has to be implemented as a service to
be used later in a fully web-based solution.
www.esi-sba.dz
Reinforcement learning, Deep Reinforcement learning, Pattern recognition algorithms, Algorithmic Trading,
Autonomous bot, Finance, Stock Market.
PyTorch or Tensorflow, Keras, Fast API, OpenAI Gym, scikit-learn, and NumPy
1- Testing the potential of AI (Reinforcement learning / Pattern recognition) on trading strategies.
2- A proof of concept that AI works with the trading algorithm. Résultats attendus :
1- Describe at a trading strategy based on AI (Pattern Recognition / Reinforcement learning)
2 - Develop an autonomous bot that uses strategy.
3 - A developed strategy test environment.
4 - Provide a detailed report.
Remarques :
Location of the internship: Remote work given the current health context and the lack of visibility
into the future of the situation.
Service: Software Development Lab
www.esi-sba.dz
clustering des potentialités mellifères, des caractéristiques physico-chimiques et des propriétés

thérapeutiques des miels du nord-ouest de l'Algérie
2. Option : SIW
3. Encadreur(s) :
1- KESKES Nabil
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme :
Adresse :
www.esi-sba.dz
Le miel est un produit connu depuis des siècles pour ses propriétés nutritives et thérapeutiques. Parmi les
innombrables usages thérapeutiques du miel, les plus connus restent ces propriétés cicatrisantes,
antiseptiques, antibactériennes, anti-inflammatoires et anti-oxydantes. (Al-Waili, 2003 )Le miel constitue
donc une matrice complexe dont la composition est influencée par l’origine géographique, les conditions
climatiques, les conditions d’entreposage et de stockage après la récolte, et surtout par la source florale
butinée. (Bogdanov et al., 2004 ; Ouchemoukh, 2012) La détermination des caractéristiques physico-
chimiques et thérapeutiques est donc incontournable pour garantir la bonne qualité et l’authenticité des
miels. Les principaux paramètres sont l’indice de réfraction, la teneur en eau, le pH, la conductivité
électrique, la teneur en 5-hydroxymethylfurfural (HMF), l’indice diastasique, et les teneurs des différents
sucres ainsi que l'activité antioxydante, antibactérienne et améliorant la fertilité. (Commission du Codex
Alimentarius, 2001 ; Antinelli, 2010 ; Bogdanov 2011 ; Bogdanov, 2014).
www.esi-sba.dz
miels, machine learning, physico-chimie,Clustering
python,R,....
En fonction des paramètres physico-chimiques et thérapeutiques obtenus, et en vue d’élaborer une

cartographie des miels de la région les méthodes chimiométriques et d’intelligence artificielle suivantes sont
utilisées : Analyse en composante principales, SVM, . Les modèles de chimiométrie et d’intelligence
artificielle utilisés seront évalués en déterminant : sensitivity, specificity, accuracy, précision ainsi que le
calcul du coefficient de corrélation de Matthews (MCC) pour chaque groupe retrouvé. La cartographie des
miels de la région sera établie en utilisant le meilleur modèle. Résultats attendus :
Analyse thérapeutique (L’activité antioxydante, l’activité antibactérienne, test de fertilité ) en vue de

l'élaboration d'un clustering représenté par une carte des miels de la région à utiliser par les professionnels
de la santé.
Remarques :
www.esi-sba.dz
Conception et réalisation d’un Framework pour l’optimisation écologique des requêtes analytiques basé
sur Machine Learning
2. Option : SIW
3. Encadreur(s) :
1- Mohamed KECHAR
Tél. : ........................................ Email : …………………….......................
2-
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :
Zeblah Meroua

Organisme :
Adresse :
www.esi-sba.dz
De nos jours, la réduction d'énergie est devenue un problème critique et urgent pour la communauté des
bases de données. De nombreuses initiatives ont été lancées sur l'efficacité énergétique pour le calcul de
charges de travail intensives couvrant les composants matériels individuels, les logiciels système et les
applications. Ce calcul est principalement assuré par des optimiseurs de requêtes.
L’objet de ce projet de fin d'études est d’analyser et concevoir un framework de sélection de vues
matérialisées afin d’optimiser les requêtes et réduire la consommation d'énergie par le système
informatique.
Pour montrer l'efficacité de ce framework, des expérimentations seront conduites le SGBD open
PostgreSQL en utilisant l'ensemble de données et la charge de travail du benchmark SSB.
www.esi-sba.dz
requêtes analytiques, optimisation, Machine Learning, Data warehouse
Python + ML-Lib
Conception et réalisation du Framework MVS Résultats attendus :
Conception et réalisation du Framework MVS
Remarques :
www.esi-sba.dz
Vehicle Fields Continuous Data Homogenization and Cleaning
2. Option : ISI
3. Encadreur(s) :
1- Alaa Eddine BELFEDHAL
Tél. : ........................................ Email : …………………….......................
2- Adnene BELFODIL
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :
Mohammed AMAR-BENSABER

Organisme : Munic Car Data
Adresse : 100 avenue de Stalingrad, 94800 Villejuif, France
Adnene BELFODIL
+33668450551 adnene.belfodil@munic.io
www.esi-sba.dz
MUNIC, une entreprise leader du marché des voitures connectées, équipe plus de 1 500 000 véhicules de
dongle OBD et ce nombre ne cesse d'augmenter. Grâce aux dongles OBD, une quantité importante de
données sont récoltées en temps réel. Certaines données sont exploitées au niveau du boîtier embarqué et
d'autres sont remontées pour plus d'analyse au niveau du cloud. Dans ce schéma "Edge Computing", il est
important que toutes les couches de récolte, de traitement, d'envois et d'analyse de données soient
performants et efficients en termes de consommation de ressources de calculs.
Afin de permettre une solution embarquée de récolte et de nettoyage de données au niveau du dongle
OBD, MUNIC a développé un outil de traitement de signal temps réel nommé MSP (Morpheus Signal
Processing) qui se greffe sur le système d'exploitation Morpheus. MSP permet d'une part de récolter les
donnée qui émanent du réseau interne de la voiture ainsi que les données de plusieurs capteurs installé
dans le dongle (e.g. positions GPS, accéléromètre). Ces données qui constituent l'information brutes
doivent être nettoyées et pré-analysées avant de considérer l'envoi des fragments de signaux importants
pour les services qui sont plus coûteux en termes de calcul déployés sur le cloud.
Un des attributs nécessaires pour les gestionnaire de flottes (e.g. Entreprise de location de voitures) est le
niveau d'essence temps réel qui permet d'une part de mesurer le score écologique de conduite ainsi que la
consommation réelle d'essence pour chaque trajets pour des flottes hétérogènes de voitures. Cet attribut
est un agrégat de plusieurs informations brutes récupérées du réseau interne du véhicule. Dans un premier
temps, le stage consiste à mettre en place une solution de récolte et pré-filtrage temps réel des éléments
permettant le calcul du niveau d'essence en utilisant MSP. Un second travail consiste à mettre en place un
micro-service cloud qui agrège en continue ainsi que le nettoyage des données permettant le calcul précis
du niveau d'essence. Ainsi, une analyse approfondie des différents attributs bruts est nécessaire pour
consolider une première architecture fiable de nettoyage et d'agrégation pour le calcul du niveau d'essence.
Troisièmement, le stagiaire mettra en place une solution embarquée qui doit respecter les contraintes temps
réel de la problématique. Finalement, ces éléments permettront de consolider un schéma bout-en-bout
d'une solution de nettoyage, d'agrégation et de synchronisation d'autres éléments de données qui sera
adapté, par exemple, au calcul précis de la distance parcourue par un véhicule. Ces aspects, dans leur
globalité, vont permettre au stagiaire d'acquérir une expertise sur l'architecture edge computing de
MUNIC en combinant l'utilisation de MSP et les micro services cloud pour la mise en place d'une solution
de nettoyage et synchronisation de données.
www.esi-sba.dz
Nettoyage de données, Traitement de Signal, Analyse de données véhicules, Analyse de flux de données
Python (Jupyter), Ruby (Rails), Go, C/C++, Rust
MSP (Morpheus Signal Processing), MOS4 (Morpheus OS) [Système d’exploitation propriétaire]
Formation sur MOS4 et MSP
Formation Sur MSP et Kernels/Graphes MSP
Exploration et proposition d’un modèle de nettoyage de données pour le calcul précis de l’essence et de
l’odomètre
Développement d’un premier service cloud (Go/Ruby) pour le test grande échelle
Développement de la solution MSP via Kernel et Graphes Résultats attendus :
Mise en place d’un modèle de nettoyage de données pour le calcul de l’essence et de l’odomètre.
Développement d’une library deployable sur le cloud et développement d’un micro service cloud pour
l’homogénisation et le nettoyage des données boitier (véhicule)
Développement d’un kernel MSP et d’un graph MSP de nettoyage
Tests terrain et évaluations
Remarques :
www.esi-sba.dz
Mise en place d'une plateforme BIG DATA basée sur les technologies DEVOPS (cas d'usage
rapprochement en temps real)

3. Encadreur(s) :
1- malki abdelhamid
Tél. : ........................................ Email : …………………….......................
2- Selmi Anwar
Tél. : ........................................ Email : ……………………........................
4. Etudiants(s) :

Organisme : Agence Nationale de l'emploi (ANEM)
Adresse : 5 rue Capitaine Menani, Alger
Selmi Anwar
776934180 a.selmi@anem.dz
www.esi-sba.dz
L’Agence Nationale de l’Emploi (ANEM) a pour objectif de mettre en œuvre des mécanismes publics
d’aide à l’emploi tout en modernisant les processus d’accompagnement des recruteurs et des demandeurs
d’emploi. En ce sens, l’ANEM a mis à la portée des acteurs du marché de l’emploi un système de
rapprochement « Wassit » afin d’apporter plus de souplesse au travail des conseillers et les formateurs de
l'Agence. « Wassit » est un médiateur entre l’offre et la demande d’emploi utilisant des techniques de
rapprochement qui se basent sur des référentiels, en particulier la Nomenclature Algérienne des Métiers
et Emplois (NAME). Techniquement, le système de rapprochement de « Wassit » se base sur des
procédures stockées implémentant des critères métiers et d’autres non métier pour effectuer le
rapprochement entre l’offre et la demande.
Cependant, la solution de rapprochement « Wassit » soufre de plusieurs limites et lacunes qui se résument
comme suit :
• L’algorithme de rapprochement utilisé par le système « Wassit » se base sur de règles de filtrages
simples qui ignore plein de cas particuliers à savoir : (i) La véracité des informations relatives au profil du
demandeur ; (ii) Le conseiller n’a pas de visibilité sur les détails du calcul des scores de rapprochement ;
(iii) Ignorance des sources des données externes (e.g., LinkedIn).
• Le rapprochement est unidirectionnel focalisant sur les besoins des employeurs. Le score de
rapprochement reflète l’aptitude du demandeur pour le poste de travail selon ce qui est souhaité par
l’employeur, mais ne prend pas en compte les attentes des demandeurs.
• L’architecture technique n’est pas adaptée aux stockage et traitement massif des données avec des
capacités à délivrer un résultat en temps réel pour un nombre important d’usagers (employeur et
demandeurs en ligne ainsi que les conseillers à l’emploi).
Afin de remédier aux lacunes présentées précédemment, l’objectif de ce projet est de mettre en place une
nouvelle solution de rapprochement en basant d’une part, sur des algorithmes de recommandations plus
avancés exécuté dans une plateforme de BIG DATA basée sur les technologies de DEVOPS afin
d’améliorer la fiabilité des résultats de rapprochement. Et d’autre part, sur une architecture Big-Data afin
de maintenir la scalabilité et garantir la vélocité, et cela face à l’augmentation du nombre des utilisateurs,
de la charge de traitement et de la volumétrie des données
www.esi-sba.dz
1-devops(Docker, kubernetes ,ansible …)
2- e-Recruitment recommended systems
3-BIG-DATA 4- Nomenclature Algérienne des Métiers et Emplois (NAME)
5-Kafka
6- Spark
Plateforme Big data -Capture Data Change CDC SQL SERVER
.Net core (Recommendation API) -Angular/ReactJs (Recommendation UI)
ElasticSearch / MongoDB -Kafka/ debezium
I – Analyse de l'existant, la plateforme cloudera existe Actuellement
II – Redimensionnent de la plateforme BIG-DATA (Architecture Fonctionnel et technique)
III- Mise en œuvre de la partie ingestion de données (debezium , CDC ,KAFKA)
IV- Mise en œuvre de la partie digestion de données (HDFS ,SparkStreaming )
V – Déploiement des algorithmes SDR et développement des TDB realtime and predictif analytics
I – Collecte temps réel des CDC depuis le server SQL SERVER
II – Stockage des données dans un data-lake
III- Analyse prédictive en temps réel des données collectées
IV- Visualisation des données et résultats de rapprochement
V – Simulation d'une System de rapprochement
www.esi-sba.dz
Remarques :
www.esi-sba.dz

Fiche Renseignement Pfe21-22 Complet

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Fiche Renseignement Pfe21-22 Complet

Transféré par

Droits d'auteur :

Formats disponibles

Formulaire de renseignements du mémoire de fin d’études

Année universitaire 2021/ 2022

Date de dépôt : …………….. Code Mémoire : ……………..

1 - IDENTIFICATION DES INTERVENANTS :

Systèmes de recommandation de e-recrutement : plateforme de recrutement spécialisée pour travailleurs

5. Affiliation du promoteur (celui qui a proposé le sujet) :

1. Résumé (contexte, problématique, attentes (200 à 300 mots)):

Plateforme de recrutement, Travail à temps partiel, Système de recommandation.

3. Plates-formes, outils et technologie à utiliser :

4. Objectifs (classés par ordre de priorité):

La définition d’une nouvelle stratégie (algorithme) de recommandation.

L’implémentation de la plateforme avec la nouvelle stratégie.

Plateforme de recrutement spécialisée en travailleurs à temps partiel et/ou indépendants.

Année universitaire 2021/ 2022

Date de dépôt : …………….. Code Mémoire : ……………..

1 - IDENTIFICATION DES INTERVENANTS :

Quantifier l'esthétique des interfaces graphiques avec le deep learning

5. Affiliation du promoteur (celui qui a proposé le sujet) :

1. Résumé (contexte, problématique, attentes (200 à 300 mots)):

Interface graphique, Deep learning, Intelligence artificielle.

3. Plates-formes, outils et technologie à utiliser :

4. Objectifs (classés par ordre de priorité):

Création du réseau de neurones pour quantifier l'esthétique des interfaces graphiques.

Un système d’évaluation automatique de l'esthétique des interfaces graphiques.

Année universitaire 2021/ 2022

Date de dépôt : …………….. Code Mémoire : ……………..

1 - IDENTIFICATION DES INTERVENANTS :

5. Affiliation du promoteur (celui qui a proposé le sujet) :

1. Résumé (contexte, problématique, attentes (200 à 300 mots)):

security, image encryption, confusion, diffusion, confidentiality preservation, s-box

3. Plates-formes, outils et technologie à utiliser :

C , java or Python programming language

4. Objectifs (classés par ordre de priorité):

Année universitaire 2021/ 2022

Date de dépôt : …………….. Code Mémoire : ……………..

1 - IDENTIFICATION DES INTERVENANTS :

L’identification du covid19 à partir des images de radiographie thoracique

2. Option : ISI, SIW

5. Affiliation du promoteur (celui qui a proposé le sujet) :

1. Résumé (contexte, problématique, attentes (200 à 300 mots)):

COVID-19; Images Pulmonaires; Apprentissage Profond; Base d’Apprentissage équilibrée.

3. Plates-formes, outils et technologie à utiliser :

- Exécution sur GPU : cloud ou local

- Librairies d’apprentissage profond : keras, tensorflow, ou pytorch.

- Librairies d’apprentissage automatique : scikit learn, sklearn, pandas, et autres…

- Interface graphique Web : technologie en fonction du choix de l’étudiant

- Modélisation des diagrammes UML : technologie en fonction du choix de l’étudiant

4. Objectifs (classés par ordre de priorité):

- La proposition d’un benchmark multi-source.

- La position d’une plateforme pour la détection du covid-19. Résultats attendus :

Un modèle d’apprentissage profond performant intégré dans une plateforme.

Année universitaire 2021/ 2022

Date de dépôt : …………….. Code Mémoire : ……………..

1 - IDENTIFICATION DES INTERVENANTS :

Anomaly Detection using AutoEncoders: The advanced Persistent Threats case.

2. Option : ISI, SIW

2- Dr. Benabderrahmane Sid Ahmed

5. Affiliation du promoteur (celui qui a proposé le sujet) :

1. Résumé (contexte, problématique, attentes (200 à 300 mots)):

Anomaly Detection, AutoEncoders, machine learning, advanced persistent threats,

3. Plates-formes, outils et technologie à utiliser :

4. Objectifs (classés par ordre de priorité):

Implementing a bigdata model for storing the attack logs.