Université de Lille Application de modèles d’apprentissage machine à la classification des macromycètes Intelligence artificielle  apprentissage machine  machine learning  classification  R  champignons  mycologie 610 Champignons Identification Systèmes d'aide à la décision Évaluation du risque Forêts d'arbres de décision Inventaires mycologiques France Hauts-de-France (France) Mycologie classification Dissertation universitaire Intelligence artificielle Dissertation universitaire Appréciation des risques Dissertation universitaire Logiciel Dissertation universitaire Arbres de décision Dissertation universitaire Cette étude propose de générer un lot synthétique de macromycètes, puis de le soumettre à différents types de modèles d’apprentissage machine supervisé (analyse discriminante linéaire, arbres décisionnels, forêts aléatoires) et d’évaluer leurs performances respectives dans des tâches de classification par critères de comestibilité, par familles, puis par espèces. Electronic Thesis or Dissertation Text fr application/pdf 1 : 0 Ko https://pepite-depot.univ-lille.fr/LIBRE/Th_Pharma/2023/2023ULILE159.pdf Rihani Emir Kaïs 1984-01-14 FR 278655815 2023ULILE159 2023-11-09 Pharmacie Université de Lille (2022-...) thesis.degree.grantor_1 259265152 Doctorat de pharmacie non oui Hamonier Julien intervenant_1 165943580 ddc:610 Hamonier Julien Université de Lille (2022-...) Université de Lille ASCII PDF 1