Techniques d'apprentissage automatique basées sur DCA avec des applications dans la finance et la santé
DCA-based machine learning techniques with applications in finance and healthcare
Jury
Directeur de these - LE THI - Hoai An - Université de Lorraine
Rapporteur - LEBBAH - Mustapha - Université Paris-Saclay
Rapporteur - YASSINE - Adnan - Université Le Havre Normandie
Examinateur - AZZAG - Hanene - Université Paris 13
Président - GUERMEUR - Yann - Université de Lorraine
CoDirecteur de these - DAMEL - Pascal - Université de Lorraine
école doctorale
IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES
Laboratoire
LGIPM - Laboratoire de Génie Informatique, de Production et de Maintenance
Mention de diplôme
Informatique
salle des conseils de l'UFR MIM- BN1-001
LGIPM, University of Lorraine, Metz, 57000, France
Mots clés
décision financière,optimisation,Apprentissage automatique,apprentissage profond,classification,Classification des textes médicaux,
Résumé de la thèse
Les techniques d'apprentissage automatique (ML) jouent un rôle de plus en plus central aujourd'hui. Le développement de nouvelles techniques ML est essentiel, étant donné leur rôle crucial dans divers domaines. Cela englobe la résolution des défis posés par les données à grande échelle et de grande dimension, ainsi que par les données déséquilibrées et la rareté des données.
Keywords
financial decision,optimization,machine learning,deep learning,classification,medical text classification,
Abstract
Machine learning (ML) techniques are assuming an ever more pivotal role in today's landscape. The development of new ML techniques is essential, given their crucial role in diverse domains. This encompasses addressing challenges posed by large-scale and high-dimensional data, as well as imbalanced data and scarcity of data. This thesis focuses on the development of new ML techniques to address pressing issues in three main topics: Addressing large-scale data, handling imbalanced data in the financial domain, and mitigating data scarcity using transfer learning in healthcare.
