IOT DATA ANALYTICS ARCHITECTURE FOR HEALTHCARE BASED ON CLOUD COMPUTING

Simple item page
dc.contributor.authorلحويج, هشام
dc.contributor.authorchikema, ali
dc.date.accessioned2023-01-24T09:43:16Z
dc.date.available2023-01-24T09:43:16Z
dc.date.issued2022-09
dc.descriptionmémoire master informatiqueen_US
dc.description.abstract"أصبحت ثورة إنترنت الأشياء في غضون سنوات قليلة مستقبل لاعبي تكنولوجيا المعلومات مثل: الشبكة الذكية ، التشغيل الآلي للمنزل ، الصحة المتصلة ، الصناعة ، الخدمات اللوجستية ، التخطيط الحضري والزراعة. بسبب هذه الثورة ، تولد الكائنات المتصلة حجمًا كبيرًا من البيانات لجمعها ومراقبتها وتحليلها لضمان عملها بشكل صحيح وتحسين تجربة المستخدم بشكل استباقي قدر الإمكان. تُعد القدرة على تحليل هذه البيانات نقطة تفاضل مهمة لجميع حلول إنترنت الأشياء ، والنهج الكلاسيكي (الأكثر استخدامًا اليوم هو خوارزميات العتبات ، وتعدين البيانات ، وخوارزميات الميتاهوريستية) التي تهدف إلى معالجة البيانات التقليدية تؤدي إلى الفشل لأن هذه الأدوات لم يتم تطويرها لمواجهة تحديات إنترنت الأشياء. يعد استخدام التقنيات القائمة على أساليب الذكاء الاصطناعي (مثل: التعلم الآلي) تحديًا جديدًا في أنظمة إنترنت الأشياء ويجعل من الممكن استغلال كميات هائلة من البيانات وينطوي على دفع قدرات العلاج باستمرار. كجزء من هذا العمل ، نقترح بنية أداة تحليل البيانات لنظام مراقبة لمنصة إنترنت الأشياء. يجب أن تستخدم هذه الأداة أساليب الذكاء الاصطناعي للإشراف على الكائنات المتصلة وتوفير تنبؤ ذكي وتقييم آلي للأحداث والحالات الشاذة المتعلقة بتدفق البيانات. استخدموا Apache Kafka لجمع تدفق البيانات وإطار عمل Apache Spark لمعالجة البيانات الضخمة وبناء نموذج تعلم آلي تنبئي يعتمد على خوارزمية Random Forest التي تعمل في شرارة.""The revolution of the Internet of Things has become in a few years the future of IT players such as: Smart Grid, home automation, connected health, industry, logistics, urban planning and agriculture. Because of this revolution, connected objects generate a large volume of data to collect, monitor and analyze to ensure their proper functioning and optimize the user experience as proactively as possible. The ability to analyze this data is a crucial differentiating point for all IoT solutions, the classic approaches (of which the most used today are Thresholds Algorithms, Data Mining and Metaheuristic Algorithms) aimed at traditional data processing result in failures because these tools are not developed to meet the challenges of the IoT. The use of technologies based on AI methods (such as: Machine Learning) is a new challenge in IoT systems and makes it possible to exploit huge amounts of data and involves constantly pushing the capabilities of treatment. As part of this work, we propose a data analysis tool architecture for a monitoring system for the Internet of Things platform. This tool should use AI methods to supervise connected objects and provide intelligent prediction and automated evaluation of events and anomalies related to data flow. They used Apache Kafka to collect data flow and Apache Spark framework to process big data and build a predictive machine learning model based on the Random forest algorithm that works in spark. "en_US
dc.identifier.citationuniversity of el oueden_US
dc.identifier.urihttp://dspace.univ-eloued.dz/handle/123456789/14264
dc.language.isofren_US
dc.relation.ispartofseriesm005/174;
dc.subjectإنترنت الأشياء ، الكائن المتصل ، شبكات الاستشعار ، تحليلات إنترنت الأشياء ، التعلم الآلي ، أباتشي كافكا ، أباتشي سبارك ، خوارزمية الغابة العشوائية.en_US
dc.subjectInternet of Things, Connected Object, Sensor Networks, IoT Analytics, Machine Learning, Apache Kafka, Apache Spark, Random forest algorithm.en_US
dc.titleIOT DATA ANALYTICS ARCHITECTURE FOR HEALTHCARE BASED ON CLOUD COMPUTINGen_US
dc.typeMasteren_US

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Modeling_a_planning_system_using_cloud_computing - IQRAA LIBRARY.pdf
Size:
1.93 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

department of computer science