Mise en place d'une solution IOT pour la détection de gaz toxique, nocifs pour la santé humaine, dans la commune de Ziguinchor. Mémoire de master / Mamadou Sow / Ziguinchor : Université Assane Seck de Ziguinchor (2025)

Public ISBD Titre de série : Mise en place d'une solution IOT pour la détection de gaz toxique, nocifs pour la santé humaine, dans la commune de Ziguinchor Titre : Mémoire de master : management des systèmes d'information Type de document : texte imprimé Auteurs : Mamadou Sow, Auteur ; Abel Diatta, Directeur de la recherche ; Ousmane Diallo, Collaborateur Editeur : Ziguinchor : Université Assane Seck de Ziguinchor, 2025 Importance : 1 vol. (99 f.) Présentation : ill., couv. ill. en coul. Format : 30 cm Langues : Français (fre) Mots-clés : Internet des Objets  IOT  Détection de Gaz  Gaz toxique  Gaz nocif  Santé  Ziguinchor Index. décimale : MI25/13 Résumé : La pollution atmosphérique constitue aujourd’hui un enjeu majeur de santé publique, en particulier dans les zones urbaines. Dans la commune de Ziguinchor, l’augmentation des émissions de gaz toxiques et de particules fines représente un risque important pour la population. Ce mémoire s’inscrit dans une démarche visant à concevoir et mettre en place une solution IoT permettant de détecter en temps réel la pollution atmosphérique et d’alerter les citoyens ainsi que les autorités locales. Dans un premier temps, nous avons étudié les causes et les impacts de la pollution de l’air, en mettant en avant les sources locales de pollution dans la ville de Ziguinchor. Ensuite, une analyse des systèmes de surveillance existants a été réalisée, en comparant les stations fixes, les systèmes mobiles, les drones et les solutions basées sur l’IoT. Cette analyse a mis en évidence les limites des approches actuelles et a justifié le choix d’un système basé sur l’IoT, capable d’offrir une surveillance continue et accessible. Notre contribution consiste en la conception et le développement d’un système intelligent de surveillance de la qualité de l’air, structuré en plusieurs couches : ? Une couche de perception, avec des capteurs comme le SDS011 pour mesurer les particules PM2.5 et PM10 ; ? Une couche de communication, exploitant le WiFi via un microcontrôleur ESP8266 pour transmettre les données en temps réel ; ? Une couche de traitement et de stockage, basée sur MySQL et Django, permettant l’analyse et l’historisation des données ; ? Une couche d’application, offrant une interface web interactive pour la visualisation et l’exploitation des mesures relevées. Le développement du système a été suivi d’une phase de tests afin d’évaluer sa fiabilité, sa précision et sa réactivité. Plusieurs expériences ont été menées pour valider l’efficacité du dispositif dans la détection des variations de pollution, et les résultats obtenus montrent que la solution proposée est en mesure d’alerter les utilisateurs en cas de dépassement des seuils critiques. En conclusion, ce projet apporte une réponse innovante et adaptable au problème de la pollution de l’air à Ziguinchor, en offrant un outil technologique accessible et en temps réel. Cette solution pourrait être étendue à d’autres régions et intégrée dans une stratégie globale de gestion de la qualité de l’air, contribuant ainsi à la protection de la santé publique et de l’environnement. Mise en place d'une solution IOT pour la détection de gaz toxique, nocifs pour la santé humaine, dans la commune de Ziguinchor. Mémoire de master : management des systèmes d'information [texte imprimé] / Mamadou Sow, Auteur ; Abel Diatta, Directeur de la recherche ; Ousmane Diallo, Collaborateur . - Ziguinchor : Université Assane Seck de Ziguinchor, 2025 . - 1 vol. (99 f.) : ill., couv. ill. en coul. ; 30 cm. Langues : Français (fre) Mots-clés : Internet des Objets  IOT  Détection de Gaz  Gaz toxique  Gaz nocif  Santé  Ziguinchor Index. décimale : MI25/13 Résumé : La pollution atmosphérique constitue aujourd’hui un enjeu majeur de santé publique, en particulier dans les zones urbaines. Dans la commune de Ziguinchor, l’augmentation des émissions de gaz toxiques et de particules fines représente un risque important pour la population. Ce mémoire s’inscrit dans une démarche visant à concevoir et mettre en place une solution IoT permettant de détecter en temps réel la pollution atmosphérique et d’alerter les citoyens ainsi que les autorités locales. Dans un premier temps, nous avons étudié les causes et les impacts de la pollution de l’air, en mettant en avant les sources locales de pollution dans la ville de Ziguinchor. Ensuite, une analyse des systèmes de surveillance existants a été réalisée, en comparant les stations fixes, les systèmes mobiles, les drones et les solutions basées sur l’IoT. Cette analyse a mis en évidence les limites des approches actuelles et a justifié le choix d’un système basé sur l’IoT, capable d’offrir une surveillance continue et accessible. Notre contribution consiste en la conception et le développement d’un système intelligent de surveillance de la qualité de l’air, structuré en plusieurs couches : ? Une couche de perception, avec des capteurs comme le SDS011 pour mesurer les particules PM2.5 et PM10 ; ? Une couche de communication, exploitant le WiFi via un microcontrôleur ESP8266 pour transmettre les données en temps réel ; ? Une couche de traitement et de stockage, basée sur MySQL et Django, permettant l’analyse et l’historisation des données ; ? Une couche d’application, offrant une interface web interactive pour la visualisation et l’exploitation des mesures relevées. Le développement du système a été suivi d’une phase de tests afin d’évaluer sa fiabilité, sa précision et sa réactivité. Plusieurs expériences ont été menées pour valider l’efficacité du dispositif dans la détection des variations de pollution, et les résultats obtenus montrent que la solution proposée est en mesure d’alerter les utilisateurs en cas de dépassement des seuils critiques. En conclusion, ce projet apporte une réponse innovante et adaptable au problème de la pollution de l’air à Ziguinchor, en offrant un outil technologique accessible et en temps réel. Cette solution pourrait être étendue à d’autres régions et intégrée dans une stratégie globale de gestion de la qualité de l’air, contribuant ainsi à la protection de la santé publique et de l’environnement.

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
0200001004	MIG25/7 ex.1	Mémoires	Bibliothèque Centrale	Thèse, Mémoire	Exclu du prêt

Système de détection d'anomalies dans les transactions par cartes de débit bancaires à Ecobank sénégal par apprentissage non supervisé. Mémoire de master / Yaye Maty Thiam / Ziguinchor : Université Assane Seck de Ziguinchor (2025)  

Public ISBD Titre de série : Système de détection d'anomalies dans les transactions par cartes de débit bancaires à Ecobank sénégal par apprentissage non supervisé Titre : Mémoire de master : informatique Type de document : texte imprimé Auteurs : Yaye Maty Thiam, Auteur ; Khadim Dramé, Directeur de la recherche Editeur : Ziguinchor : Université Assane Seck de Ziguinchor, 2025 Importance : 1 vol. (70 f.) Présentation : ill., couv. ill. en coul. Format : 30 cm Langues : Français (fre) Mots-clés : Carte bancaire  Débit bancaire  Anormalie  Transaction bancaire  Ecobank  Sénégal Index. décimale : MI25/13 Résumé : Ce mémoire porte sur la conception d’un système de détection des transactions anormales pour Ecobank Sénégal, visant à répondre aux enjeux croissants de sécurité bancaire. Les transactions anormales, définies comme des écarts significatifs par rapport aux habitudes des clients, posent des risques financiers et réputationnels majeurs. Le système actuel de Ecobank Sénégal, basé sur des règles prédéfinies, souffre d’un manque de flexibilité et génère un nombre important de faux positifs tout en échouant à détecter les nouveaux schémas de fraude. L’approche proposée s’appuie sur l’apprentissage automatique non supervisé pour développer une solution dynamique et adaptative. À partir de plus d’un million de transactions anonymisées sur 18 mois, une analyse exploratoire approfondie a permis de préparer les données grâce à des techniques d’imputation, de normalisation et d’encodage. Plusieurs algorithmes d’apprentissage non supervisé ont été testés, notamment Isolation Forest, Local Outlier Factor (LOF), Auto encodeurs, One-Class SVM et DBSCAN. Les performances des modèles ont été évaluées sur la base de leur précision, leur réduction des faux positifs et leur capacité à identifier des comportements atypiques en temps réel. Les résultats obtenus indiquent que l’Isolation Forest offre une performance optimale, avec une amélioration significative de la précision et une réduction des faux positifs. Les Auto encodeurs ont également montré leur pertinence pour analyser les anomalies complexes. Cette méthodologie a permis d’atteindre une réduction notable des pertes potentielles liées aux fraudes, ainsi qu’une optimisation des ressources de surveillance et une amélioration de l’expérience client. Bien que le modèle n’ait pas encore été déployé dans un environnement opérationnel, les travaux réalisés constituent une avancée significative vers l’intégration de technologies d’apprentissage automatique dans la détection des fraudes bancaires En ligne : https://www.rivieresdusud.uasz.sn/handle/123456789/2558 Système de détection d'anomalies dans les transactions par cartes de débit bancaires à Ecobank sénégal par apprentissage non supervisé. Mémoire de master : informatique [texte imprimé] / Yaye Maty Thiam, Auteur ; Khadim Dramé, Directeur de la recherche . - Ziguinchor : Université Assane Seck de Ziguinchor, 2025 . - 1 vol. (70 f.) : ill., couv. ill. en coul. ; 30 cm. Langues : Français (fre) Mots-clés : Carte bancaire  Débit bancaire  Anormalie  Transaction bancaire  Ecobank  Sénégal Index. décimale : MI25/13 Résumé : Ce mémoire porte sur la conception d’un système de détection des transactions anormales pour Ecobank Sénégal, visant à répondre aux enjeux croissants de sécurité bancaire. Les transactions anormales, définies comme des écarts significatifs par rapport aux habitudes des clients, posent des risques financiers et réputationnels majeurs. Le système actuel de Ecobank Sénégal, basé sur des règles prédéfinies, souffre d’un manque de flexibilité et génère un nombre important de faux positifs tout en échouant à détecter les nouveaux schémas de fraude. L’approche proposée s’appuie sur l’apprentissage automatique non supervisé pour développer une solution dynamique et adaptative. À partir de plus d’un million de transactions anonymisées sur 18 mois, une analyse exploratoire approfondie a permis de préparer les données grâce à des techniques d’imputation, de normalisation et d’encodage. Plusieurs algorithmes d’apprentissage non supervisé ont été testés, notamment Isolation Forest, Local Outlier Factor (LOF), Auto encodeurs, One-Class SVM et DBSCAN. Les performances des modèles ont été évaluées sur la base de leur précision, leur réduction des faux positifs et leur capacité à identifier des comportements atypiques en temps réel. Les résultats obtenus indiquent que l’Isolation Forest offre une performance optimale, avec une amélioration significative de la précision et une réduction des faux positifs. Les Auto encodeurs ont également montré leur pertinence pour analyser les anomalies complexes. Cette méthodologie a permis d’atteindre une réduction notable des pertes potentielles liées aux fraudes, ainsi qu’une optimisation des ressources de surveillance et une amélioration de l’expérience client. Bien que le modèle n’ait pas encore été déployé dans un environnement opérationnel, les travaux réalisés constituent une avancée significative vers l’intégration de technologies d’apprentissage automatique dans la détection des fraudes bancaires En ligne : https://www.rivieresdusud.uasz.sn/handle/123456789/2558

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
0200001005	MI25/13 ex.1	Mémoires	Bibliothèque Centrale	Thèse, Mémoire	Exclu du prêt

---

1 (1 - 2 / 2) Par page : 25 50 100 200