Développement d’un assistant juridique artificiel / Mehdi Amor Ouahmed (2024) 

Public ISBD Titre : Développement d’un assistant juridique artificiel Type de document : document électronique Auteurs : Mehdi Amor Ouahmed, Auteur ; Samia Beldjoudi, Directeur de thèse ; Adel Ait-Hamlat, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2024 Importance : 1 fichier PDF (10 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2024 Bibliogr. p. 95 - 97 . - Annexe p. 98 - 101 Langues : Français (fre) Mots-clés : Intelligence artificielle Assistant légal Législation algérienne Extraction de texte Graphe de connaissance Recherche d’information Generation de texte Technologie RAG Index. décimale : PI02424 Résumé : Ce projet vise à relever le défi de l’accès et de la compréhension des textes législatifs en Algérie en utilisant des techniques d’intelligence artificielle. Le cadre législatif algérien est dynamique, avec de fréquentes mises à jour et modifications des textes juridiques, ce qui complique la tâche des professionnels du droit, des citoyens et des entreprises pour accéder à des informations juridiques précises et à jour. Ce projet se concentre sur le développement d’un assistant juridique intelligent capable de répondre aux requêtes des utilisateurs concernant la législation en Algérie. La méthodologie adoptée repose sur plusieurs étapes : l’extraction de texte brut depuis les journaux officiels algériens, la détection et la classification des textes légaux, la construction d’un graphe de connaissance, la vectorisation des segments de texte, et l’utilisation de techniques avancées de recherche et de génération de texte pour fournir des réponses précises et contextuelles. Ce projet utilise la technique "Retrieval-Augmented Generation" (RAG) pour combiner la recherche d’information avec la génération de texte, garantissant ainsi des réponses pertinentes et à jour. Les résultats attendus incluent un assistant juridique performant capable de naviguer dans la complexité des textes législatifs algériens, offrant un accès simplifié et rapide à l’information juridique. Ce projet vise à améliorer l’efficacité des professionnels du droit et des citoyens, en facilitant l’accès à des informations juridiques complexes et en réduisant le temps nécessaire pour trouver et comprendre les textes de loi. En intégrant ces technologies d’intelligence artificielle, le projet contribue à la modernisation et à l’optimisation des processus juridiques en Algérie. Développement d’un assistant juridique artificiel [document électronique] / Mehdi Amor Ouahmed, Auteur ; Samia Beldjoudi, Directeur de thèse ; Adel Ait-Hamlat, Directeur de thèse . - [S.l.] : [s.n.], 2024 . - 1 fichier PDF (10 Mo) : ill. Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2024 Bibliogr. p. 95 - 97 . - Annexe p. 98 - 101 Langues : Français (fre) Mots-clés : Intelligence artificielle Assistant légal Législation algérienne Extraction de texte Graphe de connaissance Recherche d’information Generation de texte Technologie RAG Index. décimale : PI02424 Résumé : Ce projet vise à relever le défi de l’accès et de la compréhension des textes législatifs en Algérie en utilisant des techniques d’intelligence artificielle. Le cadre législatif algérien est dynamique, avec de fréquentes mises à jour et modifications des textes juridiques, ce qui complique la tâche des professionnels du droit, des citoyens et des entreprises pour accéder à des informations juridiques précises et à jour. Ce projet se concentre sur le développement d’un assistant juridique intelligent capable de répondre aux requêtes des utilisateurs concernant la législation en Algérie. La méthodologie adoptée repose sur plusieurs étapes : l’extraction de texte brut depuis les journaux officiels algériens, la détection et la classification des textes légaux, la construction d’un graphe de connaissance, la vectorisation des segments de texte, et l’utilisation de techniques avancées de recherche et de génération de texte pour fournir des réponses précises et contextuelles. Ce projet utilise la technique "Retrieval-Augmented Generation" (RAG) pour combiner la recherche d’information avec la génération de texte, garantissant ainsi des réponses pertinentes et à jour. Les résultats attendus incluent un assistant juridique performant capable de naviguer dans la complexité des textes législatifs algériens, offrant un accès simplifié et rapide à l’information juridique. Ce projet vise à améliorer l’efficacité des professionnels du droit et des citoyens, en facilitant l’accès à des informations juridiques complexes et en réduisant le temps nécessaire pour trouver et comprendre les textes de loi. En intégrant ces technologies d’intelligence artificielle, le projet contribue à la modernisation et à l’optimisation des processus juridiques en Algérie.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00822	PI02424	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Data sciences_Intelligence artificielle	Téléchargeable

Documents numériques

AMOR-OUAHMED.Mehdi.pdf URL

Développement d’un chatbot bancaire intelligent / Samah Belbaki (2024) 

Public ISBD Titre : Développement d’un chatbot bancaire intelligent : comparaison de l’application de la DPO et du RAG pour l’amélioration de l’interaction client chez KPMG. Application : département Data/IT de KPMG Type de document : document électronique Auteurs : Samah Belbaki, Auteur ; Sihem Boutebal, Auteur ; Samia Beldjoudi, Directeur de thèse ; Islam Sadat, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2024 Importance : 1 fichier PDF (7 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2024 Bibliogr. p. 91 - 95 . - Annexe p. 96 - 108 Langues : Français (fre) Mots-clés : Intelligence artificielle générative Chatbot Apprentissage par Renforcement à partir de Feedback Humain (RLHF) Génération augmentée par récupération (RAG) Interaction client Secteur bancaire Index. décimale : PI02024 Résumé : Ce mémoire explore le développement d’un chatbot basé sur l’intelligence artificielle générative pour améliorer l’interaction avec les clients bancaires de KPMG. En intégrant des techniques avancées telles que l’Apprentissage par Renforcement à partir de Feedback Humain (RLHF) et la Génération Augmentée par Récupération (RAG), ce chatbot vise à fournir des réponses rapides, précises et adaptées aux requêtes spécifiques des clients. L’évaluation de sa performance met en évidence sa capacité à répondre de manière pertinente et personnalisée, soulignant l’efficacité de ces technologies dans l’amélioration de l’engagement client. Ce travail illustre les stratégies cl´es pour une intégration réussie de l’IA avancée dans les interactions clients dans le secteur bancaire. Développement d’un chatbot bancaire intelligent : comparaison de l’application de la DPO et du RAG pour l’amélioration de l’interaction client chez KPMG. Application : département Data/IT de KPMG [document électronique] / Samah Belbaki, Auteur ; Sihem Boutebal, Auteur ; Samia Beldjoudi, Directeur de thèse ; Islam Sadat, Directeur de thèse . - [S.l.] : [s.n.], 2024 . - 1 fichier PDF (7 Mo) : ill. Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2024 Bibliogr. p. 91 - 95 . - Annexe p. 96 - 108 Langues : Français (fre) Mots-clés : Intelligence artificielle générative Chatbot Apprentissage par Renforcement à partir de Feedback Humain (RLHF) Génération augmentée par récupération (RAG) Interaction client Secteur bancaire Index. décimale : PI02024 Résumé : Ce mémoire explore le développement d’un chatbot basé sur l’intelligence artificielle générative pour améliorer l’interaction avec les clients bancaires de KPMG. En intégrant des techniques avancées telles que l’Apprentissage par Renforcement à partir de Feedback Humain (RLHF) et la Génération Augmentée par Récupération (RAG), ce chatbot vise à fournir des réponses rapides, précises et adaptées aux requêtes spécifiques des clients. L’évaluation de sa performance met en évidence sa capacité à répondre de manière pertinente et personnalisée, soulignant l’efficacité de ces technologies dans l’amélioration de l’engagement client. Ce travail illustre les stratégies cl´es pour une intégration réussie de l’IA avancée dans les interactions clients dans le secteur bancaire.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00818	PI02024	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Data sciences_Intelligence artificielle	Téléchargeable

Documents numériques

BOUTEBAL.Sihem_BELBAKI.Samah.pdf URL

Interpretable recommender systems / Nadhir Mazari Boufares (2024) 

Public ISBD Titre : Interpretable recommender systems : a hybrid architecture with logical and collaborative filtering layers Type de document : document électronique Auteurs : Nadhir Mazari Boufares, Auteur ; Samia Beldjoudi, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2024 Importance : 1 fichier PDF (10 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2024 Bibliogr. p. 70 - 72 Langues : Anglais (eng) Mots-clés : Recommendation system Reasoning Interpretability Index. décimale : PI02524 Résumé : Recommender systems (RSs) are rapidly evolving with increasing personalization to meet new constraints and improve performance on digital platforms. However, a significant issue remains: the lack of transparency in their decision-making, particularly with black-box approaches. Integrating logical reasoning and symbolic methods offers a promising solution for enhancing interpretability, but these methods are often underutilized. This thesis proposes a novel RS model that enhances interpretability for end users. Our architecture integrates a logical layer for generating rules from user and item attributes, alongside a graph convolutional network for collaborative filtering. By combining these components, our model generates recommendation scores with improved transparency and interpretability. Interpretable recommender systems : a hybrid architecture with logical and collaborative filtering layers [document électronique] / Nadhir Mazari Boufares, Auteur ; Samia Beldjoudi, Directeur de thèse . - [S.l.] : [s.n.], 2024 . - 1 fichier PDF (10 Mo) : ill. Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2024 Bibliogr. p. 70 - 72 Langues : Anglais (eng) Mots-clés : Recommendation system Reasoning Interpretability Index. décimale : PI02524 Résumé : Recommender systems (RSs) are rapidly evolving with increasing personalization to meet new constraints and improve performance on digital platforms. However, a significant issue remains: the lack of transparency in their decision-making, particularly with black-box approaches. Integrating logical reasoning and symbolic methods offers a promising solution for enhancing interpretability, but these methods are often underutilized. This thesis proposes a novel RS model that enhances interpretability for end users. Our architecture integrates a logical layer for generating rules from user and item attributes, alongside a graph convolutional network for collaborative filtering. By combining these components, our model generates recommendation scores with improved transparency and interpretability.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00861	PI02524	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Data sciences_Intelligence artificielle	Téléchargeable

Documents numériques

MAZARI-BOUFARES.Nadrih.pdf URL