Catalogue des ouvrages Université de Laghouat
Détail de l'auteur
Auteur Mohamed El Habib Maicha |
Documents disponibles écrits par cet auteur (15)
Ajouter le résultat dans votre panier Faire une suggestion Affiner la rechercheAutomatic detection and removal of personal identifiable information (PII) in arabic text datasets / Rania Chaib
Titre : Automatic detection and removal of personal identifiable information (PII) in arabic text datasets Type de document : document multimédia Auteurs : Rania Chaib, Auteur ; Mohamed El Habib Maicha, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2026 Importance : 78 p. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : Artificial intelligence and data science Langues : Anglais (eng) Mots-clés : Personally identifiable information (PII) Text De-identification Arabic named entity recognition (NER) AraBERT Hybrid deep learning Data privacy Sequence labeling Résumé : The automatic detection and anonymization of Personally Identifiable Information (PII) in Arabic text remains a challenging task due to the linguistic complexity of the Arabic language and the lack of annotated datasets. This thesis addresses this problem by proposing an end-to-end hybrid pipeline for Arabic PII extraction and de-identification. To overcome the limitation of domain-specific resources, a custom corpus of 5,000 sentences was constructed and annotated across eight PII categories. We systematically evaluated state-of-the-art transformer-based models, including AraBERT, CAMeLBERT, and hybrid neural models combining AraBERT with BiLSTM and CRF layers. To further enhance robustness in detecting structured entities, a post-processing module based on regular expressions (Regex) was integrated into the neural pipeline. Experimental results show that the AraBERT-based hybrid pipeline achieves the best performance, obtaining a Macro F1-score of 0.90 on the custom dataset and outperforming both CAMeLBERT and the hybrid neural architectures (AraBERT-BiLSTM and AraBERT-CRF). Finally, multiple de-identification strategies were implemented, including masking, random replacement, and a context-aware synthetic generation pipeline, enabling the transformation of sensitive Arabic text into anonymized form while preserving its usability. note de thèses : Mémoire de master en informatique Automatic detection and removal of personal identifiable information (PII) in arabic text datasets [document multimédia] / Rania Chaib, Auteur ; Mohamed El Habib Maicha, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2026 . - 78 p. + 1 disque optique numérique (CD-ROM).
Option : Artificial intelligence and data science
Langues : Anglais (eng)
Mots-clés : Personally identifiable information (PII) Text De-identification Arabic named entity recognition (NER) AraBERT Hybrid deep learning Data privacy Sequence labeling Résumé : The automatic detection and anonymization of Personally Identifiable Information (PII) in Arabic text remains a challenging task due to the linguistic complexity of the Arabic language and the lack of annotated datasets. This thesis addresses this problem by proposing an end-to-end hybrid pipeline for Arabic PII extraction and de-identification. To overcome the limitation of domain-specific resources, a custom corpus of 5,000 sentences was constructed and annotated across eight PII categories. We systematically evaluated state-of-the-art transformer-based models, including AraBERT, CAMeLBERT, and hybrid neural models combining AraBERT with BiLSTM and CRF layers. To further enhance robustness in detecting structured entities, a post-processing module based on regular expressions (Regex) was integrated into the neural pipeline. Experimental results show that the AraBERT-based hybrid pipeline achieves the best performance, obtaining a Macro F1-score of 0.90 on the custom dataset and outperforming both CAMeLBERT and the hybrid neural architectures (AraBERT-BiLSTM and AraBERT-CRF). Finally, multiple de-identification strategies were implemented, including masking, random replacement, and a context-aware synthetic generation pipeline, enabling the transformation of sensitive Arabic text into anonymized form while preserving its usability. note de thèses : Mémoire de master en informatique
Titre : Bias detection and mitigation in arabic large language model datasets Type de document : document multimédia Auteurs : Nour El Houda Chenaf, Auteur ; Nour Alchams Telli, Auteur ; Mohamed El Habib Maicha, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2026 Importance : 85 p. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : Artificial intelligence and data science Langues : Anglais (eng) Mots-clés : Bias detection Bias mitigation Arabic NLP Large language models Fairness CrowS-Pairs MADAR AraWEAT Résumé : Bias in Arabic Large Language Models (LLMs) remains an insufficiently explored research area, particularly because of the language’s diglossia, dialectal diversity, and morphological richness, which are not adequately reflected in evaluation benchmarks originally developed for English. Most existing Arabic studies also rely on limited datasets and focus on either bias detection or mitigation separately, leaving the relationship between fairness and model performance insufficiently understood.
This work presents a reusable and culturally-aware framework for detecting and mitigating bias in Arabic language models. The framework evaluates three Arabic-trained language models (AraBERT, MARBERT, and XLM-RoBERTa (XLM-R)) through an experimental pipeline that includes auditing pretrained models, fine-tuning them for sentiment analysis, re-evaluating them after adaptation, and applying several bias mitigation techniques. The evaluation relies on multiple benchmarks to measure gender and dialect bias in contextual embeddings and masked
language modelling behaviour.
The results show that pretrained models differ considerably in their bias levels and that finetuning can alter bias behaviour even when using a relatively simple task such as sentiment analysis.
The proposed mitigation techniques successfully reduced both gender and dialect bias by more than 25% while causing only minimal impact on downstream performance.
These findings demonstrate that building fairer Arabic language systems is both practically feasible and empirically measurable, providing a foundation for future Arabic Natural Language Processing (NLP) technologies that better account for fairness and reliability considerations.note de thèses : Mémoire de master en informatique Bias detection and mitigation in arabic large language model datasets [document multimédia] / Nour El Houda Chenaf, Auteur ; Nour Alchams Telli, Auteur ; Mohamed El Habib Maicha, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2026 . - 85 p. + 1 disque optique numérique (CD-ROM).
Option : Artificial intelligence and data science
Langues : Anglais (eng)
Mots-clés : Bias detection Bias mitigation Arabic NLP Large language models Fairness CrowS-Pairs MADAR AraWEAT Résumé : Bias in Arabic Large Language Models (LLMs) remains an insufficiently explored research area, particularly because of the language’s diglossia, dialectal diversity, and morphological richness, which are not adequately reflected in evaluation benchmarks originally developed for English. Most existing Arabic studies also rely on limited datasets and focus on either bias detection or mitigation separately, leaving the relationship between fairness and model performance insufficiently understood.
This work presents a reusable and culturally-aware framework for detecting and mitigating bias in Arabic language models. The framework evaluates three Arabic-trained language models (AraBERT, MARBERT, and XLM-RoBERTa (XLM-R)) through an experimental pipeline that includes auditing pretrained models, fine-tuning them for sentiment analysis, re-evaluating them after adaptation, and applying several bias mitigation techniques. The evaluation relies on multiple benchmarks to measure gender and dialect bias in contextual embeddings and masked
language modelling behaviour.
The results show that pretrained models differ considerably in their bias levels and that finetuning can alter bias behaviour even when using a relatively simple task such as sentiment analysis.
The proposed mitigation techniques successfully reduced both gender and dialect bias by more than 25% while causing only minimal impact on downstream performance.
These findings demonstrate that building fairer Arabic language systems is both practically feasible and empirically measurable, providing a foundation for future Arabic Natural Language Processing (NLP) technologies that better account for fairness and reliability considerations.note de thèses : Mémoire de master en informatique
Titre : Conception et réalisation d'un entrepôt de données pour analyser l'enseignement coranique dans les écoles coraniques : étude de cas direction des affaire religieuses et wakf Laghouat Type de document : document multimédia Auteurs : Ahmed Toual, Auteur ; Mohamed El Habib Maicha, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2024 Importance : 43 p. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : Systèmes d’information et de décision Langues : Français (fre) Mots-clés : Entrepôt de données Systèmes de décision Modélisation multidimensionnelle Schéma en étoile Requêtes OLAP éducation coranique Résumé : L'analyse des résultats obtenus par les étudiants au cours de leurs études dans les écoles coraniques est considérée comme l'un des principaux facteurs d'évaluation de la qualité de l'éducation et de l'étendue de leur acquisition du Saint Coran. Notre recherche vise à identifier certains des paramètres qui le permettent. Peut affecter le déroulement de la mémorisation du Coran dans les écoles coraniques algériennes.
Nous basons notre approche sur la technologie d’entreposage de données. L’objectif premier est de concevoir un entrepôt de données intégrant toutes les informations liées à l’éducation coranique des élèves, pour servir de support aux outils d’analyse et de prise de décision. L'étape de stockage de ces données est importante pour fournir aux décideurs de nouvelles connaissances qui contribuent à identifier les facteurs qui expliquent les facteurs de mémorisation du Coran chez les étudiants, ce qui les aide à prendre des mesures pour améliorer la qualité de l'éducation et ainsi valoriser les étudiants. 'mémorisation du Coran.
Notre approche comprend deux phases de mise en oeuvre. La première étape est une étape conceptuelle qui s’attache à structurer et modéliser les données en question sous la forme d’une constellation de faits et de dimensions. La deuxième étape est technique et concerne la création et l'alimentation de l'entrepôt via le processus ETL (extraire, transformer, charger) pour extraire les données, les transformer, puis les télécharger. La source des données provient des archives du Bureau d’Enseignement Coranique de la Direction des Affaires Religieuses de la Province de Laghouat. Enfin, pour valider notre proposition, nous avons présenté les résultats de quelques requêtes analytiques du système OLAP.note de thèses : Mémoire de master en informatique Conception et réalisation d'un entrepôt de données pour analyser l'enseignement coranique dans les écoles coraniques : étude de cas direction des affaire religieuses et wakf Laghouat [document multimédia] / Ahmed Toual, Auteur ; Mohamed El Habib Maicha, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2024 . - 43 p. + 1 disque optique numérique (CD-ROM).
Option : Systèmes d’information et de décision
Langues : Français (fre)
Mots-clés : Entrepôt de données Systèmes de décision Modélisation multidimensionnelle Schéma en étoile Requêtes OLAP éducation coranique Résumé : L'analyse des résultats obtenus par les étudiants au cours de leurs études dans les écoles coraniques est considérée comme l'un des principaux facteurs d'évaluation de la qualité de l'éducation et de l'étendue de leur acquisition du Saint Coran. Notre recherche vise à identifier certains des paramètres qui le permettent. Peut affecter le déroulement de la mémorisation du Coran dans les écoles coraniques algériennes.
Nous basons notre approche sur la technologie d’entreposage de données. L’objectif premier est de concevoir un entrepôt de données intégrant toutes les informations liées à l’éducation coranique des élèves, pour servir de support aux outils d’analyse et de prise de décision. L'étape de stockage de ces données est importante pour fournir aux décideurs de nouvelles connaissances qui contribuent à identifier les facteurs qui expliquent les facteurs de mémorisation du Coran chez les étudiants, ce qui les aide à prendre des mesures pour améliorer la qualité de l'éducation et ainsi valoriser les étudiants. 'mémorisation du Coran.
Notre approche comprend deux phases de mise en oeuvre. La première étape est une étape conceptuelle qui s’attache à structurer et modéliser les données en question sous la forme d’une constellation de faits et de dimensions. La deuxième étape est technique et concerne la création et l'alimentation de l'entrepôt via le processus ETL (extraire, transformer, charger) pour extraire les données, les transformer, puis les télécharger. La source des données provient des archives du Bureau d’Enseignement Coranique de la Direction des Affaires Religieuses de la Province de Laghouat. Enfin, pour valider notre proposition, nous avons présenté les résultats de quelques requêtes analytiques du système OLAP.note de thèses : Mémoire de master en informatique Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MF 02-72 MF 02-72 CD BIBLIOTHEQUE DE FACULTE DES SCIENCES théses (sci) Disponible
Titre : EEG-based epileptic seizures prediction using machine learning Type de document : document multimédia Auteurs : Imane Meguenni, Auteur ; Hiba Reggab, Auteur ; Mohamed El Habib Maicha, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2024 Importance : 93 p. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : Computer Science Langues : Anglais (eng) Mots-clés : Epilepsy Seizure Detection Machine learning Electroencephalogram Binary Classification Feature Selection Random Forest algorithm Résumé : Epilepsy is a neurological disorder characterized by recurrent seizures. Current methods often rely on clinical observation for seizure detection, potentially missing subtle pre-seizure indicators. This thesis explores the potential of machine learning to predict the probability of a seizure occurring within a specific timeframe, offering a more nuanced understanding of pre-seizure brain activity. We leverage a custom dataset combining publicly available electroencephalogram (EEG) recordings with data collected from collaborating healthcare institutions. This approach ensures the relevance and validity of the predictive models developed. Our models move beyond the typical binary classification ("seizure" or "nonseizure") by predicting the percentage chance of a seizure. This probabilistic approach empowers individuals with epilepsy to make informed decisions based on the predicted risk level. It represents a significant departure from prevalent methods, potentially leading to a more informative and impactful seizure prediction system. The thesis tackles several challenges associated with machine learning for seizure prediction, including data heterogeneity, feature selection, model interpretability, and clinical validation. The specific machine learning algorithm we will explore is the Random Forest algorithm. By addressing these challenges and using a custom dataset, we aim to contribute to the development of effective tools for predicting epilepsy onset, ultimately improving patient outcomes and healthcare delivery. note de thèses : Mémoire de master en informatique EEG-based epileptic seizures prediction using machine learning [document multimédia] / Imane Meguenni, Auteur ; Hiba Reggab, Auteur ; Mohamed El Habib Maicha, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2024 . - 93 p. + 1 disque optique numérique (CD-ROM).
Option : Computer Science
Langues : Anglais (eng)
Mots-clés : Epilepsy Seizure Detection Machine learning Electroencephalogram Binary Classification Feature Selection Random Forest algorithm Résumé : Epilepsy is a neurological disorder characterized by recurrent seizures. Current methods often rely on clinical observation for seizure detection, potentially missing subtle pre-seizure indicators. This thesis explores the potential of machine learning to predict the probability of a seizure occurring within a specific timeframe, offering a more nuanced understanding of pre-seizure brain activity. We leverage a custom dataset combining publicly available electroencephalogram (EEG) recordings with data collected from collaborating healthcare institutions. This approach ensures the relevance and validity of the predictive models developed. Our models move beyond the typical binary classification ("seizure" or "nonseizure") by predicting the percentage chance of a seizure. This probabilistic approach empowers individuals with epilepsy to make informed decisions based on the predicted risk level. It represents a significant departure from prevalent methods, potentially leading to a more informative and impactful seizure prediction system. The thesis tackles several challenges associated with machine learning for seizure prediction, including data heterogeneity, feature selection, model interpretability, and clinical validation. The specific machine learning algorithm we will explore is the Random Forest algorithm. By addressing these challenges and using a custom dataset, we aim to contribute to the development of effective tools for predicting epilepsy onset, ultimately improving patient outcomes and healthcare delivery. note de thèses : Mémoire de master en informatique Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MF 02-70 MF 02-70 CD BIBLIOTHEQUE DE FACULTE DES SCIENCES théses (sci) Disponible Étude comparative des méthodes de conception des systèmes d'informations géographiques / Oussama Mechraoui
Titre : Étude comparative des méthodes de conception des systèmes d'informations géographiques Type de document : texte manuscrit Auteurs : Oussama Mechraoui, Auteur ; Mohamed El Habib Maicha, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2016 Importance : 69 p. Format : 30 cm. Note générale : Option : Systèmes d'information et de décision Langues : Français (fre) note de thèses : Mémoire de master en informatique Étude comparative des méthodes de conception des systèmes d'informations géographiques [texte manuscrit] / Oussama Mechraoui, Auteur ; Mohamed El Habib Maicha, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2016 . - 69 p. ; 30 cm.
Option : Systèmes d'information et de décision
Langues : Français (fre)
note de thèses : Mémoire de master en informatique Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MF 02-07 MF 02-07 Thése BIBLIOTHEQUE DE FACULTE DES SCIENCES théses (sci) Disponible Permalink
Permalink
Permalink
Permalink
PermalinkPermalink
PermalinkPermalink
Permalink
Permalink
