Propositions de Projets de Machine Learning pour un Impact Social au Niger
Consigne :
Travail en groupe :
Vous allez travailler avec les mêmes groupes que ceux formés lors de la première partie de
l'examen de mid-term.
Jour de présentation :
La présentation de votre projet aura lieu le Mercredi 23 Mars 2023.
Validation du projet :
Avant de commencer à travailler sur votre projet, il devra être validé par moi. N’oubliez pas de me
soumettre votre idée et le dataset que vous allez utiliser pour validation.
Objectif du projet :
Vous devrez développer un modèle performant, capable d'être utilisé à travers une interface
graphique construite avec Streamlit ou Gradio. L'interface doit permettre d'interagir facilement
avec votre modèle.
Propositions de projets :
1. Prédire si une eau est potable ou non
a. Objectif : Prédire si une source d’eau est potable à partir de ses propriétés
chimiques.
b. Type : Classification binaire
c. Pourquoi c’est utile au Niger ? : Sensibilisation à la qualité de l’eau dans les zones
rurales.
2. Prédire le rendement agricole (mil, sorgho, maïs)
a. Objectif : Estimer le rendement d’une culture en fonction des conditions
météorologiques ou de sol.
b. Type : Régression
c. Pourquoi c’est utile ? : Soutenir les agriculteurs dans la planification des saisons.
3. Détecter si un message (en haoussa ou français) est positif ou négatif
a. Objectif : Analyser des opinions sur des services publics, la santé ou l’éducation.
b. Type : Classification binaire ou multi-classes
c. Pourquoi c’est utile ? : Évaluer l’opinion publique dans les langues locales.
4. Triage de patients selon l’urgence (non urgent, urgent, critique)
a. Objectif : Classer les patients selon leurs symptômes pour optimiser l’ordre de
traitement.
b. Type : Classification multi-classes
c. Pourquoi c’est utile ? : Améliorer la gestion des urgences dans les centres de
santé.
5. Prédire la fréquentation d’un marché local
a. Objectif : Estimer le nombre de visiteurs par jour dans un marché.
b. Type : Régression
c. Pourquoi c’est utile ? : Aider les vendeurs à mieux gérer leurs stocks et jours
d’activité.
6. Détecter les maladies animales à partir des symptômes
a. Objectif : Prédire la maladie d’un animal en fonction des symptômes (données
simulées).
b. Type : Classification
c. Pourquoi c’est utile ? : Lutter contre la mortalité du bétail, très précieux au Niger.
7. Détecter des arnaques par SMS ou appels
a. Objectif : Classer un message comme frauduleux ou non.
b. Type : Classification binaire
c. Pourquoi c’est utile ? : Lutter contre les arnaques téléphoniques très fréquentes.
8. Estimer le prix des produits alimentaires au marché
a. Objectif : Prédire le prix de produits comme le mil, maïs, riz, selon la région, la
période et les conditions climatiques.
b. Type : Régression
c. Pourquoi c’est utile ? : Anticiper l’inflation locale et aider les
commerçants/agriculteurs à fixer des prix équitables.
9. Prédire l’abandon scolaire
a. Objectif : Prédire si un élève risque de quitter l’école en fonction de son âge, sexe,
fréquentation, etc.
b. Type : Classification binaire
c. Pourquoi c’est utile ? : Détecter les enfants à risque pour améliorer les politiques
éducatives.
10. Prédire si une femme enceinte est à risque lors de l’accouchement
a. Objectif : À partir d’antécédents médicaux et de données de suivi, prédire les
risques ([Link]. prééclampsie, diabète gestationnel).
b. Type : Classification
c. Pourquoi c’est utile ? : Appuyer les campagnes de santé maternelle dans les zones
rurales.
11. Prédire la possession d’un vélo/moto dans un foyer
a. Objectif : Prédire la probabilité qu’un foyer possède un moyen de transport selon le
revenu, la taille du ménage, la région.
b. Type : Classification binaire
c. Pourquoi c’est utile ? : Étudier la mobilité en milieu rural.
12. Prédire si un foyer a accès à l’électricité
a. Objectif : Classifier les foyers selon qu’ils ont ou non accès à l’électricité, à partir
de leur géolocalisation, structure du logement, etc.
b. Type : Classification
c. Pourquoi c’est utile ? : Appuyer les projets d’électrification en zone rurale.
13. Prévoir les résultats aux examens (réussite/échec)
a. Objectif : Prédire la réussite d’un élève à partir de ses notes continues, absences,
participation, etc.
b. Type : Classification
c. Pourquoi c’est utile ? : Identifier les élèves en difficulté pour des mesures de
soutien.
14. Prédire les précipitations saisonnières
a. Objectif : Prédire les précipitations dans une région donnée (Zinder, Maradi, etc.) à
partir de données météo passées.
b. Type : Régression
c. Pourquoi c’est utile ? : Préparer les semis et éviter les pertes agricoles.
15. Prédire le type de téléphone utilisé (smartphone ou non)
a. Objectif : Classer les utilisateurs en fonction de leur appareil (smartphone vs.
feature phone) selon leurs habitudes ou localisation.
b. Type : Classification
c. Pourquoi c’est utile ? : Étudier l’accès au numérique, planifier des campagnes
SMS/Internet.