Résumé:
Ce projet de fin d'études a pour objectif de développer pour la première fois, un système
intelligent novateur pour la détection de la syncope et la prévention des dangers de la plongée
en apnée. En utilisant la méthode d'apprentissage supervisé Random Forest, nous avons
entraîné un modèle capable de prédire les risques de syncope en se basant sur les données
environnementales et physiologiques des plongeurs telles que la profondeur, l’accélération du
mouvement et le temps. Ce système est conçu pour émettre des alertes précoces, contribuant
ainsi à augmenter la sécurité lors de la plongée en apnée. En outre, ce travail comprend une
revue approfondie des méthodes d'apprentissage automatique comme l’algorithme du
Random Forest de l’apprent issage supervisé ainsi que les outils de développement. Enfin,
quatre sénarios probables sont envisagés, discutés et présentés par émulation.
Mots clés : Apnée, syncope, machine learning, détection, randomforest, émulation
