Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Untitled Prezi

No description
by

Mourad Lablack

on 19 May 2015

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Untitled Prezi

Definition
Apparue avec l'explosion du nombre de données
République algérienne démocratique et populaire
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
Université d’Oran 1 – Es Sénia – Faculté des Sciences exactes et appliquées DEPARTEMENT D’INFORMATIQUE
Data mining et Aide a la decision
Professeur : Beldjilali.B
Etudiant : Lablack Mourad
Sommaire
Data mining
Définition
Les processus de fouille de données
Les tâches
Les algorithmes
Les limites

L'aide à la décision
Définition
Les outils de prise de décision
Un exemple

DataWarehouse
Définition
Principe de fonctionnement
Futur du Business Intelligence
Conclusion

La fouille de données vise à découvrir dans un ensemble de données les informations précieuses pour en extraire du savoir et de la connaissance
C'est la combinaison de plusieurs domaines
Elle vise à automatiser le processus pour augmenter la rapidité et les performences de découverte de connaissances
Le processus de fouille de données
Utilisée dans les publicités, le diagnostic médical, l'analyse du génome, le crédit etc...
La fouille de données (data mining) passe par plusieurs étapes avant d'obtenir du savoir
Les tâches
Le data mining utilise des modèles appelés tâches du data mining :
La classificaiton
La prédiction
L'association
La segmentation
L'estimation
Le groupement par simulation
L'analyse des clusters
La déscription
apprentissage supervisé
apprentissage non supervisé
Les Algorithmes
Il existe plusieurs algorithmes :
K-plus proches voisins
K-moyenne
Régression linéaire
Réseau de neuronnes
Arbre de décision
Régles d'association
Les limites
Quantité de données
Non respect de la vie privée
Résultat non vérifié peut être non cridible
logiciel non auto-suffisant
Interopérabilité

Aide à la décision
Merci de votre attention
Des questions ?

Définition
L'Aide à la Décision vise à aider un ou plusieurs décideurs à faire un choix (prendre la meilleure solution possbile) selon un ou plusieurs critères (monocritère / multicritère)
C'est un ensemble de techniques et de méthodes utilisées dans plusieurs domaines telles que la finance, la banque, la politique, l'informatique etc...
Elle fait partie de la branche de la Recherche Opérationnelle
L'analyse monocritère se fait grâce à la programmation linéaire
L'analyse multicritère passe par 4 étapes :
Dresser la liste des actions potontielles
Dresser la liste des critères à prendre en compte
Etablir un tableau des performances
Agréger les performances
Exemple
Les outils de prise de décision
Outils de prise de décision individuelle :
Outils de prise de décision de groupe :
basée sur le processus de Herbert Simon à rationnalité limitée
Les SIG
La veille stratégique
Les SIAD
Le vote pondéré
Matrice de compatibilité
diagramme d'affinité
L'arbre d'objectif
Définition
Le DataWarehouse c'est un entrepôt de données qui est une base de données décisionnelles, il regroupe toutes les informations fonctionnelles de l'entreprise dans un même système.
On y applique des techniques de DataMining ou OLAP pour aider les acteurs de l'entreprise à prendre des décisions c'est ce qu'on appelle le Business Intelligence (BI).
l'outil d'aide à la décision Syracuse
Pricipe de fonctionnement
Voici comment on arrive de la donnée brute à la décision
Le futur du Business Intelligence
Intégration du Big Data
Avoir un réseau entre objets pour une plus grande connaissance de notre environnement
Une surveillence plus accrue pour une meilleure maintenance
Introduire la réalité augmentée pour faciliter l'usage de ces outils
Conclusion
Le décisionnel cohabite avec nous (objet connecté, maison connectée, vêtement connecté)
Aide à augmenter nos performances tout en diminuant nos perte grâce à des suggestions
Full transcript