Analyse de données massives. Big Data pour la prédiction

Djafri Laouni

eBook (pdf)

(0)

Donner la première évaluation

Thèse de Doctorat de l'année 2020 dans le domaine Informatique - Divers, Université Djillali Liabes, langue: ...

CHF37.90

Download est disponible immédiatement

eBook (pdf)

Description

Thèse de Doctorat de l'année 2020 dans le domaine Informatique - Divers, Université Djillali Liabes, langue: Français, résumé: Depuis plusieurs années, nous assistons à une explosion de nouvelles sources de données diverses à granularité fine et à faible latence (dites « Big Data »). De nouvelles sources de données prometteuses, telles que le web social ou le web des données liées, sont apparues. Le «Big Data» consiste à traiter, en temps réel, de très gros volumes de données extrêmement variées et à les analyser. Toutes les entreprises sont concernées, surtout celles qui possèdent de vastes gisements d'informations et souhaitent les passer au crible pour améliorer leur connaissance client et optimiser leurs campagnes. Le Big Data constitue un axe majeur de transformation numérique de l'économie et un levier important de compétitivité des entreprises. Il permet de mieux comprendre les clients, fournisseurs et partenaires. En analysant ces informations fournies par leurs clients et utilisateurs, on espère valoriser les services proposés par les entreprises. Dans notre thème, on s'intéresse à l'analyse du Big Data pour prévoir les tendances et les comportements futures de l'être humain ou des objets avec un niveau de fiabilité acceptable, ainsi pour prendre toutes les dispositions nécessaires à l'avenir afin d'éviter les pertes, d'améliorer les services proposés et la prise de décision efficace dans le plus bref délai. L'objectif principal de ce thème porte sur les méthodes d'analyse utilisées pour les grandes collections de données en se basant sur les algorithmes du Machine Learning. L'analyse prédictive de données massives peut être utilisée pour anticiper les difficultés, pour améliorer le service client et pour proposer les services les plus pertinents.