University Sétif 1 FERHAT ABBAS Faculty of Sciences
Catégories
Ajouter le résultat dans votre panier Affiner la rechercheCiblage de clientèle d’une compagnie d’assurance à l’aide de la fouille de données. / Rahma Rania Bekhouche
Titre : Ciblage de clientèle d’une compagnie d’assurance à l’aide de la fouille de données. Type de document : texte imprimé Auteurs : Rahma Rania Bekhouche, Auteur ; Maria Bouzeraieb ; Lakhdher Amrani, Directeur de thèse Editeur : Sétif:UFS Année de publication : 2023 Importance : 1 vol (52 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé : Le présent mémoire rend compte de notre projet de fin d’études au sein de departement d’informatique de l’Université FERHAT ABBAS SETIF 1
Il s’agit de ciblage de clientèle d’une compagnie d’assurance à l’aide de la fouille de données.
Ce mémoire se concentre sur l’utilisation de la fouille de données à l’aide du logiciel Weka pour
optimiser le ciblage de la clientèle d’une compagnie d’assurance. L’objectif principal est Ciblage
de clientèle.
Le processus de recherche comprend plusieurs étapes. Tout d’abord, des données pertinentes,
telles que les informations clients, les polices d’assurance souscrites et les réclamations antérieures, sont recueillies. Ensuite, ces données sont explorées afin de comprendre leur structure
et leur qualité.
Une fois les données explorées, elles sont préparées en effectuant des tâches telles que le nettoyage des données, le traitement des valeurs manquantes ou aberrantes, ainsi que la sélection
des attributs pertinents. Ensuite, des modèles de prédiction sont construits en utilisant les algorithmes de machine learning disponibles dans Weka, tels que la régression logistique, les arbres
de décision, etc.
Les modèles ainsi créés sont ensuite évalués à l’aide de mesures de performance afin de déterminer leur qualité et d’identifier le modèle le plus adapté au ciblage de la clientèle. Enfin, une fois
le modèle sélectionné, il est appliqué aux nouvelles données pour prédire les clients potentiels et
permettre à la compagnie d’assurance.
Parmi les techniques du datamining on à trouver la bonne méthode qui permet ciblage de clients.
Comme outils, on a utilisé un logiciel libre de datamining qui s’appelle weka avec l’option d’arbre
de décision = This dissertation reports on our final year project in the Informatics Department of the matique
de l’Université FERHAT ABBAS SETIF 1
It concerns the targeting of an insurance company’s clientele using data mining.
This dissertation focuses on the use of data mining using Weka software to optimize customer
targeting for an insurance company. The main objective is Targeting of customers.
The search process comprises several stages. First of all, relevant data, such as customer information, underwritten insurance policies and previous claims, is collected. are collected. Next, this
data is explored in order to understand its structure and quality.
Once the data has been explored, it is prepared by performing tasks such as data cleansing such
as cleaning up the data, dealing with missing values or outliers, and selecting relevant attributes.
Next, prediction models are built using the machine learning algo- learning algo- rithms available
in Weka, such as logistic regression, decision trees trees, etc.
The models thus created are then evaluated using performance metrics to determine their quality
their quality and identify the model best suited to customer targeting. Finally, once the selected,
it is applied to the new data to predict potential customers and enable the the insurance company.
Among datamining techniques, we found the right method for customer targeting, as tools, we used
a free datamining software called weka with the option of a decision tree.
Côte titre : MAI/0774 En ligne : https://drive.google.com/file/d/1OMCe0iD2Dmfo4AQpwKM-14H7UAvjZ3wt/view?usp=drive [...] Format de la ressource électronique : Ciblage de clientèle d’une compagnie d’assurance à l’aide de la fouille de données. [texte imprimé] / Rahma Rania Bekhouche, Auteur ; Maria Bouzeraieb ; Lakhdher Amrani, Directeur de thèse . - [S.l.] : Sétif:UFS, 2023 . - 1 vol (52 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé : Le présent mémoire rend compte de notre projet de fin d’études au sein de departement d’informatique de l’Université FERHAT ABBAS SETIF 1
Il s’agit de ciblage de clientèle d’une compagnie d’assurance à l’aide de la fouille de données.
Ce mémoire se concentre sur l’utilisation de la fouille de données à l’aide du logiciel Weka pour
optimiser le ciblage de la clientèle d’une compagnie d’assurance. L’objectif principal est Ciblage
de clientèle.
Le processus de recherche comprend plusieurs étapes. Tout d’abord, des données pertinentes,
telles que les informations clients, les polices d’assurance souscrites et les réclamations antérieures, sont recueillies. Ensuite, ces données sont explorées afin de comprendre leur structure
et leur qualité.
Une fois les données explorées, elles sont préparées en effectuant des tâches telles que le nettoyage des données, le traitement des valeurs manquantes ou aberrantes, ainsi que la sélection
des attributs pertinents. Ensuite, des modèles de prédiction sont construits en utilisant les algorithmes de machine learning disponibles dans Weka, tels que la régression logistique, les arbres
de décision, etc.
Les modèles ainsi créés sont ensuite évalués à l’aide de mesures de performance afin de déterminer leur qualité et d’identifier le modèle le plus adapté au ciblage de la clientèle. Enfin, une fois
le modèle sélectionné, il est appliqué aux nouvelles données pour prédire les clients potentiels et
permettre à la compagnie d’assurance.
Parmi les techniques du datamining on à trouver la bonne méthode qui permet ciblage de clients.
Comme outils, on a utilisé un logiciel libre de datamining qui s’appelle weka avec l’option d’arbre
de décision = This dissertation reports on our final year project in the Informatics Department of the matique
de l’Université FERHAT ABBAS SETIF 1
It concerns the targeting of an insurance company’s clientele using data mining.
This dissertation focuses on the use of data mining using Weka software to optimize customer
targeting for an insurance company. The main objective is Targeting of customers.
The search process comprises several stages. First of all, relevant data, such as customer information, underwritten insurance policies and previous claims, is collected. are collected. Next, this
data is explored in order to understand its structure and quality.
Once the data has been explored, it is prepared by performing tasks such as data cleansing such
as cleaning up the data, dealing with missing values or outliers, and selecting relevant attributes.
Next, prediction models are built using the machine learning algo- learning algo- rithms available
in Weka, such as logistic regression, decision trees trees, etc.
The models thus created are then evaluated using performance metrics to determine their quality
their quality and identify the model best suited to customer targeting. Finally, once the selected,
it is applied to the new data to predict potential customers and enable the the insurance company.
Among datamining techniques, we found the right method for customer targeting, as tools, we used
a free datamining software called weka with the option of a decision tree.
Côte titre : MAI/0774 En ligne : https://drive.google.com/file/d/1OMCe0iD2Dmfo4AQpwKM-14H7UAvjZ3wt/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0774 MAI/0774 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Circulatory Traffic Management in a Smart City Type de document : texte imprimé Auteurs : Zeknoune, Redouane Abdeldjalil, Auteur ; Aliouat, Makhlouf, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (64 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé :
La forte croissance des véhicules dans les villes pose un problème majeur qui est
embouteillage.
C'est pourquoi de nombreux chercheurs prennent le temps de trouver une méthode pour optimiser le temps
et des ressources, scientifiquement nommées Gestion intelligente du trafic.
Cet article est une revue des méthodes proposées par les chercheurs, et après
analysant soigneusement les études une proposition a été faite sur la base de l'analyse
nous avons faitCôte titre : MAI/0427 En ligne : https://drive.google.com/file/d/16b3vcZGAnBLn2UpTZreh3GcSs94-Ag_0/view?usp=shari [...] Format de la ressource électronique : Circulatory Traffic Management in a Smart City [texte imprimé] / Zeknoune, Redouane Abdeldjalil, Auteur ; Aliouat, Makhlouf, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (64 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé :
La forte croissance des véhicules dans les villes pose un problème majeur qui est
embouteillage.
C'est pourquoi de nombreux chercheurs prennent le temps de trouver une méthode pour optimiser le temps
et des ressources, scientifiquement nommées Gestion intelligente du trafic.
Cet article est une revue des méthodes proposées par les chercheurs, et après
analysant soigneusement les études une proposition a été faite sur la base de l'analyse
nous avons faitCôte titre : MAI/0427 En ligne : https://drive.google.com/file/d/16b3vcZGAnBLn2UpTZreh3GcSs94-Ag_0/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0427 MAI/0427 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : Classification and Forecasting using Deep Learning Approach for Time Series Gene Expression Data Type de document : texte imprimé Auteurs : Abderraouf Aymen Bensemra, Auteur ; Assil Guenfoud, Auteur ; Nasri,Khaled, Directeur de thèse Année de publication : 2023 Importance : 1 vol (40 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 Informatique Résumé : Time series gene expression analysis reveals dynamic shifts in gene expression patterns
over time, aiding the study of regulatory genes, signaling pathways, and biological processes.
It provides insights into development, environmental responses, and disease progression,
deepening our understanding and enabling specialized interventions.
Deep learning algorithms for gene expression time series forecasting offer significant benefits,
accurately predicting future expression levels by capturing temporal dependencies
and non-linear correlations. They enhance precision medicine and our understanding of
biological processes. In our study, in the data GSE6168 we evaluated the effectiveness of
Long Short-Term Memory where the best RMSE we got is:0.278 and Temporal Convolutional
Networks where we got a total RMSE of:0.268Côte titre : MAI/0704 En ligne : https://drive.google.com/file/d/15WXNGAo0lEgxoqlRMtyRXTe49Nu7xX_u/view?usp=drive [...] Format de la ressource électronique : Classification and Forecasting using Deep Learning Approach for Time Series Gene Expression Data [texte imprimé] / Abderraouf Aymen Bensemra, Auteur ; Assil Guenfoud, Auteur ; Nasri,Khaled, Directeur de thèse . - 2023 . - 1 vol (40 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 Informatique Résumé : Time series gene expression analysis reveals dynamic shifts in gene expression patterns
over time, aiding the study of regulatory genes, signaling pathways, and biological processes.
It provides insights into development, environmental responses, and disease progression,
deepening our understanding and enabling specialized interventions.
Deep learning algorithms for gene expression time series forecasting offer significant benefits,
accurately predicting future expression levels by capturing temporal dependencies
and non-linear correlations. They enhance precision medicine and our understanding of
biological processes. In our study, in the data GSE6168 we evaluated the effectiveness of
Long Short-Term Memory where the best RMSE we got is:0.278 and Temporal Convolutional
Networks where we got a total RMSE of:0.268Côte titre : MAI/0704 En ligne : https://drive.google.com/file/d/15WXNGAo0lEgxoqlRMtyRXTe49Nu7xX_u/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0704 MAI/0704 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : Classification hybride (Hard et Soft) d’items éducatifs similaires avec ajustement bayésien des réponses en utilisant l’IRT Type de document : texte imprimé Auteurs : Abdou Abarchi ,Aboubacar, Auteur ; Harbouche ,Khadidja, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (121 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Exploration de données éducatives
Modèle d’apprenantRésumé :
Les modèles de la théorie des réponses au items et les méthodes d’exploration de données
éducatives sont très utilisés pour analyser les performances des apprenants sur des questionnaires
et la différence qui existe entre les questionnaires (items) comme le degré de difficulté.
Ces méthodes sont largement utilisées pour optimiser la réussite et améliorer l’environnement
(le système) dans lequel les utilisateurs apprennent. L’inférence bayésienne appliquer
aux modèles IRT permet de capter les attributs du sujet (sa compétence) et les propriétés
des items (sa difficulté, son pouvoir de discrimination, la probabilité de deviner la réponse
correcte) pour pouvoir prédire la probabilité de réussite et ainsi comparer les prédictions
des modèles et les scores collecter. La comparaison entre les scores prédit des apprenants
et ceux observés et surtout les valeurs des paramètres permettent d’évaluer les échelles des
mesures qui sont utilisés par le système, la qualité des données collecter et améliorer potentiellement
la notation des scores des apprenants. Une fois les critères précédents valider, les
données peuvent donc être utilisé avec les méthodes d’exploration de données éducatives qui
permettent de transformer des données brutes de grande quantité en informations utiles pour
découvrir des modèles et établir des tendances et des relations pour résoudre des problèmes
et de prédire les tendances futures. Les méthodes EDM (Educational Data Mining) comme
le clustering peuvent être utilisé pour regrouper les items en composante de connaissance en
utilisant des approches basées sur des modèles et des approches basées sur la similarité entre
items et ainsi séquencer l’apprentissage afin que les apprenants maitrisent les compétences
préalables avant de passer aux compétences qui en dépendent.
Ce projet de mémoire propose une approche pour évaluer la qualité des données éducative
avec des modèles IRT (modèle de Rasch, modèle logistique a deux et trois paramètres) et
un regroupement des items en composante de connaissances avec des méthodes de clustering
hiérarchique, partitionel et floue respectivement le clustering hiérarchique agglomératif,
k-means clustering, c-means clustering, et le nombre de réponse correcte et incorrecte avec
aide et sans aide comme critère pour la construction de la matrice de similarité.Côte titre : MAI/0505 En ligne : https://drive.google.com/file/d/15Q744DeUsGywTqXoFYpVvCXNv2jtoVxj/view?usp=shari [...] Format de la ressource électronique : Classification hybride (Hard et Soft) d’items éducatifs similaires avec ajustement bayésien des réponses en utilisant l’IRT [texte imprimé] / Abdou Abarchi ,Aboubacar, Auteur ; Harbouche ,Khadidja, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (121 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Exploration de données éducatives
Modèle d’apprenantRésumé :
Les modèles de la théorie des réponses au items et les méthodes d’exploration de données
éducatives sont très utilisés pour analyser les performances des apprenants sur des questionnaires
et la différence qui existe entre les questionnaires (items) comme le degré de difficulté.
Ces méthodes sont largement utilisées pour optimiser la réussite et améliorer l’environnement
(le système) dans lequel les utilisateurs apprennent. L’inférence bayésienne appliquer
aux modèles IRT permet de capter les attributs du sujet (sa compétence) et les propriétés
des items (sa difficulté, son pouvoir de discrimination, la probabilité de deviner la réponse
correcte) pour pouvoir prédire la probabilité de réussite et ainsi comparer les prédictions
des modèles et les scores collecter. La comparaison entre les scores prédit des apprenants
et ceux observés et surtout les valeurs des paramètres permettent d’évaluer les échelles des
mesures qui sont utilisés par le système, la qualité des données collecter et améliorer potentiellement
la notation des scores des apprenants. Une fois les critères précédents valider, les
données peuvent donc être utilisé avec les méthodes d’exploration de données éducatives qui
permettent de transformer des données brutes de grande quantité en informations utiles pour
découvrir des modèles et établir des tendances et des relations pour résoudre des problèmes
et de prédire les tendances futures. Les méthodes EDM (Educational Data Mining) comme
le clustering peuvent être utilisé pour regrouper les items en composante de connaissance en
utilisant des approches basées sur des modèles et des approches basées sur la similarité entre
items et ainsi séquencer l’apprentissage afin que les apprenants maitrisent les compétences
préalables avant de passer aux compétences qui en dépendent.
Ce projet de mémoire propose une approche pour évaluer la qualité des données éducative
avec des modèles IRT (modèle de Rasch, modèle logistique a deux et trois paramètres) et
un regroupement des items en composante de connaissances avec des méthodes de clustering
hiérarchique, partitionel et floue respectivement le clustering hiérarchique agglomératif,
k-means clustering, c-means clustering, et le nombre de réponse correcte et incorrecte avec
aide et sans aide comme critère pour la construction de la matrice de similarité.Côte titre : MAI/0505 En ligne : https://drive.google.com/file/d/15Q744DeUsGywTqXoFYpVvCXNv2jtoVxj/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0505 MAI/0505 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Classification d’items éducatifs similaires en utilisant les Type de document : texte imprimé Auteurs : Sinacer, Kaouthar, Auteur ; Harbouche ,Khadidja, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (64 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Deep clustering
Apprentissage superviséRésumé :
Les techniques du data mining éducative sont très utiles pour analyser les performances
de l’apprenant afin d’optimiser l’approche du mappage des compétences.cette dernière regroupent
les éléments similaires dans la même composante de connaissance (KC), le calcul
d’un degré de similarité entre les éléments éducatifs aide à optimiser la réussite de l’apprenant
en identifiant la composante de connaissance, ce degré peut être utilisé comme une
donnée pour le regroupement ou la visualisation future, la similarité entre les éléments est
calculée avec différentes mesures basées sur la justesse de la réponse (correcte / incorrecte).
On a proposé un modèle deep clustering des items par l’apprentissage des caractéristiques
en utilisant le CNN. L’architecture à été tester sur deux bases de données éducatives
différentes .Et les résultats on été comparer avec les méthodes de regroupement traditionnelle
basé sur les méthodes de calcule de similarité et le K-means .
Les résultats obtenu sont très prometteuse avec une différence de performance remarquable
.Côte titre : MAI/0529 En ligne : https://drive.google.com/file/d/1fWhvx_N33Sx6PYe_6DuTQQ4MPfwUC-xH/view?usp=shari [...] Format de la ressource électronique : Classification d’items éducatifs similaires en utilisant les [texte imprimé] / Sinacer, Kaouthar, Auteur ; Harbouche ,Khadidja, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (64 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Deep clustering
Apprentissage superviséRésumé :
Les techniques du data mining éducative sont très utiles pour analyser les performances
de l’apprenant afin d’optimiser l’approche du mappage des compétences.cette dernière regroupent
les éléments similaires dans la même composante de connaissance (KC), le calcul
d’un degré de similarité entre les éléments éducatifs aide à optimiser la réussite de l’apprenant
en identifiant la composante de connaissance, ce degré peut être utilisé comme une
donnée pour le regroupement ou la visualisation future, la similarité entre les éléments est
calculée avec différentes mesures basées sur la justesse de la réponse (correcte / incorrecte).
On a proposé un modèle deep clustering des items par l’apprentissage des caractéristiques
en utilisant le CNN. L’architecture à été tester sur deux bases de données éducatives
différentes .Et les résultats on été comparer avec les méthodes de regroupement traditionnelle
basé sur les méthodes de calcule de similarité et le K-means .
Les résultats obtenu sont très prometteuse avec une différence de performance remarquable
.Côte titre : MAI/0529 En ligne : https://drive.google.com/file/d/1fWhvx_N33Sx6PYe_6DuTQQ4MPfwUC-xH/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0529 MAI/0529 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalinkPermalinkPermalink
PermalinkPermalinkPermalink
Permalink
Permalink
PermalinkPermalink
