Recherche bibliographique : Datamining & Process Control

Résumé du document

Ainsi, notre démarche se veut constructive et évolutive. Pour cette raison, nous tenterons ici et dans cet ordre une présentation du Datamining ainsi que d'un certain nombre de procédés fréquemment utilisés dans cette discipline. Nous réduirons ensuite notre sujet à un exemple du Datamining au service du Process Control. Enfin, en guise de conclusion, nous ferons le bilan des apports des techniques d'exploration de données présentées au Process Control (...)

Extraits

[...] Un exemple du Datamining au service du Process control Dans cette partie nous allons présenter une application du Datamining dans le domaine de l'industrie. Pour cela nous nous sommes intéressés à la thèse de Georges Schutz intitulée Adaptations et applications de modèles mixtes de réseaux de neurones à un processus industriel En général, le Datamining consiste à la fouille de données telles que la température, la pression, les cotes, la particularité de l'application étudiée est que les données recherchées sont principalement liées au temps. [...]

[...] Nous réduirons ensuite notre sujet à un exemple du Datamining au service du Process Control. Enfin, en guise de conclusion, nous ferons le bilan des apports des techniques d'exploration de données présentées au Process Control. Qu'est ce que le Datamining ? Une présentation non exhaustive des différents procédés Le Datamining est un ensemble de méthodes et de techniques d'analyse de données et d'extraction d'information structurée en vue d'aider la prise de décision. Nous tenterons dans ce premier paragraphe de définir, en théorie, ce qu'est le Datamining et d'exposer ses principales méthodes Définition et théorie du Datamining Le Datamining, ou fouille de données, est l'ensemble des méthodes et techniques destinées à l'exploration et l'analyse de grandes bases de données informatiques, en vue de détecter dans ces données des règles, des associations, des tendances inconnues ou cachées, des structures particulières restituant l'essentiel de l'information utile tout en réduisant la quantité de données permettant d'étayer des prises de décisions. [...]

[...] Références Bibliographiques Stéphane Tufféry, Datamining et scoring : Bases de données et gestion de la relation client Dunod. ISBN 2-10-0081845 Michael J.A. Berry & Gordon Linoff, Datamining : Techniques appliquées au marketing, à la vente et aux services clients InterEditions. ISBN 2-225-83086-X René Lefébure & Gilles Venturi, Datamining : Gestion de la relation client Personnalisation de sites Web Eyrolles. ISBN 2-212-09176-1 Alain Baccini & Philippe Besse, Datamining Exploration statistique Publication du laboratoire de statistiques et probabilités, Cours de l'université Paul Sabatier, Toulouse III, Septembre 2005, [www.lsp.ups-tlse.fr/Besse]. [...]

[...] Par exemple, on utilisera ce type de méthode lorsque l'on cherchera à comprendre pourquoi un individu a acheté un produit plutôt qu'un autre, pourquoi un individu à répondu favorablement à une opération de marketing direct, pourquoi un individu a contracté une maladie particulière, pourquoi un individu a visité une page d'un site Web de manière répétée, pourquoi la durée de vie après la contraction d'une maladie varie selon les malades . Une des techniques de fouille de donnée supervisée est celle basée sur les arbres de décision. Les arbres de décision sont des outils puissants et appréciés pour leur classification et leur prédiction. [...]

[...] On les utilise par exemple pour dégager d'un ensemble d'individus des groupes homogènes (typologie), pour construire des normes de comportements et donc des déviations par rapport à ces normes (détection de fraudes nouvelles ou inconnues à la carte bancaire, à l'assurance maladie . pour réaliser de la compression d'informations (compression d'image) . Parmi les méthodes non supervisées, il existe notamment les techniques d'exploration de données basées sur des réseaux de neurones. Un réseau de neurones est un modèle de calcul dont la conception est très schématiquement inspirée du fonctionnement de vrais neurones (humains ou non). Les réseaux de neurones ont la capacité d'apprendre à partir d'exemples de manière assez analogue à celle des humains basée sur l'expérience. [...]