| DC Field | Value | Language | 
|---|
| dc.contributor.author | DAHANE, IMene | - | 
| dc.contributor.author | MEDINE, SAmia | - | 
| dc.date.accessioned | 2022-04-12T13:25:22Z | - | 
| dc.date.available | 2022-04-12T13:25:22Z | - | 
| dc.date.issued | 2020 | - | 
| dc.identifier.uri | https://repository.esi-sba.dz/jspui/handle/123456789/187 | - | 
| dc.description | Mr. Djamal AMAR BEN SABER                  Encadreur | en_US | 
| dc.description.abstract | A l’èreactuel,l’explosiondenouvellesourcededonnéssediverses
à granularitéfineetfaiblelatencecequ’onappelleBigData,leBigData
consiste àtraiteretprendreenchargent,levolumegigantesquededon-
nées extrêmementvariéesetàlesanalyserentempsréel.Ilpermetainsi
l’évolutionquidémultiplientlaparallélisationdescalculs,ilestpossible
d’intégrerdegrandesmassesdedonnéesetd’enextraireviadesalgo-
rithmes avances,unevéritableconnaissanceauservicedel’entreprise.
Dans notrethème,ons’intéresseàl’analyseduBigDatapourprévoirles
tendances etlescomportementsfuturesquecesoitpourlesêtreshumains
ou lesobjetsavecunniveaudefiabilitéacceptable,ainsipourprendre
toutes lesdispositionsnécessairesàl’avenirafind’éviterlespertes,d’amé-
liorerlesservicesproposésetlaprisededécisionefficacedansleplus
brefdélai.
L’objectifprincipaldecethèmeportesurlesméthodesd’analyseutilisées
pour leBigDataensebasantprincipalementsurlesalgorithmesdu
Machine Learning.L’analyseprédictivededonnéesmassivespeutêtre
utilisée pouranticiperlesdifficultés,pouraméliorerlacompétitivitéde
serviceclientetpourproposerlesserviceslespluspertinents.***
In thecurrentera,theexplosionofnewdatasourcesisdiversewith
fine granularityandlowlatencywhatiscalledBigData,BigDatacon-
sists inprocessingandtakingcharge,thegiganticvolumeofextremely
varieddataandanalyzetheminrealtime.Itthusallowstheevolution
which multipliestheparallelizationofcalculations,itispossibletointe-
grate largemassesofdataandextractfromthemviaadvancedalgorithms,
realknowledgeattheserviceofthecompany.
In ourtheme,weareinterestedinBigDataanalysistopredictfuture
trendsandbehaviors,whetherforhumansorobjectswithanacceptable
levelofreliability,andtotakeallthenecessarymeasuresforthefuturein
ordertoavoidlosses,improvetheservicesofferedandefficientdecision-
making intheshortestpossibletime.
The mainobjectiveofthisthemerelatestothemethodsofanalysisused
for BigDatabasedmainlyonthealgorithmsofMachineLearning.Predic-
tiveanalysisofbigdatacanbeusedtoanticipatedifficulties,toimprove
customer servicecompetitivenessandtoofferthemostrelevantservices. | en_US | 
| dc.language.iso | fr | en_US | 
| dc.subject | Données Massives | en_US | 
| dc.subject | Analys Eprédictive Dans Le Contexte Des Données Massives | en_US | 
| dc.subject | Les Technologies Du Big Data | en_US | 
| dc.subject | Apprentissage Automatique | en_US | 
| dc.subject | Statistiques | en_US | 
| dc.title | L’analyse prédictive dans un contexte de Big Data | en_US | 
| dc.type | Thesis | en_US | 
| Appears in Collections: | Master 
 |