Spss
2012/ 2013
Pr. A. EL OUARDIGHI
© A. EL OUARDIGHI
Data warehouse Datamining
1
PLAN DU COURS DATAMINING
INTRODUCTION DATAMINING
PRESENTATION DE CLEMENTINE
DATAMINING AVEC CLEMENTINE TECHNIQUES DE MODELISATION PROJET DATAMINING
© A. EL OUARDIGHI
Data warehouse Introduction Datamining
2
INTRODUCTION DATAMINING
Pr. A. EL OUARDIGHI jalilardighi@yahoo.fr
© A. EL OUARDIGHI
Data warehouse
3
PLAN
Motivations Définition du Datamining
Domaines d’applications
Description du processus de Datamining
Tâches et Techniques de Datamining
Text Mining, Web mining
© A. EL OUARDIGHI Data warehouse Introduction Datamining 4
Motivations
Besoin des entreprises Faire face à la concurrence Accéder à toutes les données de l’entreprise Regrouper les informations disséminées Analyser et prendre des décisions rapidement
Maîtrise de l’information et de la connaissance permet de:
Mieux satisfaire les besoins Réaliser des économies d’échelles Développer les compétences, la capacité et l’autonomie de réflexion et d’action de l’entreprise
© A. EL OUARDIGHI Data warehouse Introduction Datamining 5
Motivations
Explosion des données Masse importante de données Données multi-dimensionnelles (milliers d’attributs) Inexploitables par les méthodes d’analyse classiques Besoin de traitement en temps réel de ces données
Croissance en puissance des machines capables:
De supporter de gros volumes de données D’exécuter le processus intensif d’exploration De traiter des données Hétérogènes
© A. EL OUARDIGHI
Data warehouse Introduction Datamining
6
Définition de Datamining
Vocabulaire: Extraction de connaissances dans les données (ECD) ou Knowledge discovery in DataBases (KDD) Fouille de données ou Datamining « Le terme Datamining correspond à l’ensemble des techniques et des méthodes, qui à partir des données, permettant d’obtenir des