SERVICE DE LA DOCUMENTATION ET DES ARCHIVES DE LA FST
Accueil
(2025)
| Titre : |
Prédiction du Risque d’Attrition par Apprentissage Automatique (Machine Learning) |
| Type de document : |
texte imprimé |
| Auteurs : |
Aminata Kane THIAM, Auteur |
| Editeur : |
Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique |
| Année de publication : |
2025 |
| Importance : |
58 P. |
| Format : |
29 cm. |
| Langues : |
Français (fre) |
| Mots-clés : |
Machine learning Donnée Informatique Prédiction Télécommunication Désabonnement Client Apprentissage Automatique Logiciel R Kaggle Client churn Churn Régression
Logistique Arbre de décision Forêt aléatoire Machine à vecteurs de support Réseau de neurones artificiels fidélisation Orange telecom Modèle prédictif Algorithme d’apprentissage automatique Opérateur Data Scientist Risque d’attrition Attrition |
| Résumé : |
Les entreprises de telecommunication dans le monde entier s’interessent au lien
existant entre la satisfaction du client et les revenus de l’entreprise. L’attrition des
clients (churn) dans le domaines du telecommunications fait reference a un client qui
cesse sa relation avec l’entreprise et il est egalement probable que ce client rejoindra
une entreprise concurrente. En effet, ces entreprises s’appuient sur deux strategies
principales pour generer plus de chiffres d’affaires : Revaloriser les clients existants
et augmenter la fidelisation du client.
Ce rapport a ete elabore dans le cadre du projet de fin d’etudes pour l’obtention
du diplome d’ingenieur en Data Scientist, ce projet a ete effectue avec les donnees
de l’operateur telephonique ”Orange telecom” ayant comme objectif de comparer
les diff´erents modeles de prediction et d’identifier les clients churn presentant un
risque de desabonnement qui sont plus proches d’abandonner leur operateur de
telecommunications en utilisant des techniques de l’apprentissage automatique( machine
learning) pour la prediction du churn. en effet ces algorithmes sont : Regression
Logistique, Arbre de decision, foret aleatoire, machines a vecteurs de support et
reseaux de neurones artificiels. Pour les besoins de cette recherche, les donnees reelles
ont ´ete fournies par le site Kaggle .Les modeles seront evalues selon les metriques suivants
: Precision, Sensibilite, Specificite, et courbe ROC. Le but de ce memoire est de
developper et d’evaluer un modele predictif pour l’attrition des clients en utilisant des
algorithmes d’apprentissage automatique. Cela inclut la collecte et le pretraitement 4
des donnees, la construction et la validation des modeles, et l’interpretation des
resultats pour fournir des recommandations pratiques aux operateurs telecoms.
L’implementation des algorithmes se fera avec le langage de Programation R.
|
| Permalink : |
https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=2822 |
Prédiction du Risque d’Attrition par Apprentissage Automatique (Machine Learning) [texte imprimé] / Aminata Kane THIAM, Auteur . - Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique, 2025 . - 58 P. ; 29 cm. Langues : Français ( fre)
| Mots-clés : |
Machine learning Donnée Informatique Prédiction Télécommunication Désabonnement Client Apprentissage Automatique Logiciel R Kaggle Client churn Churn Régression
Logistique Arbre de décision Forêt aléatoire Machine à vecteurs de support Réseau de neurones artificiels fidélisation Orange telecom Modèle prédictif Algorithme d’apprentissage automatique Opérateur Data Scientist Risque d’attrition Attrition |
| Résumé : |
Les entreprises de telecommunication dans le monde entier s’interessent au lien
existant entre la satisfaction du client et les revenus de l’entreprise. L’attrition des
clients (churn) dans le domaines du telecommunications fait reference a un client qui
cesse sa relation avec l’entreprise et il est egalement probable que ce client rejoindra
une entreprise concurrente. En effet, ces entreprises s’appuient sur deux strategies
principales pour generer plus de chiffres d’affaires : Revaloriser les clients existants
et augmenter la fidelisation du client.
Ce rapport a ete elabore dans le cadre du projet de fin d’etudes pour l’obtention
du diplome d’ingenieur en Data Scientist, ce projet a ete effectue avec les donnees
de l’operateur telephonique ”Orange telecom” ayant comme objectif de comparer
les diff´erents modeles de prediction et d’identifier les clients churn presentant un
risque de desabonnement qui sont plus proches d’abandonner leur operateur de
telecommunications en utilisant des techniques de l’apprentissage automatique( machine
learning) pour la prediction du churn. en effet ces algorithmes sont : Regression
Logistique, Arbre de decision, foret aleatoire, machines a vecteurs de support et
reseaux de neurones artificiels. Pour les besoins de cette recherche, les donnees reelles
ont ´ete fournies par le site Kaggle .Les modeles seront evalues selon les metriques suivants
: Precision, Sensibilite, Specificite, et courbe ROC. Le but de ce memoire est de
developper et d’evaluer un modele predictif pour l’attrition des clients en utilisant des
algorithmes d’apprentissage automatique. Cela inclut la collecte et le pretraitement 4
des donnees, la construction et la validation des modeles, et l’interpretation des
resultats pour fournir des recommandations pratiques aux operateurs telecoms.
L’implementation des algorithmes se fera avec le langage de Programation R.
|
| Permalink : |
https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=2822 |
|  |
Réservation
Réserver ce document
Exemplaires(1)
|
MEM 11444
|
MEM 11444 |
Mémoires de master |
Master mathématiques et Informatique |
Data Scientist
|
Disponible |
Documents numériques
MEM 11444Adobe Acrobat PDF | | |
