Conception d’un système de recommandation de services bancaires personnalisés basé sur l’analyse des données clients / Aerdine IBRAHIM (2024)   

Public ISBD Titre : Conception d’un système de recommandation de services bancaires personnalisés basé sur l’analyse des données clients Type de document : texte imprimé Auteurs : Aerdine IBRAHIM, Auteur Editeur : Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique Année de publication : 2024 Importance : 56 P. Format : 29 cm. Langues : Français (fre) Mots-clés : Intelligence Artificielle  système de recommandation  Recommandation  Service bancaire  Donnée  Transformation digital  Machine learning  Streamlit  Apprentissage automatique  Personnalisation  Segmentation client  K-Means  Segmentation  Client  Arbre de décision  Banque-Digital  Réseau de neurones Résumé : Ce mémoire s’inscrit dans une démarche d’analyse et de valorisation des données au service de la personnalisation des services bancaires. Dans un contexte de transformation digitale, les établissements financiers cherchent à mieux connaître leurs clients afin d’adapter leurs offres et recommandations. Ce travail propose une approche basée sur le Machine learning pour segmenter automatiquement les clients et leur suggérer des services en adéquation avec leur profil. À partir d’un jeu de données collecté via UCI Machine Learing Repository, une analyse exploratoire a permis de dégager les grandes tendances et comportements clients. Deux types de modèles ont été expérimentés : une approche non supervisée, avec l’algorithme K-Means, pour identifier des regroupements naturels de clients ; et une approche supervisée, avec un arbre de décision, fondée sur des règles métier de segmentation. Les résultats montrent que le modèle supervisé offre de meilleures performances, notamment une précision parfaite dans la reproduction des profils définis, contrairement au modèle non supervisé dont les regroupements se sont révélés peu distincts. Un prototype fonctionnel d’application a été développé avec Streamlit. Cette application permet de prédire le profil d’un client à partir de ses caractéristiques et de recommander automatiquement des services adaptés à son profil. Ce travail démontre l’apport concret de l’apprentissage automatique et de l’intelligence artificielle dans la personnalisation de la relation client, en combinant logique métier et automatisation des processus décisionnels. Permalink : https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=3289 Conception d’un système de recommandation de services bancaires personnalisés basé sur l’analyse des données clients [texte imprimé] / Aerdine IBRAHIM, Auteur . - Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique, 2024 . - 56 P. ; 29 cm. Langues : Français (fre) Mots-clés : Intelligence Artificielle  système de recommandation  Recommandation  Service bancaire  Donnée  Transformation digital  Machine learning  Streamlit  Apprentissage automatique  Personnalisation  Segmentation client  K-Means  Segmentation  Client  Arbre de décision  Banque-Digital  Réseau de neurones Résumé : Ce mémoire s’inscrit dans une démarche d’analyse et de valorisation des données au service de la personnalisation des services bancaires. Dans un contexte de transformation digitale, les établissements financiers cherchent à mieux connaître leurs clients afin d’adapter leurs offres et recommandations. Ce travail propose une approche basée sur le Machine learning pour segmenter automatiquement les clients et leur suggérer des services en adéquation avec leur profil. À partir d’un jeu de données collecté via UCI Machine Learing Repository, une analyse exploratoire a permis de dégager les grandes tendances et comportements clients. Deux types de modèles ont été expérimentés : une approche non supervisée, avec l’algorithme K-Means, pour identifier des regroupements naturels de clients ; et une approche supervisée, avec un arbre de décision, fondée sur des règles métier de segmentation. Les résultats montrent que le modèle supervisé offre de meilleures performances, notamment une précision parfaite dans la reproduction des profils définis, contrairement au modèle non supervisé dont les regroupements se sont révélés peu distincts. Un prototype fonctionnel d’application a été développé avec Streamlit. Cette application permet de prédire le profil d’un client à partir de ses caractéristiques et de recommander automatiquement des services adaptés à son profil. Ce travail démontre l’apport concret de l’apprentissage automatique et de l’intelligence artificielle dans la personnalisation de la relation client, en combinant logique métier et automatisation des processus décisionnels. Permalink : https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=3289

Réservation

Réserver ce document

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MEM 11673	MEM 11673	Mémoires de master	Master mathématiques et Informatique	Ingenierie Mathématiques et Numérique	Disponible

Documents numériques

MEM 11673 Adobe Acrobat PDF

---

1 (1 - 1 / 1) Par page : 25 50 100 200