Prédiction du Risque d’Attrition par Apprentissage Automatique (Machine Learning) / Aminata Kane THIAM (2025)   

Public ISBD 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)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MEM 11444	MEM 11444	Mémoires de master	Master mathématiques et Informatique	Data Scientist	Disponible

Documents numériques

MEM 11444 Adobe Acrobat PDF

---

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