SlideShare une entreprise Scribd logo
Introduction au Datamining Concepts et techniques BOUSSAIDI Abdellah CHAÏB Ismaïl ESI, 06/04/2009
? ? ? ? ? connaissances Montagne de données Problème?
Datamining
Quoi         Comment 	     Jusqu’ou ?
Quoi? Le datamining est un processus de découvertede connaissances connaissances Datamining  Bases de données et Datawarehouses
Pourquoi? Description Prédiction
Exemples d’application Segmentation des clients  Déterminer le panier de la ménagère  Détection de Fraude
Champs d’application
Avantages Renforcer la position compétitive de l’entreprise  Identifier les facteurs qui déterminent le comportement du client ; Transformer des masses de données en information utile Meilleure  prise de décision  Identifier les investissements les plus profitables et les moins couteux.
QuoiCommentJusqu’ou ?
Le datamining est un processus itératif
Application du processus de datamining :Les Télécoms
Formaliser le problème Problématique: ,[object Object]
 Taux de turn-over,[object Object]
 Heures d’appels;
 Appels non aboutis;
 …etc.,[object Object],[object Object]
17 Estimer le modèle ,[object Object],SVM Validation Logique Floue Vérification Réseaux Bayésiens Réechan Réseaux  De Neurones Méthodes D’apprentissage Google Confidential
18 Estimer le modèle Estimation De l’erreur logiciel Implémentation Techniques De datamining Google Confidential
19 Interpréter le modèle  et tirer les conclusions Résultats Google Confidential
Interpréter le modèle et tirer les conclusions
Quoi CommentJusqu’ou ? Le textmining
Le TextMining TextMining Process
Pourquoi? 80% de l’information enregistrée,  l’est sous forme textuelle
Quoi CommentJusqu’ou ?
Logiciels de datamining Poids lourds SAS SPSS Clementine Weka (Open-source) Tendance : datamining dans la base de données Oracle Darwin Suite SQL Server Analysis Services
Limites du datamining Effort considérable de développement. Etat inapproprié des données.
Perspectives Analyse de plus de données dans un minimum de temps Exploration plus approfondie des données Datamining pour les PMEs. Datamining « domestique »
Conclusion Datamining

Contenu connexe

Tendances

Arbre de décision
Arbre de décisionArbre de décision
Arbre de décision
Yassine Badri
 
Cours datamining
Cours dataminingCours datamining
Cours datamining
sarah Benmerzouk
 
Règles d’association
Règles d’associationRègles d’association
Règles d’association
Hassine Hammami
 
Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique Décisionnelle
Lilia Sfaxi
 
Exercice arbre de décision
Exercice arbre de décision Exercice arbre de décision
Exercice arbre de décision
Yassine Badri
 
Réseaux de neurones récurrents et LSTM
Réseaux de neurones récurrents et LSTMRéseaux de neurones récurrents et LSTM
Réseaux de neurones récurrents et LSTM
Jaouad Dabounou
 
Rapport data-mining
Rapport data-miningRapport data-mining
Rapport data-mining
Sawsen Larbi
 
Introduction to Machine learning
Introduction to Machine learningIntroduction to Machine learning
Introduction to Machine learning
Quentin Ambard
 
Data mining - Segmentation(k-means, cah)
Data mining - Segmentation(k-means, cah)Data mining - Segmentation(k-means, cah)
Data mining - Segmentation(k-means, cah)
Mohamed Heny SELMI
 
Le processus ETL (Extraction, Transformation, Chargement)
Le processus ETL (Extraction, Transformation, Chargement)Le processus ETL (Extraction, Transformation, Chargement)
Le processus ETL (Extraction, Transformation, Chargement)
Salah Eddine BENTALBA (+15K Connections)
 
Introduction au BIG DATA
Introduction au BIG DATAIntroduction au BIG DATA
Introduction au BIG DATA
Zakariyaa AIT ELMOUDEN
 
Datamining appliqué au churn client dans les télécommunications
Datamining appliqué au churn client dans les télécommunicationsDatamining appliqué au churn client dans les télécommunications
Datamining appliqué au churn client dans les télécommunicationsabdelmoumène taleb
 
Cours Big Data Chap1
Cours Big Data Chap1Cours Big Data Chap1
Cours Big Data Chap1
Amal Abid
 
Tp Sql Server Integration Services 2008
Tp  Sql Server Integration Services  2008Tp  Sql Server Integration Services  2008
Tp Sql Server Integration Services 2008
Abdelouahed Abdou
 
Big data
Big dataBig data
Big data
Yosra ADDALI
 
Chapitre 3 la recherche tabou
Chapitre 3 la recherche tabouChapitre 3 la recherche tabou
Chapitre 3 la recherche tabouAchraf Manaa
 
Intelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de rechercheIntelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de recherche
Mohamed Heny SELMI
 
Présentation PFE Hachem Selmi et Ahmed Dridi Big data
Présentation PFE Hachem Selmi et Ahmed Dridi Big data Présentation PFE Hachem Selmi et Ahmed Dridi Big data
Présentation PFE Hachem Selmi et Ahmed Dridi Big data
HaShem Selmi
 
Data mining - ACP Analyse en Composantes Principales
Data mining - ACP Analyse en Composantes PrincipalesData mining - ACP Analyse en Composantes Principales
Data mining - ACP Analyse en Composantes Principales
Mohamed Heny SELMI
 
BigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataBigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big Data
Lilia Sfaxi
 

Tendances (20)

Arbre de décision
Arbre de décisionArbre de décision
Arbre de décision
 
Cours datamining
Cours dataminingCours datamining
Cours datamining
 
Règles d’association
Règles d’associationRègles d’association
Règles d’association
 
Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique Décisionnelle
 
Exercice arbre de décision
Exercice arbre de décision Exercice arbre de décision
Exercice arbre de décision
 
Réseaux de neurones récurrents et LSTM
Réseaux de neurones récurrents et LSTMRéseaux de neurones récurrents et LSTM
Réseaux de neurones récurrents et LSTM
 
Rapport data-mining
Rapport data-miningRapport data-mining
Rapport data-mining
 
Introduction to Machine learning
Introduction to Machine learningIntroduction to Machine learning
Introduction to Machine learning
 
Data mining - Segmentation(k-means, cah)
Data mining - Segmentation(k-means, cah)Data mining - Segmentation(k-means, cah)
Data mining - Segmentation(k-means, cah)
 
Le processus ETL (Extraction, Transformation, Chargement)
Le processus ETL (Extraction, Transformation, Chargement)Le processus ETL (Extraction, Transformation, Chargement)
Le processus ETL (Extraction, Transformation, Chargement)
 
Introduction au BIG DATA
Introduction au BIG DATAIntroduction au BIG DATA
Introduction au BIG DATA
 
Datamining appliqué au churn client dans les télécommunications
Datamining appliqué au churn client dans les télécommunicationsDatamining appliqué au churn client dans les télécommunications
Datamining appliqué au churn client dans les télécommunications
 
Cours Big Data Chap1
Cours Big Data Chap1Cours Big Data Chap1
Cours Big Data Chap1
 
Tp Sql Server Integration Services 2008
Tp  Sql Server Integration Services  2008Tp  Sql Server Integration Services  2008
Tp Sql Server Integration Services 2008
 
Big data
Big dataBig data
Big data
 
Chapitre 3 la recherche tabou
Chapitre 3 la recherche tabouChapitre 3 la recherche tabou
Chapitre 3 la recherche tabou
 
Intelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de rechercheIntelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de recherche
 
Présentation PFE Hachem Selmi et Ahmed Dridi Big data
Présentation PFE Hachem Selmi et Ahmed Dridi Big data Présentation PFE Hachem Selmi et Ahmed Dridi Big data
Présentation PFE Hachem Selmi et Ahmed Dridi Big data
 
Data mining - ACP Analyse en Composantes Principales
Data mining - ACP Analyse en Composantes PrincipalesData mining - ACP Analyse en Composantes Principales
Data mining - ACP Analyse en Composantes Principales
 
BigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataBigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big Data
 

En vedette

Introduction au Data Mining et Méthodes Statistiques
Introduction au Data Mining et Méthodes StatistiquesIntroduction au Data Mining et Méthodes Statistiques
Introduction au Data Mining et Méthodes StatistiquesGiorgio Pauletto
 
Social Piggybacking: Leveraging Common Friends to Generate Event Streams
Social Piggybacking: Leveraging Common Friends to Generate Event StreamsSocial Piggybacking: Leveraging Common Friends to Generate Event Streams
Social Piggybacking: Leveraging Common Friends to Generate Event Streams
Marco Serafini
 
Efficient Primary-Backup replication on top of consensus
Efficient Primary-Backup replication on top of consensusEfficient Primary-Backup replication on top of consensus
Efficient Primary-Backup replication on top of consensus
Marco Serafini
 
Réplication des bases de données
Réplication des bases de donnéesRéplication des bases de données
Réplication des bases de données
sie92
 
Réplication de base de données oracle avec Golden Gate
Réplication de base de données oracle avec Golden GateRéplication de base de données oracle avec Golden Gate
Réplication de base de données oracle avec Golden Gate
Mor THIAM
 
Vertex cover Problem
Vertex cover ProblemVertex cover Problem
Vertex cover Problem
Gajanand Sharma
 
Np complete
Np completeNp complete

En vedette (7)

Introduction au Data Mining et Méthodes Statistiques
Introduction au Data Mining et Méthodes StatistiquesIntroduction au Data Mining et Méthodes Statistiques
Introduction au Data Mining et Méthodes Statistiques
 
Social Piggybacking: Leveraging Common Friends to Generate Event Streams
Social Piggybacking: Leveraging Common Friends to Generate Event StreamsSocial Piggybacking: Leveraging Common Friends to Generate Event Streams
Social Piggybacking: Leveraging Common Friends to Generate Event Streams
 
Efficient Primary-Backup replication on top of consensus
Efficient Primary-Backup replication on top of consensusEfficient Primary-Backup replication on top of consensus
Efficient Primary-Backup replication on top of consensus
 
Réplication des bases de données
Réplication des bases de donnéesRéplication des bases de données
Réplication des bases de données
 
Réplication de base de données oracle avec Golden Gate
Réplication de base de données oracle avec Golden GateRéplication de base de données oracle avec Golden Gate
Réplication de base de données oracle avec Golden Gate
 
Vertex cover Problem
Vertex cover ProblemVertex cover Problem
Vertex cover Problem
 
Np complete
Np completeNp complete
Np complete
 

Similaire à Introduction au datamining, concepts et techniques

Conférence Smart Data par Atlays
Conférence Smart Data par AtlaysConférence Smart Data par Atlays
Conférence Smart Data par Atlays
Atlays
 
Les 4 étapes clés pour transformer les données client en valeur
Les 4 étapes clés pour transformer les données client en valeurLes 4 étapes clés pour transformer les données client en valeur
Les 4 étapes clés pour transformer les données client en valeur
Jean-Michel Franco
 
Seance 1 & 2 deploiement de la bi dans l'entreprise
Seance 1 & 2 deploiement de la bi dans l'entrepriseSeance 1 & 2 deploiement de la bi dans l'entreprise
Seance 1 & 2 deploiement de la bi dans l'entreprise
sciafrique
 
Séminaire RCU
Séminaire RCUSéminaire RCU
Séminaire RCU
Soft Computing
 
[Fr] Information builders - MDM et Big Data
[Fr] Information builders - MDM et Big Data[Fr] Information builders - MDM et Big Data
[Fr] Information builders - MDM et Big Data
Yann Gourvennec
 
L'automatisation au service de la cybersécurité
L'automatisation au service de la cybersécuritéL'automatisation au service de la cybersécurité
L'automatisation au service de la cybersécurité
Antoine Vigneron
 
M01 avantages strategiques-24- ms
M01 avantages strategiques-24- msM01 avantages strategiques-24- ms
Francois Paulus Semsoft Big Data & analyse
Francois Paulus Semsoft Big Data & analyseFrancois Paulus Semsoft Big Data & analyse
Francois Paulus Semsoft Big Data & analyse
Insurance_Marketing
 
CLICCC 2011 - Dring, Clique Et Briques - Alain Fortier
CLICCC 2011 - Dring, Clique Et Briques - Alain FortierCLICCC 2011 - Dring, Clique Et Briques - Alain Fortier
CLICCC 2011 - Dring, Clique Et Briques - Alain Fortier
Alain Fortier
 
Decizia Décisionnel et Pilotage Courte
Decizia Décisionnel et Pilotage CourteDecizia Décisionnel et Pilotage Courte
Decizia Décisionnel et Pilotage CourteDecizia
 
Final
FinalFinal
Final
FinalFinal
Exploitez le Big Data dans le cadre de votre stratégie MDM
Exploitez le Big Data dans le cadre de votre stratégie MDMExploitez le Big Data dans le cadre de votre stratégie MDM
Exploitez le Big Data dans le cadre de votre stratégie MDM
Jean-Michel Franco
 
Business intelligence 3 eme
Business intelligence 3 eme Business intelligence 3 eme
Business intelligence 3 eme
AmeniBoubaker2
 
Introduction au datamining partiel 1.pdf
Introduction au datamining partiel 1.pdfIntroduction au datamining partiel 1.pdf
Introduction au datamining partiel 1.pdf
amarasidibeavm
 
Big Data : concepts, cas d'usage et tendances
Big Data : concepts, cas d'usage et tendancesBig Data : concepts, cas d'usage et tendances
Big Data : concepts, cas d'usage et tendances
Jean-Michel Franco
 
Webinaire Business&Decision - Trifacta
Webinaire  Business&Decision - TrifactaWebinaire  Business&Decision - Trifacta
Webinaire Business&Decision - Trifacta
Victor Coustenoble
 
Atelier IBM Forum MDM Micropole 2014 - Part 1
Atelier IBM Forum MDM Micropole 2014 - Part 1Atelier IBM Forum MDM Micropole 2014 - Part 1
Atelier IBM Forum MDM Micropole 2014 - Part 1
Micropole Group
 
Assises du Tourisme 2009 - E. Trudel, Intrawest Tremblant
Assises du Tourisme 2009 - E. Trudel, Intrawest TremblantAssises du Tourisme 2009 - E. Trudel, Intrawest Tremblant
Assises du Tourisme 2009 - E. Trudel, Intrawest Tremblantfgchevrier
 
Data Science
Data ScienceData Science
Data Science
Soft Computing
 

Similaire à Introduction au datamining, concepts et techniques (20)

Conférence Smart Data par Atlays
Conférence Smart Data par AtlaysConférence Smart Data par Atlays
Conférence Smart Data par Atlays
 
Les 4 étapes clés pour transformer les données client en valeur
Les 4 étapes clés pour transformer les données client en valeurLes 4 étapes clés pour transformer les données client en valeur
Les 4 étapes clés pour transformer les données client en valeur
 
Seance 1 & 2 deploiement de la bi dans l'entreprise
Seance 1 & 2 deploiement de la bi dans l'entrepriseSeance 1 & 2 deploiement de la bi dans l'entreprise
Seance 1 & 2 deploiement de la bi dans l'entreprise
 
Séminaire RCU
Séminaire RCUSéminaire RCU
Séminaire RCU
 
[Fr] Information builders - MDM et Big Data
[Fr] Information builders - MDM et Big Data[Fr] Information builders - MDM et Big Data
[Fr] Information builders - MDM et Big Data
 
L'automatisation au service de la cybersécurité
L'automatisation au service de la cybersécuritéL'automatisation au service de la cybersécurité
L'automatisation au service de la cybersécurité
 
M01 avantages strategiques-24- ms
M01 avantages strategiques-24- msM01 avantages strategiques-24- ms
M01 avantages strategiques-24- ms
 
Francois Paulus Semsoft Big Data & analyse
Francois Paulus Semsoft Big Data & analyseFrancois Paulus Semsoft Big Data & analyse
Francois Paulus Semsoft Big Data & analyse
 
CLICCC 2011 - Dring, Clique Et Briques - Alain Fortier
CLICCC 2011 - Dring, Clique Et Briques - Alain FortierCLICCC 2011 - Dring, Clique Et Briques - Alain Fortier
CLICCC 2011 - Dring, Clique Et Briques - Alain Fortier
 
Decizia Décisionnel et Pilotage Courte
Decizia Décisionnel et Pilotage CourteDecizia Décisionnel et Pilotage Courte
Decizia Décisionnel et Pilotage Courte
 
Final
FinalFinal
Final
 
Final
FinalFinal
Final
 
Exploitez le Big Data dans le cadre de votre stratégie MDM
Exploitez le Big Data dans le cadre de votre stratégie MDMExploitez le Big Data dans le cadre de votre stratégie MDM
Exploitez le Big Data dans le cadre de votre stratégie MDM
 
Business intelligence 3 eme
Business intelligence 3 eme Business intelligence 3 eme
Business intelligence 3 eme
 
Introduction au datamining partiel 1.pdf
Introduction au datamining partiel 1.pdfIntroduction au datamining partiel 1.pdf
Introduction au datamining partiel 1.pdf
 
Big Data : concepts, cas d'usage et tendances
Big Data : concepts, cas d'usage et tendancesBig Data : concepts, cas d'usage et tendances
Big Data : concepts, cas d'usage et tendances
 
Webinaire Business&Decision - Trifacta
Webinaire  Business&Decision - TrifactaWebinaire  Business&Decision - Trifacta
Webinaire Business&Decision - Trifacta
 
Atelier IBM Forum MDM Micropole 2014 - Part 1
Atelier IBM Forum MDM Micropole 2014 - Part 1Atelier IBM Forum MDM Micropole 2014 - Part 1
Atelier IBM Forum MDM Micropole 2014 - Part 1
 
Assises du Tourisme 2009 - E. Trudel, Intrawest Tremblant
Assises du Tourisme 2009 - E. Trudel, Intrawest TremblantAssises du Tourisme 2009 - E. Trudel, Intrawest Tremblant
Assises du Tourisme 2009 - E. Trudel, Intrawest Tremblant
 
Data Science
Data ScienceData Science
Data Science
 

Plus de Ismail CHAIB

The TAO of Banking APIs - Open Bank Project
The TAO of Banking APIs - Open Bank ProjectThe TAO of Banking APIs - Open Bank Project
The TAO of Banking APIs - Open Bank Project
Ismail CHAIB
 
Open bank project api days-presentation-dec2013
Open bank project api days-presentation-dec2013Open bank project api days-presentation-dec2013
Open bank project api days-presentation-dec2013
Ismail CHAIB
 
How mobile is changing everything for NGOs
How mobile is changing everything for NGOsHow mobile is changing everything for NGOs
How mobile is changing everything for NGOs
Ismail CHAIB
 
Make sense pecha kucha
Make sense pecha kuchaMake sense pecha kucha
Make sense pecha kucha
Ismail CHAIB
 
Open Learning Initiative
Open Learning InitiativeOpen Learning Initiative
Open Learning Initiative
Ismail CHAIB
 
The Road to Open Data
The Road to Open DataThe Road to Open Data
The Road to Open Data
Ismail CHAIB
 
TEDxCasbah Talk
TEDxCasbah TalkTEDxCasbah Talk
TEDxCasbah Talk
Ismail CHAIB
 
A tale of social entrepreneurship
A tale of social entrepreneurshipA tale of social entrepreneurship
A tale of social entrepreneurship
Ismail CHAIB
 
Sense combinator
Sense combinatorSense combinator
Sense combinator
Ismail CHAIB
 
Presentation soutenance-tesobe
Presentation soutenance-tesobePresentation soutenance-tesobe
Presentation soutenance-tesobeIsmail CHAIB
 
Ouverture te dx alger - ismail
Ouverture te dx alger - ismailOuverture te dx alger - ismail
Ouverture te dx alger - ismail
Ismail CHAIB
 
ERP, ecueils à éviter
ERP, ecueils à éviterERP, ecueils à éviter
ERP, ecueils à éviter
Ismail CHAIB
 
Management de projet web
Management de projet webManagement de projet web
Management de projet web
Ismail CHAIB
 
#1 Best Place to Work In
#1 Best Place to Work In#1 Best Place to Work In
#1 Best Place to Work In
Ismail CHAIB
 

Plus de Ismail CHAIB (14)

The TAO of Banking APIs - Open Bank Project
The TAO of Banking APIs - Open Bank ProjectThe TAO of Banking APIs - Open Bank Project
The TAO of Banking APIs - Open Bank Project
 
Open bank project api days-presentation-dec2013
Open bank project api days-presentation-dec2013Open bank project api days-presentation-dec2013
Open bank project api days-presentation-dec2013
 
How mobile is changing everything for NGOs
How mobile is changing everything for NGOsHow mobile is changing everything for NGOs
How mobile is changing everything for NGOs
 
Make sense pecha kucha
Make sense pecha kuchaMake sense pecha kucha
Make sense pecha kucha
 
Open Learning Initiative
Open Learning InitiativeOpen Learning Initiative
Open Learning Initiative
 
The Road to Open Data
The Road to Open DataThe Road to Open Data
The Road to Open Data
 
TEDxCasbah Talk
TEDxCasbah TalkTEDxCasbah Talk
TEDxCasbah Talk
 
A tale of social entrepreneurship
A tale of social entrepreneurshipA tale of social entrepreneurship
A tale of social entrepreneurship
 
Sense combinator
Sense combinatorSense combinator
Sense combinator
 
Presentation soutenance-tesobe
Presentation soutenance-tesobePresentation soutenance-tesobe
Presentation soutenance-tesobe
 
Ouverture te dx alger - ismail
Ouverture te dx alger - ismailOuverture te dx alger - ismail
Ouverture te dx alger - ismail
 
ERP, ecueils à éviter
ERP, ecueils à éviterERP, ecueils à éviter
ERP, ecueils à éviter
 
Management de projet web
Management de projet webManagement de projet web
Management de projet web
 
#1 Best Place to Work In
#1 Best Place to Work In#1 Best Place to Work In
#1 Best Place to Work In
 

Dernier

Les écrans informatiques au fil du temps.pptx
Les écrans informatiques au fil du temps.pptxLes écrans informatiques au fil du temps.pptx
Les écrans informatiques au fil du temps.pptx
abderrahimbourimi
 
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'universitéDe l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
Université de Franche-Comté
 
PRESENTATION DE L'ACTIVE DIRECTORY SOUS WINDOWS SERVEUR.pptx
PRESENTATION DE L'ACTIVE DIRECTORY SOUS WINDOWS SERVEUR.pptxPRESENTATION DE L'ACTIVE DIRECTORY SOUS WINDOWS SERVEUR.pptx
PRESENTATION DE L'ACTIVE DIRECTORY SOUS WINDOWS SERVEUR.pptx
AlbertSmithTambwe
 
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Laurent Speyser
 
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
OCTO Technology
 
Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024
UNITECBordeaux
 
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
Horgix
 

Dernier (7)

Les écrans informatiques au fil du temps.pptx
Les écrans informatiques au fil du temps.pptxLes écrans informatiques au fil du temps.pptx
Les écrans informatiques au fil du temps.pptx
 
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'universitéDe l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
 
PRESENTATION DE L'ACTIVE DIRECTORY SOUS WINDOWS SERVEUR.pptx
PRESENTATION DE L'ACTIVE DIRECTORY SOUS WINDOWS SERVEUR.pptxPRESENTATION DE L'ACTIVE DIRECTORY SOUS WINDOWS SERVEUR.pptx
PRESENTATION DE L'ACTIVE DIRECTORY SOUS WINDOWS SERVEUR.pptx
 
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
 
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
 
Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024
 
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
 

Introduction au datamining, concepts et techniques