SUJET : E C L A T UNIVERSITE GASTON BERGER DE SAINT LOUIS UFR DES SCIENCES APPLIQUEES ET DE TECHNOLOGIE MASTER PROFESSIONNEL EN DÉVELOPPEMENT DE SYSTÈMES.

Slides:



Advertisements
Présentations similaires
Developpement Process « Coding party !! » Tony Carnal Altran.
Advertisements

Projet de fin d'étude pour l'obtention du Diplôme Nationale d'Ingénieur en Informatique Conception et développement des modules de GED pour l’ indexation.
Les systèmes d'information 1- Une pratique quotidienne 2- Les données 3- Approche conceptuelle 4- Notion de serveur 5- Conception d'un système d'information.
Le socle commun : des pistes pour la technologie Plan de la présentation : - Introduction - Contexte (socle commun et document eduscol) - Repérage des.
Hypergraph Lossless Compression, Quadtrees et notion de complexité sur les images G graphes et sécurité Sujet de stage de Master en cours: Sujet de thèse.
Présentation du programme
Semaine 01 La programmation créative Introduction.
Master ESEEC Rédaction de documents (longs) structurés Patrice Séébold Bureau 109, Bât B.
Un système autonomique basé sur des bases de connaissances pour améliorer les performances d’un entrepôt de données Réalisé par : OUSSAFI MOHAMMED HOURRI.
ANNEE ACADEMIQUE Institut Supérieur Emmanuelle D’Alzon de Butembo COURS: THEORIE DE BASE DE DONNEES : 45H PROMOTION: G2 Gestion Informatique.
Les rprésentation des signaux dans le cadre décisionnel de Bayes Jorge F. Silva Shrikanth S. Narayanan.
Système d’aide à la décision Business Intelligence
Cours Initiation aux Bases De Données
Suites ordonnées ou mettre de l’ordre
EPREUVES HISTOIRE ET GEOGRAPHIE
Initiation aux bases de données et à la programmation événementielle
Dominique PETRELLA – Frédéric GUINEPAIN - IA-IPR STI Versailles
SOMMAIRE 1: ORALE 2: Les 3 systèmes de gestion de base de donnés 3:ORACLE DATA BASE 4:MY SQL 5:Oppen Office.org Base 6:Concurrence Conclusion.
Techniques de décomposition
Semaine #1 INF130 par Frédérick Henri.
TS en gestion des entreprises
Présentation du B2i école Références : B.O. n° 42 du 16 novembre 2006
ORGANIGRAMME DES FILIERES DE FORMATION Classe de troisième de collège
Technologies de l’intelligence d’affaires Séance 10
POL1803: Analyse des techniques quantitatives
Technologies de l’intelligence d’affaires
Les plans d’expérience: plans factoriels
JJ/MM/AAAA 08/06/2017 Appréhender le fonctionnement d’une voiture autonome Programmation cycle 4 Cycle 4.
LES PRINCIPES DE LA THERMODYNAMIQUE
Réalisation d’une application web sous le thème: «Mon vétérinaire » par : Benzineb Asmaa et Meftahi Oualid Présentation à Université Saad Dahlab Blida.
République Algérienne Démocratique et Populaire Ministère de l'Enseignement Supérieur et de la Recherche Scientifique Université Saad.
Présentation du B2i école Références : B.O. n° 42 du 16 novembre 2006
REVUE DE LITTERATURE. Introduction Première partie majeure dans la rédaction du mémoire, la réalisation d’une revue de littérature consiste à effectuer.
M ICROS PROJETS 1 ÈRE A NNÉE. DESCRIPTION DES MICROS PROJETS Il s'agit de produire un programme (fichiers source et un exécutable testé et opérationnel.
Modélisation avec UML 2.0 Partie II Diagramme de classes.
Vuibert Systèmes d’information et management des organisations 6 e édition R. Reix – B. Fallery – M. Kalika – F. Rowe Chapitre 1 : La notion de système.
OBJET PROBLÉMATIQUE BIBLIOGRAPHIE Méthodologie de la recherche en Sciences de l’information et de la communication.
PRÉSENTATION DU STAGE D’INITIATION Encadré par: Mr. Badreddine Lahfaoui Elaboré par: ABDELLAOUI Mourad BOUSKINE Hamza DAHOU Mohammed Année universitaire.
Royaume de Maroc Université Hassan Premier Settat Faculté des Sciences et Techniques de Settat LA CLASSIFICATION K-MEANS SOUS R /MATLAB Master :Automatique.
Chapitre2: SGBD et Datawarehouse. On pourrait se demander pourquoi ne pas utiliser un SGBD pour réaliser cette structure d'informatique décisionnelle.
Programme financé par l’Union européenne
Les réparations Par.
Les méthodes non paramétriques
Le département QIF Qualité, Innovation, Fiabilité
Présenté par : K.BERRAMLA. Encadreur : M.SENOUCI. EA.DEBA.
Data Mining Fait par : Belhaj Nadia Derouich Maryem.
LES DÉMARCHES ET APPROCHES AU CYCLE 3 Que disent les programmes ? Source : Bulletin officiel spécial n°11 du 26 novembre 2015 Réalisé par
ENSEIGNER L’ALGORITHMIQUE ET LA PROGRAMMATION AU COLLÈGE
Introduction L’objet de ce modèle est de démontrer la capacité d’Anaplan à traiter plusieurs processus de calculs de coûts en temps réel. Ce modèle propose.
PRESENTATION ACCESS Editeur : Microsoft Environnement Windows (SE)
Moteurs de recherches Data mining Nizar Jegham.
Evaluation des risques liés à Campylobacter SPP dans les poulets de chair Cadre de matière: Evaluation et analyses des risques alimentaires Réalisé par:
Roowth 1 Université d'Adrar Faculté des Sciences et de la Technologie Département des Mathématiques et Informatique 1 er Année master : Informatique Option:
Plan I.Définitions II.Objectifs III.Intérêt IV.Quoi tester ? V.Processus VI.Exemples VII.Conclusion VIII.Références.
Tableaux Cours 06.
Utiliser le modèle log-linéaire pour mettre au jour la structure du lien entre les deux variables d’un tableau de contingence : un exemple d’application.
Encadré par : M. Mohammad EL GHABZOURI Elaboré par : - AZEGAMOUT Mohamed - ABOULKACEM abdelouahed - GOUN Ayoub EXPOSÉ Sous le thème : SER 2018 Parallélisme.
Réalisé par: SAMMARI RIM SOUID AHLEM AMROUCH HAFEDH
Mathématiques.
Test de performances. Test de performances:  Un test de performance est un test dont l'objectif est de déterminer la performance d'un système informatique.
Projet de fin d’études : Université Cadi Ayyad Ecole Supérieure de Technologie-Safi Techniques Instrumentales et Management de la Qualité Sujet traité.
UNIVERSITÉ DE SFAX FACULTÉ DES SCIENCES ECONOMIQUES ET DE GESTION La gestion du risque de crédit à travers l’étude classique du dossier de crédit : cas.
ScienceDirect Guide d’utilisation de la base de données : ScienceDirect Pr R. EL OUAHBI.
Création d une application pour la détection des personnage par les empreintes digitale 1.
Thème: les fibres OPTIQUE a gradient d’indice Réalisé par: Noutchieu Teugang Franck Cédric Sous l’encadrement de: M. Atangana André Marie 1 Année académique.
La programmation dynamique
Transcription de la présentation:

SUJET : E C L A T UNIVERSITE GASTON BERGER DE SAINT LOUIS UFR DES SCIENCES APPLIQUEES ET DE TECHNOLOGIE MASTER PROFESSIONNEL EN DÉVELOPPEMENT DE SYSTÈMES D'INFORMATIONS Présenté par : Mouhamed Famara SANE Mohamed Lemine ATHIE Sous l’encadrement de : M. C. Talibouya DIOP EQUIVALENCE CLASS TRANSFORMATION

1.Introduction 2.Datamining 3.Règles d’associations (Mining Association Rules) 4.Algorithme ECLAT 5.Démonstration (Avec R) 6.Conclusion PLAN DE PRESENTATION

1. INTRODUCTION 1 HISTORIQUE L’algorithme Eclat, Introduit par M. J. Zaki en 1997 publié en 2000, est un algorithme utilisé en Datamining pour découvrir les ensembles d’articles fréquents. Mohammed J. Zaki Equivalence CLAss Transformation

2. DATAMINING 2 Connue aussi sous l’expression « L’exploration de données » a pour objet l’extraction d'un savoir ou d'une connaissance à partir de grandes quantités de données, par des méthodes automatiques ou semi-automatiques. De nos jours, les techniques d'exploration de données peuvent être utilisées dans des domaines complètement différents avec des objectifs bien spécifiques

2. DATAMINING (SUITE) 3 Le Data Mining, une foule d’applications. © Ramaba, Wikiversity, CC by-3.0

3. REGLES D’ASSOCIATIONS 4 Dans le domaine du data mining la recherche des règles d'association est une méthode populaire étudiée d'une manière approfondie dont le but est de découvrir des relations ayant un intérêt pour l’analyste entre deux ou plusieurs variables stockées dans de très importantes bases de données. À partir d'un ensemble de transactions, rechercher des règles permettant de prédire l'occurrence d'un élément en fonction de l'occurrence d'autres éléments de la transaction.

3. REGLES D’ASSOCIATIONS (RAPPELS) 5 Règles d’associations – Cours de C.T Diop (UFR SAT) Génération d’Itemset fréquentsGénération de règles d’associations

3. REGLES D’ASSOCIATIONS (RAPPELS) 6

4. ALGORITHME ECLAT 7 L’algorithme Eclat repose sur le découpage de la base en classes d’équivalences et distribution de la charge de travail sur tous les processeurs. Méthode qui permet de générer des itemsets fréquents Représente les données de manière verticale

8

PHASE D’INITIALISATION 9 Scan la base de données transactionnelle Construction d’un tableau de deux dimensions indexé par les items sur la hauteur et la largeur.

PHASE DE TRANSFORMATION 10 Partitionnement de L2 en classes d’équivalences qui seront redistribuées sur les processeurs. Calcul de la charge de travail pour chaque classe d’équivalence. La mesure est effectuée en fonction du nombre d’éléments s de la classe d’équivalence

PHASE ASYNCHRONE 11 Construction d’itemsets de tailles croissantes par intersection des listes de transactions des éléments de chaque classe d’équivalence

PHASE DE REDUCTION FINALE 12 La dernière tâche de l’algorithme consiste en l’accumulation et la réunion des résultats de chaque processeur. Exemple de déroulement

13

5. DEMONSTRATION R est un langage de programmation et un logiciel libre destiné aux statistiques et à la science des données soutenu par la R Foundation for Statistical Computing. 14

5. DEMONSTRATION (SCENARIO) 15 Le responsable marketing chez la franchise multinationale Auchan plus précisement à Dakar souhaite connaitre avec précision les produits les mieux vendu au sein de son supermarché.

6. CONCLUSION 16 La tâche la plus coûteuse de l’algorithme Eclat est en général la transmission des listes de transactions de chaques item. En effet, sur des bases ou les items sont repartis de manière homogène, chaque processeur doit transmettre des listes de tailles importantes à tous les autres. C’est là le point faible de l’algorithme Eclat.

7. BIBLIOGRAPHIE