Enhancing new clients’ retention with a Data Science-Driven Automated Approach

My project is titled " Enhancing new clients’ retention with a Data Science-Driven automated approach ". This graduation project focuses on enhancing new clients’ retention for Orange Tunisia through data analysis, clustering, and the application of prediction techniques. The project begins with exploratory data analysis and preprocessing, followed by dimensionality reduction and clustering to uncover patterns within the dataset. Prediction models are then developed using machine learning and deep learning algorithms to make accurate predictions based on the identified patterns. The models are fine-tuned and evaluated using appropriate metrics. A dashboard is created for visualizing predictions, and the deployment process is optimized using Docker. This project equips us with a comprehensive understanding of the data science process enabling us to contribute to data-driven decision-making in the future. Mon projet est intitulé " Améliorer la rétention des nouveaux clients au moyen d’une approche automatisée axée sur la science des données ". Ce projet de fin d’études se concentre sur l’amélioration de la rétention des nouveaux clients pour Orange Tunisie grâce à l’analyse de données, le regroupement et l’application de techniques de prédictions. Le projet commence par une analyse exploratoire des données et un prétraitement, suivis d’une réduction de la dimensionnalité, enfin d’un regroupement pour découvrir les motifs présents dans l’ensemble des données. Ensuite, des modèles de prédiction sont développés en utilisant des algorithmes d’apprentissage automatique et d’apprentissage profond pour faire des prédictions précises basées sur les motifs identifiés. Les modèles sont affinés et évalués en utilisant des métriques appropriées. Un tableau de bord est créé pour visualiser les prédictions, et le processus de déploiement est optimisé à l’aide de Docker. Ce projet nous permet d’acquérir une compréhension complète du processus des sciences des données, nous permettant de contribuer à l’avenir à la prise de décisions basée sur les données. p. 64-65