amara1973/TP_S1_Amara_DOUMBOUYA

# TP_S1_Amara_DOUMBOUYA # Infos Etudiant Nom complet: Amara DOUMBOUYA Matricule: IASD25 027 Master 1 Cours: Data Mining Université Kofi Annan de Guinée # Cas 1: Orange Guinée analyse 5 ans de logs d'appels (500 Go) pour détecter des fraudes SIM en temps réel. Approche: Big Data + IA Justification: Les données traitées sont très volumineuses (500 Go de logs), ce qui correspond à une problématique de Big Data. La détection automatique des fraudes en temps réel nécessite également des algorithmes intelligents capables d'identifier des comportements anormaux, ce qui relève de l'Intelligence Artificielle. Outil: Apache Spark # Cas 2: Une banque guinéenne de microfinance prédit si un demandeur de crédit va rembourser ou non. Approche: Machine Learning (ML) Justification: La banque dispose généralement d'historiques de crédits déjà remboursés ou non. Ces données servent à entraîner un modèle de classification capable de prédire le comportement d'un nouveau client. Il s'agit donc d'un apprentissage supervisé. Outil: Scikit-learn # Cas 3: Un hôpital de Conakry regroupe des patients en profils similaires SANS diagnostic préalable. Approche: Data Mining (DM) Justification: L'objectif est de découvrir automatiquement des groupes de patients présentant des caractéristiques semblables sans disposer de catégories prédéfinies. Cette tâche correspond au clustering, une technique classique du Data Mining et de l'apprentissage non supervisé. Outil: WEKA