WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Administration d'un big data sous mongodb et extraction de connaissance par réseau de neurones.


par Destin CUBAKA BENI
Université Pédagogique Nationale (UPN) - Licence 2019
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

CONCLUSION PARTIELLE

Les réseaux de neurones étant un algorithme puissant, il était question pour nous de le souligné dans ce chapitre tout en présentant non seulement quelques définitions mais aussi son fonctionnement. Dans notre étude ce dernier fait le fondement de notre implémentation grâce à ses différentes fonctions mathématiques, partant des analyses a opérées dans le dernier chapitre, il sied de mener une étude sur la structure et le comportement de réseaux de neurones artificiel en vue de ressortir une prédiction quasi réelle.

CHAPITRE IV : IMPLEMENTATION ET INTERPRETATION DE RESULTATS [3], [4], [5], [6]

IV.1. INTRODUCTION

Ce chapitre est spécialement consacré à l'implémentation et interprétation de résultats de notre nouveau système (système prédictif). Il sera question à la suite celui-ci de construire et implémenter notre algorithme qui permettra de classifier d'une manière automatique non seulement les clients éligibles au crédit mais aussi ceux qui ne le sont pas en temps réel grâce aux technologies Big Data qui sera basé sur le réseau de neurones qui est l'un des algorithmes du Data Mining.

IV. 1.1. Langages de programmation, SGBD et Éditeurs utilisés

Pour écrire les différents scripts et lignes de codes de notre application, nous avons fait recours aux différents outils suivants :

· Python et Jupyter Notebook (respectivement le langage de programmation et l'éditeur utilisés pour l'analyse et la prédiction) ;

· R et RStudio (respectivement le langage de programmation et l'éditeur utilisés pour l'intégration des données (ETL), mais aussi pour l'analyse et la prédiction) ;

· MongoDB (pour la partie Stockage de données (Serveur) ;

· Navicat Premium (pour la Visualisation de données du Dataset).

IV. 1.2. Bibliothèques (Modules (Python) ou packages (R) utilisés)

ü PyMongo, qui est une distribution Python contenant des outils permettant de travailler avec MongoDB. Il est recommandé de travailler avec MongoDB à partir de Python.

ü Pandas, qui est un module du langage de programmation Python permettant la manipulation et l'analyse des données. Cette bibliothèque propose en particulier des structures de données et des opérations de manipulation de tableaux numériques et de séries temporelles. 

ü NumPy, qui est une extension du langage de programmation Python, destinée à manipuler des matrices ou tableaux multidimensionnels ainsi que des fonctions mathématiques opérant sur ces tableaux.

ü nnet, qui est un package de langage de programmation R pour les réseaux de neurones avec une seule couche cachée et pour les modèles log-linéaires multinomiaux.

ü readxl, qui est un package permettant de lire un fichier Excel, de type .xls ou .xlsx dans un data frame R; il fournit une interface à la fonction read_excel dans le package readxl.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Le doute est le commencement de la sagesse"   Aristote