A partir de cette page vous pouvez :
Retourner au premier Ă©cran avec les Ă©tagĂšres virtuelles... |
RĂ©sultat de la recherche
1 rĂ©sultat(s) recherche sur le mot-clĂ© 'Fondation Mohammed VI, Prédiction, Crédit, Nombre, Montant, Durée, FOGALEF, Apprentissage automatique, MATLAB, R, Python.'
Affiner la recherche Faire une suggestion
PrĂ©diction dâattribution de prestations sociales / Anass DAROUACH
Titre : PrĂ©diction dâattribution de prestations sociales Type de document : projet fin Ă©tudes Auteurs : Anass DAROUACH, Auteur Langues : Français (fre) CatĂ©gories : e-Logistique Mots-clĂ©s : Fondation Mohammed VI, PrĂ©diction, CrĂ©dit, Nombre, Montant, DurĂ©e, FOGALEF, Apprentissage automatique, MATLAB, R, Python. Index. dĂ©cimale : 1984/18 RĂ©sumĂ© : Le présent rapport est le fruit de notre projet de fin d’études matérialisé au sein de la fondation Mohammed VI de promotion des oeuvres sociales de l’éducations-formation. Le PFE consiste en la mise en place d’un système prédictif dans le secteur des prestations sociales. L’objectif de notre projet est l’ornement du processus d’aide à la décision chez la fondation Mohammed VI, tout en intégrant des notions de l’apprentissage automatique.
Le processus d’aide à la décision étudié est celui de la gestion financière du budget accordé aux prestations sociales, pour objectif de mettre en avant un outil permettant d’estimer le nombre des adhérents souhaiteront bénéficier d’une prestation sociale ainsi que le montant et la durée qu’un adhèrent choisirait, en se basant sur des données confidentielles internes des adhérents de la fondation Mohammed VI et des banques partenaires de la fondation.
Il existe deux types de prestations sociales chez la fondation à savoir AMC et FOGALEF, on s’est intéressé à la deuxième, les crédits accordés par la fondation. Le projet est mené à bout en deux parties : La première consiste en la prédiction du nombre des adhérents souhaitant bénéficier d’un crédit FOGALEF. La deuxième partie porte sur la prédiction du montant et la durée de chaque crédit FOGALEF.
Ce projet sera élaboré en utilisant la méthode CRISP-DM, qui commence par une étude du processus métier pour mieux cerner la problématique, suivie par la partie collecte et préparation des données, vient ensuite la partie modélisation des données par un modèle d’apprentissage automatique, en fin la section évaluation et déploiement du modèle prédictif, avec MATLAB, R et Python.
PrĂ©diction dâattribution de prestations sociales [projet fin Ă©tudes] / Anass DAROUACH, Auteur . - [s.d.].
Langues : Français (fre)
CatĂ©gories : e-Logistique Mots-clĂ©s : Fondation Mohammed VI, PrĂ©diction, CrĂ©dit, Nombre, Montant, DurĂ©e, FOGALEF, Apprentissage automatique, MATLAB, R, Python. Index. dĂ©cimale : 1984/18 RĂ©sumĂ© : Le présent rapport est le fruit de notre projet de fin d’études matérialisé au sein de la fondation Mohammed VI de promotion des oeuvres sociales de l’éducations-formation. Le PFE consiste en la mise en place d’un système prédictif dans le secteur des prestations sociales. L’objectif de notre projet est l’ornement du processus d’aide à la décision chez la fondation Mohammed VI, tout en intégrant des notions de l’apprentissage automatique.
Le processus d’aide à la décision étudié est celui de la gestion financière du budget accordé aux prestations sociales, pour objectif de mettre en avant un outil permettant d’estimer le nombre des adhérents souhaiteront bénéficier d’une prestation sociale ainsi que le montant et la durée qu’un adhèrent choisirait, en se basant sur des données confidentielles internes des adhérents de la fondation Mohammed VI et des banques partenaires de la fondation.
Il existe deux types de prestations sociales chez la fondation à savoir AMC et FOGALEF, on s’est intéressé à la deuxième, les crédits accordés par la fondation. Le projet est mené à bout en deux parties : La première consiste en la prédiction du nombre des adhérents souhaitant bénéficier d’un crédit FOGALEF. La deuxième partie porte sur la prédiction du montant et la durée de chaque crédit FOGALEF.
Ce projet sera élaboré en utilisant la méthode CRISP-DM, qui commence par une étude du processus métier pour mieux cerner la problématique, suivie par la partie collecte et préparation des données, vient ensuite la partie modélisation des données par un modèle d’apprentissage automatique, en fin la section évaluation et déploiement du modèle prédictif, avec MATLAB, R et Python.
RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© 1984/18 1984/18 ANA Texte imprimé unité des PFE PFE/2018 Disponible