KDD1

Le Datamining est utilisé à la fois en analyse prédictive et descriptive .

• Vrai

• Faux

Pour quelle raison principale les entreprises ont recours au Datamining?

• Introduire des statistiques dans la prise de décisions

• Réduire la quantité exponentielle des données dormant dans les entrepôts de données

• Découvrir des tendances cachées dans les bases de données

Quel est l'un des intérêts du Datamining?

• La conservation des données dans des entrepôts

• L'exploitation des données pour améliorer la rentabilité d'une activité

• L'avantage d'une longueur d'avance sur ses concurrents

• L'augmentation du retour sur investissement des systèmes d'informations

Quelles sont les techniques utilisées par le DATAMINING?

• Statistiques

• Arbres de décisions

• Réseaux de neurones

• Recherches d'associations

Le Datamining peut enfreindre le respect de la vie privée des personnes concernées

• Vrai

• Faux

Quelles peuvent être les applications du datamining spécifiques à l’industrie ?

• La résolution du stockage de données

• La segmentation de données

• L’hétérogénéïsation de la variété des données

• La classification de données

À partir d’une base de données, le datamining fait le lien entre des variables dans le but 

• D’expliquer la causalité de ce lien

• De déterminer l’impact d’une variation de la variable sur une deuxième

Quels sonts parmi ces termes les facteurs de succès du Datamining?

• La mise en forme des données

• La connaissance de l'environnement

• Le niveau de formation des statisticiens

• La prise de recul sur l'action engagée

Quels sont les principaux défis à relever du datamining ?

• Augmenter la vitesse de la compilation de données

• Améliorer l’intelligence de l’exploration de données

• Augmenter la vitesse de l’extraction de connaissances

Quelles sont les limites techniques du Datamining :

• Il ne peut traiter que des données chiffrée

• La pertinence du résultat donnée par les logiciels d’exploration n’est pas certaine

• sLes outils ne vont pas indiquer quelle variable aura une influence sur la variable à expliquer

• Il ne permet pas de décrire les données

• Il n’indique pas quel type de relation ont les variables entre elles