Datamining/Quiz/QCM Datamining

QCM Datamining

Quiz no1
Leçon : Datamining
Quiz de niveau 18.
Quiz préc. :	Sommaire

Point ajouté pour une réponse juste :
Point retiré pour une réponse incorrecte :
Ignorer les coefficients des questions :

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

	Vrai
	Faux

2 Pour quelle raison principale les entreprises ont recours au Datamining?

	Introduire des statistiques dans la prise de décisions
	Découvrir des tendances cachées dans les bases de données
	Réduire la quantité exponentielle des données dormant dans les entrepôts de données
	Utiliser les NTIC pour ne pas être obsolète

3 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

4 Quelles sont les techniques utilisées par le DATAMINING?

	Statistiques
	Arbres de décisions
	Réseaux de neurones
	Recherches d'associations

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

	Vrai
	Faux

6 Sur quels logiciels peut-on utiliser l'arbre de décision?

	KnowKnowledgeSEEKET
	Alice
	Predict
	CART

7 Les deux premières phases du Datamining sont:

	Analyse d'opinion
	Text mining
	Segmentation/Typologie
	Scoring
	Evaluation de campagne de terrain
	Reporting analytique

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

	La résolution du stockage de données
	La segmentation de données
	La classification de données
	L’hétérogénéïsation de la variété des données

9 Le datamining est synonyme d’opportunités tels que :

	La fouille de données sans l’aide de la main de l’homme
	La mise en évidence de l’influence de certaines variables sur d’autres
	L’interprétation des résultats de la fouille de données

10 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

11 L’explosion des gisements de données représente pour le datamining :

	Un danger pour son développement
	Une contrainte réglementaire
	Une chance pour prédire l’avenir

12 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

13 Quelles sont les limites techniques du Datamining :

	Il ne peut traiter que des données chiffrées
	La pertinence du résultat donnée par les logiciels d’exploration n’est pas certaine
	Les 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

14 En quelle année le développement du datamining par spécialisation a vu le jour ?

	1990
	1980
	2005
	2010

15 Quels types de fouilles par spécialisation existent :

	La fouille d’image
	La fouille de vidéo
	La fouille de texte

16 Quelles sont les caractéristiques des données provenant de la fouille du web ?

	Leurs paramètres ne se modifient jamais avec le temps
	Leur flot est limité
	Elles arrivent très rapidement
	Elles proviennent des journaux des serveurs

17 Grâce à quel type de fouille peut-on explorer les données cartographiques du crime ? :

	La fouille de données confidentielles
	La fouille du web
	La fouille de vidéo
	La fouille de données spatiales

18 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

19 Le CRISP-DM permet de rendre les projets de Datamining:

	plus rapides mais couteux
	plus couteux mais efficaces
	plus couteux
	rapides et plus fiables

20 Quels sont les deux axes principaux du Datamining?

	La prédiction
	La création de typologie
	La création de mœurs
	La création de classe sociale évoluée