Leçons de niveau 18

Datamining/Quiz/QCM Datamining

Une page de Wikiversité.
Sauter à la navigation Sauter à la recherche
QCM Datamining
Image logo représentative de la faculté
Quiz no1
Leçon : Datamining

Quiz de niveau 18.

Quiz préc. :Sommaire
Icon falscher Titel.svg
En raison de limitations techniques, la typographie souhaitable du titre, « Quiz : QCM Datamining
Datamining/Quiz/QCM Datamining
 », n'a pu être restituée correctement ci-dessus.











  

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

A 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