Résumé: De nos jours, les organisations, les entreprises et autres institutions accumulent de plus en plus données. Cette importante masse de données renferme des informations inconnues auparavant bien qu'elles soient stratégiques et trés utiles pour l'entreprise. Cette sous-exploitation de l'information stockée a focalisé l'attention des chercheurs ce qui donner naissance à un nouveau domaine de recherche se situant au carrefour de trois domaines habituellement séparés, à savoir : les bases de données (BD), l'apprentissage automatique et les statistique. On parle sans ce cas l'éxtraction automatique de connaissances à partir de données ou encore de Data Mining. Ce mémoire présente notre contribution à la conception et à la réalisation d'un outil prototype de Data Mining, appelé "DataMiner 1.0" qui, afin d'extraire des connaissances à partir de données, utilise les techniques suivantes : - Il utilise, d'une part, une technique adaptée de l'algorithme Bottom-up permettant d'extraire des Dépendances Fonctionnelles dans le but d'aider les concepteurs de bases de données durant la phase de conception "Design" du schéma de la base et pour permettre le contrôle de l'inférence dans les bases de données durant le "Design time". - Il utilise, d'autre part, deux techniques d'apprentissage automatique inductif, à savoir les arbres de décision et avec les réseaux de neurones qui ont chacune pour résultat un arbre de décision avec un ensemble de régles, et un réseau de neurones pour faire des prédictions.

Alger:
Langue: Français
Collation: 104 p. ill. ;30 cm.
Diplôme: Ingénieur d'état
Etablissement de soutenance: Alger, Institut National de formation en Informatique
Spécialité: Informatique
Thème Informatique

Mots clés:
Entrepôts de données
Réseaux neuronaux (informatique)
Data mining
Apprentissage automatique
KDD, Preocessus de

Note: Bibliogr. pp.101-104