Documents disponibles écrits par cet auteur

Prédiction du Churn Rate par le machine learning dans le secteur des M&A / Mohamed Aimed Hamour 

Public ISBD Titre : Prédiction du Churn Rate par le machine learning dans le secteur des M&A : application au sein de KPMG Type de document : document électronique Auteurs : Mohamed Aimed Hamour, Auteur ; Nazim Malik Benhamdine, Auteur ; Nedjwa Noual, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2020 Importance : 1 fichier PDF (5.9M) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Génie Industriel. Management Industriel. Management de l'innovation : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 119 - 120. - Annexes f. 121 - 175 Langues : Français (fre) Mots-clés : Fusions  &  Acquisitions Due  Diligence Machine  Learning Modélisation Désabonnement  client Index. décimale : PI01320 Résumé : KPMG est une multinationale spécialisée dans le conseil, l’expertise comptable et financière et l’audit et engage en marge de ses activités dans l’accompagnement d’entreprises en cours de fusion ou d’acquisition, une responsabilité du département « Deal Advisory », une démarche visant à l’amélioration de ses services proposés concernant la Due Diligence. Cette démarche est entreprise par l’équipe « Deal Analytics » qui vise à utiliser les outils informatiques afin de véhiculer un changement de paradigme dans les rapports de Due Diligence. Nous avons de ce fait mené un projet Machine Learning visant à concevoir un modèle prédictif de l’indicateur « taux de désabonnement clients » sous forme de programme informatique à partir des algorithmes de l’apprentissage supervisé, permettant de fluidifier la prise de décision avec une dimension temporelle modulable. Les étapes menant à la conception de notre solution sont détaillées, avec les résultats obtenus et une proposition d’implémentation dans les processus métier du département. Prédiction du Churn Rate par le machine learning dans le secteur des M&A : application au sein de KPMG [document électronique] / Mohamed Aimed Hamour, Auteur ; Nazim Malik Benhamdine, Auteur ; Nedjwa Noual, Directeur de thèse . - [S.l.] : [s.n.], 2020 . - 1 fichier PDF (5.9M) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Génie Industriel. Management Industriel. Management de l'innovation : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 119 - 120. - Annexes f. 121 - 175 Langues : Français (fre) Mots-clés : Fusions  &  Acquisitions Due  Diligence Machine  Learning Modélisation Désabonnement  client Index. décimale : PI01320 Résumé : KPMG est une multinationale spécialisée dans le conseil, l’expertise comptable et financière et l’audit et engage en marge de ses activités dans l’accompagnement d’entreprises en cours de fusion ou d’acquisition, une responsabilité du département « Deal Advisory », une démarche visant à l’amélioration de ses services proposés concernant la Due Diligence. Cette démarche est entreprise par l’équipe « Deal Analytics » qui vise à utiliser les outils informatiques afin de véhiculer un changement de paradigme dans les rapports de Due Diligence. Nous avons de ce fait mené un projet Machine Learning visant à concevoir un modèle prédictif de l’indicateur « taux de désabonnement clients » sous forme de programme informatique à partir des algorithmes de l’apprentissage supervisé, permettant de fluidifier la prise de décision avec une dimension temporelle modulable. Les étapes menant à la conception de notre solution sont détaillées, avec les résultats obtenus et une proposition d’implémentation dans les processus métier du département.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00177	PI01320	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Genie_industriel	Téléchargeable

Documents numériques

HAMOUR.MohamedAimed_BENHAMDINE.NazimMalik.pdf URL