Big data frequent itemset mining / Chaima Kamri

Public ISBD Titre : Big data frequent itemset mining Type de document : texte manuscrit Auteurs : Chaima Kamri, Auteur ; Benameur Ziani, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2022 Importance : 39 p. Format : 30 cm. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : (Decision-making information systems) Systèmes d'information et de décision Langues : Anglais Mots-clés : Big data  Data mining  Frequent itemset mining  Apriori  Fp-growth  Eclat  Hadoop  Spark MLlib  Fouille de données  recherche des motifs fréquents Résumé : Big data takes its fame from analyzing the data gathered from various sources. This process is called Big data analytics that includes multiple techniques, each one differs from the others by the data used, and the results earned. But they share the same purpose, which is the improvement of decision-making. In this manuscript, we aim to present one of the famous analytic techniques, frequent itemset mining. That seeks to find the frequent patterns in a transactional database and decipher the association rules among those patterns, therefore, using this knowledge to make decisions based on those patterns. Our purpose is to introduce the big data process to mine the frequent itemset using Spark’s machine-learning library, and Python. note de thèses : Mémoire de master en informatique Big data frequent itemset mining [texte manuscrit] / Chaima Kamri, Auteur ; Benameur Ziani, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2022 . - 39 p. ; 30 cm. + 1 disque optique numérique (CD-ROM). Option : (Decision-making information systems) Systèmes d'information et de décision Langues : Anglais Mots-clés : Big data  Data mining  Frequent itemset mining  Apriori  Fp-growth  Eclat  Hadoop  Spark MLlib  Fouille de données  recherche des motifs fréquents Résumé : Big data takes its fame from analyzing the data gathered from various sources. This process is called Big data analytics that includes multiple techniques, each one differs from the others by the data used, and the results earned. But they share the same purpose, which is the improvement of decision-making. In this manuscript, we aim to present one of the famous analytic techniques, frequent itemset mining. That seeks to find the frequent patterns in a transactional database and decipher the association rules among those patterns, therefore, using this knowledge to make decisions based on those patterns. Our purpose is to introduce the big data process to mine the frequent itemset using Spark’s machine-learning library, and Python. note de thèses : Mémoire de master en informatique

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MF 02-47	MF 02-47	Thése	BIBLIOTHEQUE DE FACULTE DES SCIENCES	théses (sci)	Disponible

---

page 1/1