Anzeige

USPN - M1 Etudes de cas et méthodologie cours du 06 02 2023.pptx

Data Scientist & buzz monitoring Director um Orange
26. Mar 2023
Anzeige

Más contenido relacionado

Similar a USPN - M1 Etudes de cas et méthodologie cours du 06 02 2023.pptx(20)

Anzeige

USPN - M1 Etudes de cas et méthodologie cours du 06 02 2023.pptx

  1. Modélisation d’un réseau social ❤
  2. UN RÉSEAU SOCIAL ❤ Fanny ❤ Chloé, Robin et Julia Chloé ❤ Robin, Maéva, Angie, Matéi et Julia Robin ❤ Fanny, Chloé et Maéti Maéva ❤ Chloé, Angie et Julia Angie ❤ Chloé, Maéva et Julia Matéi ❤ Chloé et Robin Julia ❤ Fanny, Chloé, Maéva et Angie
  3. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES Fanny ❤ Chloé, Robin et Julia Chloé ❤ Robin, Maéva, Angie, Matéi et Julia Robin ❤ Fanny, Chloé et Maéti Maéva ❤ Chloé, Angie et Julia Angie ❤ Chloé, Maéva et Julia Matéi ❤ Chloé et Robin Julia ❤ Fanny, Chloé, Maéva et Angie Arrête Sommet
  4. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES La distance entre deux sommets est le nombre d’arrêtes pour aller de l’un à l’autre. L'écartement d'un sommet est la distance maximale existante entre ce sommet et les autres sommets du graphe. Le centre est le sommet dont l’écartement est minimal Distance Sommet
  5. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES <Exercice d’application>
  6. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES Distance( , ) = ? Distance( , ) = ? Ecartement( , ) = ? Ecartement( , ) = ? Ecartement( , ) = ? 5 minutes Questio n
  7. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES Distance( , ) = 2 Distance( , ) = 1 Ecartement( , ) = 2 Ecartement( , ) = 1 Ecartement( , ) = 2 Répons e
  8. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES Centre = ? 1 minute Questio n Distance( , ) = 2 Distance( , ) = 1 Ecartement( , ) = 2 Ecartement( , ) = 1 Ecartement( , ) = 2 Quel est le sommet dont l’écartement est minimum?
  9. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES Distance( , ) = 2 Distance( , ) = 1 Ecartement( , ) = 2 Ecartement( , ) = 1 Ecartement( , ) = 2 Centre = Répons e
  10. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES Distance( , ) = 2 Distance( , ) = 1 Ecartement( , ) = 2 Ecartement( , ) = 1 Ecartement( , ) = 2 Centre = ? Rappel: Le centre est le sommet dont l’écartement est minimal Questio n 1 minute Quel est le centre?
  11. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES Distance( , ) = 2 Distance( , ) = 1 Ecartement( , ) = 2 Ecartement( , ) = 1 Ecartement( , ) = 2 Centre = Rappel: Le centre est le sommet dont l’écartement est minimal ❤ Répons e
  12. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES </Exercice d’application>
  13. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES Fanny ❤ Chloé, Robin et Julia Chloé ❤ Robin, Maéva, Angie, Matéi et Julia Robin ❤ Fanny, Chloé et Matéi Maéva ❤ Chloé, Angie et Julia Angie ❤ Chloé, Maéva et Julia Matéi ❤ Chloé et Robin Julia ❤ Fanny, Chloé, Maéva et Angie Chaque personne est représentée par un sommet et chaque lien ❤ est représenté par une arête↔
  14. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES Chaque personne est représentée par un sommet et chaque lien ❤ est représenté par une arête↔ Fanny Chloé Robin Maéva Julia Matéi Angie
  15. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES <Exercice d’applicatio n> Fanny Chloé Robin Maéva Julia Matéi Angie
  16. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES Fanny Chloé Robin Maéva Angie Matéi Julia Fanny Chloé Robin Maéva Julia Matéi Angie Activité : Complétez le tableau ci- dessous avec l’écartement L'écartement d'un sommet est la distance maximale existante entre ce sommet et les autres sommets du graphe. 5 minutes
  17. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES Fanny Chloé Robin Maéva Angie Matéi Julia Fanny Chloé Robin Maéva Julia Matéi Angie Réponse écartement
  18. QUEL EST LE CENTRE DU RÉSEAU SOCIAL❤? QUELLE EST LA PERSONNE LA PLUS POPULAIRE ? Fanny Chloé Robin Maéva Angie Matéi Julia Fanny Chloé Robin Maéva Julia Matéi Angie écartement <Questions?> Quel est le centre du réseau Social❤? Quelle est la personne la plus populaire ? </Questions?>
  19. QUELLE EST LA PERSONNE LA PLUS POPULAIRE DU RÉSEAUX ? Fanny Chloé Robin Maéva Angie Matéi Julia Fanny Chloé Robin Maéva Julia Matéi Angie Chloé ❤ est le centre du réseau social, si je veux passer un message à tout le groupe, je passe par Chloé. écartement
  20. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ PAR LA THÉORIE DES GRAPHES </Exercice d’applicatio n> Fanny Chloé ❤ Robin Maéva Julia Matéi Angie
  21. WWW.TRAACKR.COM
  22. WWW.TRAACKR.COM
  23. UN RÉSEAU SOCIAL ❤ EST UNE MATRICE Fanny Chloé Robin Maéva Angie Matéi Julia Fanny 0 1 1 0 0 0 1 Chloé 1 0 1 1 1 1 1 Robin 1 1 0 0 0 1 0 Maéva 0 1 0 0 1 0 1 Angie 0 1 0 1 0 0 1 Matéi 0 1 1 0 0 0 0 Julia 1 1 0 1 1 0 0 Un objet mathématiqu e utilisable par les algorithmes *source numworks.com/modelisation-reseau-
  24. MODÉLISATION D’UN RÉSEAU SOCIAL ❤ Fanny Chloé Robin Maéva Angie Matéi Julia Fanny D D D Chloé D D D D D D Robin D D D Maéva D D D Angie D D D Matéi D D Julia D D D D Fanny Chloé Robin Maéva Angie Matéi Julia Fanny U U U Chloé U U U U U U Robin U U U Maéva U U U Angie U U U Matéi U U Julia U U U U Fanny Chloé Robin Maéva Angie Matéi Julia Fanny W W W Chloé W W W W W W Robin W W W Maéva W W W Angie W W W Matéi W W Julia W W W W  U : User Affinity : à quel point ils sont proches  W : Weight : point du contenu Like, comment, share  D : Decay : Fraicheur du contenu
  25. COMMENT L’ ALGORITHME DÉCIDE DE CE QUI S’AFFICHE DANS LE NEWSFEED
  26. Le Nudge
  27. Le Nudge en marketing En théorie: le consommateur prend les décisions les plus rationnelles En vrai : c’est pas vrai
  28. Alors le publicitaire « Nudge » le consommateur pour faire le bon choix Le Nudge: Une technique douce qui utilise nos biais cognitifs pour orienter le consommateur vers des choix plus sains et plus écologiques (en théorie)
  29. Nudge • Le nudge a réduit les couts de nettoyage des toilettes de 50% (80% selon d’autres sources plus optimistes) à l’aéroport de Schiphol
  30. “Arrêtez de jeter vos mégots par terre, c’est sale et ça détruit la planète”
  31. L’illusion de la pénurie Nudge et e-commerce
  32. La fausse urgence Nudge et marketing
  33. L’illusion du choix Nudge et marketing
  34. Le Nudge •<Quizz>
  35. Quizz Qu'est-ce que le nudge marketing ? A. Une technique de persuasion utilisant des astuces subtiles B. Une méthode de vente agressive C. Une approche de marketing axée sur les données D. Une stratégie de marketing basée sur la manipulation
  36. Quizz Qu'est-ce que le nudge marketing ? Réponse : A. Une technique de persuasion utilisant des astuces subtiles Le nudge marketing utilise des astuces subtiles pour inciter les consommateurs à prendre une action ou à adopter un comportement souhaité sans les forcer ou les manipuler. Cette approche est souvent basée sur des théories comportementales et utilise des stratégies telles que la présentation de choix préférentiels, la modification de l'environnement ou la création d'une atmosphère qui incite à la prise de décision.
  37. Le Nudge •</Quizz>
  38. <travail en groupe> Nudge 15 minutes
  39. Brief Encourager les jeunes adultes à inclure plus de fruits et légumes dans leur alimentation quotidienne. Les facteurs qui favorisent la consommations de fruit et légumes Techniques de Nudge que vous utiliserez pour influence votre cible Scénario pour implémenter la campagne de Nudge Présentation au tableau 15 minutes
  40. Brief 2 •Encouragez vos visiteurs à s’inscrire à votre newsletter Bon courage ;-) 05 minutes
  41. 27 Octobre 1994: Première bannière publicitaire
  42. LA BANNIÈRE EN MARKETING DIGITAL
  43. BANNIÈRE <travail de groupe> 20 minutes
  44. ATELIER CRÉATION DE BANNIÈRE Créer une bannière pub pour « Bamback » le premier sac à dos en fibre de bambou. Le produit est recyclage, possède une empreinte carbone négative, Le visuel d’ambiance sera créé avec Midjourney ou Dall-e Le logo sera créé avec Midjourney ou Dall-e La Phrase d’accroche avec ChatGPT (ou pas) 5mn par équipe pour présenter sa bannière Envoye sur medhi.famibelle@akabi.eu
  45. PR STUNT
  46. BRAND CONTENT Du contenu produit par la marque pour son audience Pour capter l’attention de la cible Sans employer un discours commercial
  47. Le guide Michelin Le guide gastronomique, qui répertorie les meilleures tables de France
  48. OASIS BE FRUIT Etude de cas
  49. Oasis Be Fruit • En 2014 Oasis est sur un rythme de • 3 posts Facebook par jour • Une vingtaine de tweets dans la journée. Une grande réactivité pour coller à l’actualité politique, cinématographique, sportive ou au dernier mème sur Internet
  50. COLLER AU BUZZ DU MOMENT: CHEWBACCA MUM
  51. OSER POUR SURPRENDRE, OSER POUR FAIRE RÉAGIR
  52. ÉTENDRE L’UNIVERS CRÉATIF DE LA MARQUE En positionnant ses personnages dans une réalité alternative et fun
  53. BRAND CONTENT (CONTENU DE MARQUE) Nouvelle manière de penser la communication publicitaire (utilisé plutôt en B2C) Utilise les techniques des médias traditionnels (contenus, vidéos, jeux, magazines, contenus interactifs) Contenu qui va intéresser l’audience sans pression commerciale (absence d’argumentaire ou effacement des slogans publicitaires)
  54. QUIZZ Quel est l'objectif du brand content ? A) Augmenter les ventes B) Vendre des produits C) Créer un lien émotionnel entre la marque et les consommateurs D) Construire la notoriété de la marque
  55. QUIZZ Quel est l'objectif du brand content ? A) Augmenter les ventes B) Vendre des produits C) Créer un lien émotionnel entre la marque et les consommateurs D) Construire la notoriété de la marque
  56. La publicité en ligne
  57. LES TYPES (NON EXHAUSTIF) DE DONNÉES DU DATA MARKETING •Une bannière s’est affichée Impression •Le visiteur a cliqué sur la bannière Clicks •Le visiteur a acheté le produit Conversion
  58. LA PUBLICITÉ EN LIGNE UN ÉCOSYSTÈME STRUCTURÉ PAR L’OFFRE ET LA DEMANDE La demande L’annonceur a un catalogue de produits à faire connaitre et à vendre L’offre L’éditeur offre des espaces publicitaires pour faire afficher les annonces de l’annonceur L’éditeur fait en sorte que son contenu éditorial soit riche et varié pour attirer de l’audience sur son site.
  59. LA PUBLICITÉ EN LIGNE UN ÉCOSYSTÈME STRUCTURÉ PAR L’OFFRE ET LA DEMANDE Demande Catalogue de service à vendre Offre L’éditeur valorise son audience Offre espace de Pub
  60. LA PUBLICITÉ EN LIGNE : NIVEAU I
  61. LA PUBLICITÉ EN LIGNE : NIVEAU I STRUCTURE D’UNE PAGE ÉDITEUR Espace publicitaire Espace publicitair e Espace publicitair e
  62. LA DEMANDE : L’ANNONCEUR A UN CATALOGUE DE PRODUIT À VALORISER Catalogue de produits à valoriser
  63. L’OFFRE : L’ÉDITEUR A DES ESPACES PUBLICITAIRES À FAIRE TOURNER Espace publicitaire Espace publicitair e Espace publicitair e
  64. L’OFFRE RENCONTRE LA DEMANDE, L’ANNONCEUR ANNONCE SON CATALOGUE DE PRODUIT SUR LE SITE L’ÉDITEUR
  65. LE MODÈLE A SES LIMITES, JE PEUX ÊTRE UN HOMME ET JE REÇOIS UNE PUB MAL CIBLÉE
  66. LA PUBLICITÉ EN LIGNE : NIVEAU II
  67. LES ÉDITEURS METTENT LEURS ESPACES PUBLICITAIRES EN RÉSEAU Le journal du geek et Femme-Actuelle Ex : L’éditeur garantit 1000 impressions de l’annonce sur le réseau Le Journal du geek + Femme-Actuelle
  68. LA PUBLICITÉ EN LIGNE : NIVEAU III
  69. LES ÉDITEURS PROPOSENT LEUR ESPACE PUBLICITAIRES (INVENTAIRES) VIA UN SYSTÈME D’ENCHÈRES LES ANNONCEURS ENCHÉRISSENT, OU PAS, SUR L’OPPORTUNITÉ DE FAIRE AFFICHER LEUR PUBLICITÉ Place de marché
  70. LE GAGNANT PLACE SON ANNONCE Place de marché Toute l’opération se fait en moins de 200ms, en quasi temps réel Le Real Time Bidding
  71. LA PUBLICITÉ EN LIGNE : NIVEAU III Demande Catalogue d’annonces à valoriser Offre Inventaire à valoriser Annonceurs Editeur DSP SSP Ad Server Editeur Ad Exchange Ad Server annonceur
  72. Ad Server Editeur LA PUBLICITÉ EN LIGNE : NIVEAU III La SSP permet à l’éditeur de valoriser son inventaire Offre Inventaire à valoriser Editeur SSP Ad Exchange Demande Catalogue d’annonces à valoriser pour faire la promotion des produits
  73. Ad Server annonceur LA DSP PERMET À L’ÉDITEUR DE VALORISER SON CATALOGUE Demande Catalogue d’annonces à valoriser pour faire la promotion des produits La DSP permet à l’annonceur de faire des enchères sur les impressions mises à disposition par l’éditeur en ciblant les bons clients/prospects grâce au cookies laissés par les visiteurs Annonceurs Ad Exchange DSP
  74. SSP Ad Server Editeur Ad Server annonceur LA DSP PERMET À L’ANNONCEUR DE CIBLER DES SEGMENTS COOKIES GRÂCE À UNE DMP (OU PAR MAIL) Demande Catalogue d’annonces à valoriser pour faire la promotion des produits Offre Inventaire à valoriser Annonceurs Editeur DSP Ad Exchange
  75. LA BID REQUEST La bid request envoie des informations sur l’emplacement de l’espace publicitaire, l’appareil utilisé, l’application mobile, le segment de cookie et surtout l’identifiant du cookie Les bid request sont SSP Ad Server Editeur SSP
  76. LA PUBLICITÉ EN LIGNE <Quizz >
  77. QUIZZ Qu'est qu'une impression ? a) Une impression est une mesure du nombre d’affichage d'une annonce publicitaire sur un site web. b) Une impression est le nombre de clics sur une annonce publicitaire. c) Une impression est le coût d'affichage d'une annonce publicitaire. d) Une impression est le temps pendant lequel une annonce publicitaire est affichée à l'écran.
  78. QUIZZ Qu'est qu'une impression ? Réponse a) Une impression est une mesure du nombre de vues d'une annonce publicitaire sur un site web.
  79. QUIZZ Qu'est qu'un inventaire ? a) Un inventaire est le nombre d'utilisateurs atteints par une annonce publicitaire. b) Un inventaire est la liste des sites web et des applications disponibles pour diffuser des annonces publicitaires. c) Un inventaire est le coût total des annonces diffusées sur un site web. d) Un inventaire est le temps d'affichage total d'une annonce publicitaire.
  80. QUIZZ Qu'est ce qu'une DSP ? a) Une DSP est une plateforme de diffusion de contenu en ligne. b) Une DSP est une plateforme de diffusion de publicités en ligne. c) Une DSP est une plateforme d'analyse de données en ligne. d) Une DSP est une plateforme de commerce en ligne.
  81. QUIZZ Qu'est ce qu'une DSP ? a) Une DSP est une plateforme de diffusion de contenu en ligne. b) Une DSP est une plateforme de diffusion de publicités en ligne. c) Une DSP est une plateforme d'analyse de données en ligne. d) Une DSP est une plateforme de commerce en ligne.
  82. QUIZZ Qu'est ce qu'une SSP ? a) Une SSP est une plateforme de diffusion de contenu en ligne. b) Une SSP est une plateforme de diffusion de publicités en ligne. c) Une SSP est une plateforme d'analyse de données en ligne. d) Une SSP est une plateforme de vente en ligne pour les éditeurs de contenu.
  83. QUIZZ Qu'est ce qu'une SSP ? a) Une SSP est une plateforme de diffusion de contenu en ligne. b) Une SSP est une plateforme de diffusion de publicités en ligne. c) Une SSP est une plateforme d'analyse de données en ligne. d) Une SSP est une plateforme de vente en ligne pour les éditeurs de contenu.
  84. QUIZZ Qu'est qu'une DMP ? a) Une DMP est une plateforme de diffusion de contenu en ligne. b) Une DMP est une plateforme de diffusion de publicités en ligne. c) Une DMP est une plateforme d'analyse de données en ligne. d) Une DMP est une plateforme de commerce en ligne.
  85. QUIZZ Donnez un exemple d'annonceur ? a) Amazon b) Netflix c) Google d) Facebook
  86. QUIZZ Donnez un exemple d'annonceur ? a) Amazon b) Netflix c) Google d) Facebook
  87. QUIZZ Donnez un exemple d’éditeur ? a) Facebook b) Google c) Amazon d) Microsoft
  88. QUIZZ Donnez un exemple d’éditeur ? Réponse : b) Google Google est l'un des plus grands éditeurs en ligne au monde, avec sa plateforme publicitaire AdWords. Les annonceurs peuvent créer et diffuser des annonces sur le moteur de recherche Google, sur des sites web associés au réseau Google Display, ainsi que sur YouTube.
  89. QUIZZ Qu’est ce qu’un segment ? a) Une unité de mesure pour les impressions publicitaires b) Une audience cible définie par les annonceurs c) Un groupe d'utilisateurs qui ont acheté le même produit d) Une stratégie de marketing pour les produits de niche
  90. QUIZZ Qu’est ce qu’un segment ? Réponse : b) Une audience cible définie par les annonceurs Un segment est un groupe de personnes qui partagent des caractéristiques spécifiques, telles que des intérêts, des habitudes de consommation, des habitudes de navigation, etc. Les annonceurs peuvent utiliser ces informations pour cibler leurs annonces à une audience spécifique.
  91. QUIZZ Qu’est ce que le RTB ? a) Une stratégie de marketing pour les entreprises en ligne b) Une méthode de diffusion de publicités sur les réseaux sociaux c) Une enchère en temps réel pour les espaces publicitaires en ligne d) Une plateforme de diffusion de publicités pour les sites web de niche
  92. QUIZZ Qu’est ce que le RTB ? Réponse : c) Une enchère en temps réel pour les espaces publicitaires en ligne RTB signifie "Real-Time Bidding" (enchère en temps réel). Il s'agit d'un système d'enchère automatisé pour les espaces publicitaires en ligne. Les annonceurs peuvent diffuser des annonces ciblées à des utilisateurs en temps réel, en fonction de leur comportement en ligne, à mesure que les pages web se chargent.
  93. QUIZZ En combien de temps se fait le RTB (Real-Time Bidding) ? a) En quelques millisecondes b) En quelques secondes c) En quelques minutes d) En quelques jours
  94. QUIZZ En combien de temps se fait le RTB (Real-Time Bidding) ? Réponse : a) En quelques millisecondes Le RTB (Real Time Bidding) est un système d'enchères en temps réel qui se déroule en quelques millisecondes. Les annonceurs soumettent des enchères pour diffuser leurs annonces sur des sites web spécifiques et les éditeurs de sites web acceptent ou rejettent les enchères en fonction de leur valeur. Cette rapidité permet une distribution efficace et ciblée des annonces en ligne.
  95. QUIZZ Qu’est ce qu’une bid request ? a) Une demande d'enchère pour une annonce en ligne b) Un programme pour gérer les annonces en ligne c) Une plateforme pour acheter et vendre des annonces en ligne d) Une stratégie pour maximiser les bénéfices des annonces en ligne
  96. QUIZZ Qu’est ce qu’une bid request ? Réponse : a) Une demande d'enchère pour une annonce en ligne Une bid request est une demande d'enchère qui est envoyée par un éditeur de site web à un annonceur pour afficher une annonce sur son site. Cette demande inclut des informations sur le type de publicité, l'emplacement, le public cible, etc. Les annonceurs peuvent soumettre une enchère en réponse à la demande, ce qui permet aux éditeurs de déterminer le meilleur annonceur pour afficher leur annonce sur leur site web.
  97. LA PUBLICITÉ EN LIGNE </Quizz >
  98. EN RÉSUMÉ Les éditeurs mettent leur espaces publicitaires (inventaires) au plus offrant des annonceurs Lorsque l’annonceur affiche sa publicité sur le site de l’éditeur, il doit le faire au bon moment avec le bon produit pour la bonne personne de façon à maximiser la probabilité de clic sur la bannière. L’annonceur utilise des techniques pour connaitre le client qui visite le site de l’éditeur
  99. LES COOKIES
  100. ATELIER DE CRÉATION DE COOKIES <Exercice d’applicatio n> ~60 minutes
  101. ATELIER DE CRÉATION DE COOKIES À votre avis, combien de cookies avez- vous sur votre ordinateur ? 1.10 cookies 2.100 cookies 3.1000 cookies 4.> 1000 cookies 10 minutes
  102. ATELIER DE CRÉATION DE COOKIES À votre avis, combien de cookies avez- vous sur votre ordinateur ?
  103. ATELIER DE CRÉATION DE COOKIES installation du plugin 1. sous Firefox « Cookie Quick Manager » 2. « Awesome Cookie Manager » 10 minutes
  104. AWESOME COOKIE MANAGER
  105. ATELIER DE CRÉATION DE COOKIES Afficher tous les cookies 5 minutes
  106. ATELIER DE CRÉATION DE COOKIES Lotame Doubeclick Adobe AppNexus ABTesty
  107. ATELIER DE CRÉATION DE COOKIES 1/ Rechercher cookies de bluekai, doubleclick, ABTesty, Criteo 2/ ouvrez le navigateur en mode privé Avez-vous des cookies en navigation privées ? Réponse dans le chat Combien de cookies avez-vous ? 5 minutes
  108. ATELIER DE CRÉATION DE COOKIES Rendez-vous sur https://www.w3school s.com/js/tryit.asp?file name=tryjs_cookie_us ername Lien court https://bit.ly/w3cooki
  109. ATELIER DE CRÉATION DE COOKIES Rendez-vous sur https://www.w3school s.com/js/tryit.asp?file name=tryjs_cookie_us ername Lien court
  110. ATELIER DE CRÉATION DE COOKIES 1. Cliquez sur Annuler
  111. ATELIER DE CRÉATION DE COOKIES Afficher tous les cookies du domaine www.w3schools. com
  112. ATELIER DE CRÉATION DE COOKIES 1. Cliquez sur Run 2. Entrez votre nom
  113. ATELIER DE CRÉATION DE COOKIES 1. Cliquer sur l’extension cookie quick manager 2. Le cookie ‘username’ a été crée 3. Le navigateur via le server du domain www.w3schools.c om a déposé un
  114. ATELIER DE CRÉATION DE COOKIES Nom du cookie Valeur du cookie Domaine du cookie Date d’expiration du cookie Chemin du cookie
  115. ATELIER DE CRÉATION DE COOKIES 1. Cliquez sur Run 2. Le navigateur vous reconnait
  116. ATELIER DE CRÉATION DE COOKIES 1. Modifiez le cookie 1. Changer le nom 2. Changer la date d’expiration 2. Observez et commentez le résultat 5 minutes
  117. ATELIER DE CRÉATION DE COOKIES À RETENIR 1. Le nom du cookie 2. La valeur du cookie 3. Le domaine du cookie 4. Un cookie est valable que pour un domaine (ie w3schools.com dans notre cas)
  118. ATELIER DE CRÉATION DE COOKIES </Exercice d’applicatio n>
  119. LA PROGRAMMATIQUE •Le visiteur navigue sur le site •La SSP qui gère les espaces pub pose un cookie •Le SSP informe la DSP de l’existence de deux emplacement pubs avec une bid request •<bid request>cookies, emplacement espace pub, device, etc.</bid request> •La DSP fait l’enchère pour afficher la pub •La SSP retient l’enchère gagnante •La pub s’affiche
  120. LA PROGRAMMATIQUE •Le visiteur navigue sur le site •La SSP qui gère les espaces pub pose un cookie •Le SSP informe la DSP de l’existence de deux emplacement pubs avec une bid request •<bid request>cookies, emplacement espace pub, device, etc.</bid request> •La DSP fait l’enchère pour afficher la pub •La SSP retient l’enchère gagnante •La pub s’affiche { "id": "1234534625254", "at": 2, "tmax": 120, "imp": [ { "id": "1", "banner": { "w": 320, "h": 50, "pos": 1, "battr": [ 13 ] } } ], "badv": [ "company1.com", "company2.com" ], "app": { "id": "234563", "bundle": "com.rovio.angrybirds", "cat": [ "IAB2-1", "IAB2-2" ], "publisher": { "id": "pub12345" } }, "device": { "ip": "64.124.253.1", "ua": "Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10.6; en-US; rv:1.9.2.16) Gecko/20110319 Firefox/3.6.16", "os": "OS X" }, "user": { "id": "45asdf987656789adfad4678rew656789" }, "ext": { "udi": { "idfa": "44E9AF56-9ED1-47AE-A3F4-719D050641F9" }, "appnexus": { "seller_member_id": 2066 } } }
  121. C’EST QUOI UNE DMP? « La DMP est une plateforme qui permet de créer des audiences ciblées à partir de données issues de 1st et 3rd party pour mener des campagnes ciblées à travers des réseaux Ad Exchange et Ad Network La DMP permet de mesurer les performances des meilleurs segments et canaux et d’affiner l’achat média et la création de bannière »
  122. BIG DATA ET INTELLIGENCE ARTIFICIELLE Cette photo par Auteur inconnu est soumise à la licence CC BY
  123. UNE MINUTE SUR INTERNET En 2021, en un seule petite minute il y a : ● 500 heures de contenus soient mises en ligne sur YouTube, ● 69 millions de messages envoyés sur Whatsapp et Facebook Messenger ● 1,3 million d'euros dépensés
  124. QU’EST CE QUE LA BIG DATA ? 64 Zettaoctets en 2020 181 Zettaoctets en 2025 1 octet = 8 bits 1 ko = 1000 octets 1 Mo = 1000 * 1ko 1 Go = 1000 * 1Mo 1 To = 1000 * 1Go 1 Po = 1000 * 1To 1 ExaOctet = 1000 * 1Po 1 ZettaOctet = 1000 * 1 ExaOctet 1000 milliards de gigaoctets, 10E21 octets
  125. TRIVIA en prenant en compte les plages, les côtes, les déserts… On estime qu’il y a 100 milliards de grains de sable par mètres cube. Il y a 10 puissance 21 grains de sables sur Terre Il y a 60x10 puissance 21 octets de data Si chaque grain de sable contenait un octet de données, on aurait pas assez de grains de sable sur Terre pour tout stocker…
  126. PRINCIPES GÉNÉRAUX DE LA DATA SCIENCE 26/03/2023 138
  127. UN NEURONE ARTIFICIEL
  128. DES NEURONES Réseau de neurones permettant de reconnaître un chiffre manuscrit (le “9” dans l’animation)
  129. Le Machine Learning 3 étapes 1. On injecte 2. On compare 3. On ajuste 1- On injecte des données de la vie réelle (données d’entraînement ) dans un algorithme (ex: réseau de neurones) 2- On compare la réponse de l’algorithme à la valeur observée réellement pour évaluer les paramètres de l’algorithme 3- On itère jusqu’à ce que les paramètres de l’algorithme soient figés et donne la réponse correcte (apprentissage )
  130. Apprentissage Supervisé Apprentissage Non Supervisé Apprentissage Renforcé 142 Machine Learning trois types d’apprentissage
  131. Les catégories à apprendre sont définies par l’humain sur la base d’un jeu de données d'entraînement (Training DataSet) Apprentissage Supervisé
  132. L’octroi de crédit bancaire La prédiction des pannes La détection d’anomalies La détection de fraudes Retargeting en pub Le calcul de prime en assurances La prédiction de l’attrition (perte des clients) L’estimation de l’efficacité des campagnes marketing L’aide au diagnostic La détermination d’un cours de marché, d’un prix de vente pour une plateforme de trading, etc. APPLICATIONS DE L’APPRENTISSA GE SUPERVISÉ
  133. APPRENTISSAGE NON SUPERVISÉ La machine découvre toute seule les catégories
  134. APPRENTISSAGE NON SUPERVISÉ Combien de classes/catégories de ballons?
  135. APPRENTISSAGE NON SUPERVISÉ Données non labellisées Découverte par l’IA des 4 classes basées sur la forme et l’imprimé sur
  136. APPRENTISSAGE NON SUPERVISÉ Découverte par l’IA des 4 classes basées sur la forme et l’imprimé sur les balles
  137. L’exploration automatisée des données La simplification des bases de données (réduction du nombre de variables) La segmentation d’une base clients Le ciblage des campagnes marketing L’identification de types d’anomalies, de pannes, de fraudes La spécification de tableaux de bord de pilotage d’activité La réalisation de sondages ou d’enquêtes Le classement de produits ou de points de vente en classe La détermination des types de fraudes possibles Le profiling des clients qui quittent (ou vont quitter) la marque APPLICATIONS DE L’APPRENTISSA GE NON SUPERVISÉ
  138. L’APPRENTISSAGE PAR RENFORCEMENT Un agent récompense chaque bonne action de
  139. LES MODES D'APPRENTISSAGE DE L’IA Mode Données d'entraînement labellisées Définition Usages Supervisé OUI Pour la phase d'entraînement, le résultat souhaité est connu Reconnaissance d'images, prédiction de valeurs, réalisation de diagnostics, détections de fraudes Non-Supervisé NON Pour la phase d'entraînement, le résultat souhaité est inconnu Segmentation Clients, détermination de KPIs, regroupement d'Objets qui sembles partager un similitude Par Renforcement ça dépend Le résultat attendu est évalué au cas par cas Moteurs de recommandations, IA dans le Gaming
  140. QUIZZ Qu’est ce que l’apprentissage supervisé? Qu’est ce que l’apprentissage non supervisé? Qu’est ce que l’apprentissage par renforcement? 5 minutes
  141. Voix Vidéo Texte Image Database 154 Machine Learning grands domaines d’application
  142. APPRENTISSAGE SUPERVISÉ APPLIQUÉ À LA VIDÉO You Only Look Once a.k.a YOLO 155
Anzeige