La cartographie des préférences. François Husson Laboratoire de mathématiques appliquées Agrocampus ouest
|
|
- Bernard Normand
- il y a 7 ans
- Total affichages :
Transcription
1 La cartographie des préférences François Husson Laboratoire de mathématiques appliquées Agrocampus ouest 1
2 Relation données sensorielles données instrumentales Pourquoi relier les données sensorielles à d autres données? Les jugements sensoriels sont souvent remis en cause Peut-on les «valider» avec des mesures «sûres»? Peut-on remplacer les mesures sensorielles par des mesures instrumentales? Comment faire? Expliquer l espace produit sensoriel par les variables physicochimiques, des variables de composition Comparer l espace produit sensoriel et l espace produit physicochimique 1
3 Relation données sensorielles données instrumentales Descripteurs sensoriels Variables physico-chimiques prod duits Prod. 1 Prod. 2 Prod. 3 Prod. I DS 1 DS 2 DS J PC1 PC2 PC K 2
4 Relation données sensorielles données instrumentales Dim 2 ( %) Pulpeux Epaisseur Sucre ExtraitSec AromeBanane IntensiteOlfactive Glucose Fructose ph Saccharose VitC AromeCitron PersistanceGout AromeMangue IntensiteCouleur AcideCitrique IntensiteDAttaque AciditeTotale Acide Acide.L.Malique MatProteique Amer AromeOrange Dim 1 (53.16%) 3
5 Relation données sensorielles données instrumentales Dim 2 ( %) VitC ph MatProteique AromeOrange AromeBanane AcideCitrique Acide.L.Malique IntensiteCouleur Sucre ExtraitSec Glucose Fructose Epaisseur Saccharose Amer Pulpeux Acide IntensiteOlfactive IntensiteDAttaque AromeMangue AciditeTotale PersistanceGout AromeCitron Dim 1 (39.5%) 4
6 Analyse des préférences des consommateurs Questions : Pourquoi les consommateurs aiment ou n aiment pas un produit? Quel nouveau produit fabriqué pour qu il soit apprécié par beaucoup de consommateurs (quel nouveau marché visé)? 5
7 Objectif de la cartographie des préférences Relier les préférences des consommateurs aux caractéristiques physico-chimiques et/ou sensorielles d un produit Visualiser ces relations sur une carte «facilement» lisible 6
8 Cartographie des préférences Deux types de cartographie Cartographie interne : différences entre produits fondées sur les préférences des consommateurs puis mise en relation avec les caractéristiques sensorielles et/ou physico-chimiques des produits Cartographie externe : différences entre produits fondées sur leur caractéristique sensorielle et/ou physico-chimique puis mise en relation avec les préférences des consommateurs 7
9 Cartographie interne C préférences des consommateurs J descripteurs sensoriels et/ou physico-chimiques produi its Prod. 1 Prod. 2 Prod. 3 Prod. I Conso 1 Conso 2 Conso C DS 1 DS 2 DS J P1 PI P4 P3 P2 Construction d une carte à partir des préférences des consommateurs : ACP avec les préférences en variables actives 8
10 Cartographie interne C préférences des consommateurs J descripteurs sensoriels et/ou physico-chimiques prod duits Prod. 1 Prod. 2 Prod. 3 Prod. I Conso 1 Conso 2 Conso C DS 1 DS 2 DS J Mise en relation avec les préférences des consommateurs : projection des descripteurs sensoriels et/ou des variables physico-chimiques en tant que variables supplémentaires DS3 DS1 DS2 9
11 Individuals factor map (PCA) MCb_ Dim 2 (10.17%) Bco_ MCo Ocb_ OCm BCm Om_ Bmc_ Moc_ Mb obmc1 obmc_ obmc2 Obc Bo obm_ Cartographie interne Dim 1 (34.71%) Dim 2 (10.17%) Variables factor map (PCA) Dim 2 (10.17%) Variables factor map (PCA) AromeMangue AromeCitron PersistanceGout IntensiteCouleur Pulpeux IntensiteOlfactive Acide Amer Epaisseur IntensiteDAttaque Sucre AromeBanane AromeOrange Dim 1 (34.71%) Dim 1 (34.71%) 10
12 Classification et segmentation des consommateurs Segmentation des consommateurs en classes de préférence Hierarchical Clustering Click to cut the tree inertia gain 1.5 Classification de variables ou transposition du tableau et classification des consommateurs C46 C51 C66 C55 C22 C33 C95 C53 C47 C37 C44 C76 C99 C29 C42 C93 C17 C32 C57 C28 C64 C11 C18 C65 C23 C58 C59 C81 C20 C39 C43 C15 C12 C88 C85 C21 C62 C86 C56 C38 C78 C100 C72 C77 C96 C67 C8 C34 C75 C1 C61 C30 C31 C74 C5 C82 C80 C54 C48 C49 C9 C91 C84 C41 C26 C50 C97 C90 C98 C4 C92 C3 C89 C6 C36 C69 C27 C2 C70 C79 C19 C13 C16 C35 C63 C83 C60 C24 C7 C87 C45 C68 C25 C40 C10 C71 C94 C73 C14 C Panelist
13 Classification et segmentation des consommateurs Caractérisation des classes à partir des produits préférés par classe ou des caractéristiques des consommateurs Classe 1 / 3 v.test Mean in category Overall mean sd in category Overall sd p.value MCb_ Ocb_ Bco_ OCm BCm obmc MCo obmc Moc_ Om_ Bmc_ Obc Mb Classe 2 / 3 v.test Mean in category Overall mean sd in category Overall sd p.value Om_ Bo Obc obmc Mb Bmc_ obm_
14 Représentation des moyennes de classe Variables factor map (PCA) Dim 2 (10.17%) Classe 1 Classe 2 Classe Dim 1 (34.71%) BCm Bco_ Bmc_ Bo Mb MCb_ MCo Moc_ Obc obm_ obmc_ obmc1 obmc2 Ocb_ OCm Om_ Classe Classe Classe
15 Cartographie externe J descripteurs sensoriels et/ou physico-chimiques C préférences des consommateurs produ uits Prod. 1 Prod. 2 Prod. 3 Prod. I DS 1 DS 2 DS J Conso 1 Conso 2 Conso C P4 PI P2 P3 P1 1ère étape : Construction d une carte à partir des descripteurs sensoriels et/ou physico-chimiques : ACP avec descripteurs en variables actives 14
16 Cartographie externe Comment construire la carte des produits en cartographie externe? Par une ACP 15
17 Cartographie externe Composantes principales Préférences des consommateurs prod duits Prod. 1 Prod. 2 Prod. 3 Prod. I DS 1 DS 2 DS J F1 F2 Conso 1 Conso 2 Conso C 2ème étape : Mise en relation avec les préférences des consommateurs : régression des préférences sur les composantes principales de l ACP obtenues à l étape 1 16
18 Cartographie externe Comment relier la carte des produits aux préférences des consommateurs? Idée : construire, par consommateur, un modèle de régression de la préférence en fonction des composantes principales de l ACP Prod. 1 Prod. 2 Prod. 3 Prod. I Conso j F1 F2 Conso j = m + a F 1 + b F 2 17
19 Individuals factor map (PCA) Dim 2 (24.39%) Bmc_ BCm Bo Mb obm_ obmc_ obmc1 obmc2 MCb_ Bco_ Moc_ Om_ Obc Ocb_ MCo OCm Cartographie externe Dim 2 (24.39%) Dim 1 (52.82%) Variables factor map (PCA) AromeCitron PersistanceGout IntensiteCouleur IntensiteOlfactive AromeMangue Epaisseur Pulpeux IntensiteDAttaque Sucre AromeBanane Acide Amer AromeOrange Dim 2 (24.39%) Variables factor map (PCA) Dim 1 (52.82%) Dim 1 (52.82%)
20 Cartographie externe Mais : préférences des consommateurs pas toujours linéaires Préférence Produit apprécié si ni trop sucré ni trop peu - - Saveur sucrée + + Plusieurs modèles possible : - Modèle vectoriel : Y = m + a F 1 + b F 2 - Modèle complet : Y = m + a F 1 + b F 2 + c F 12 + d F 22 + e F 1 F 2 19
21 Cartographie externe Comment synthétiser les préférences de tous les consommateurs? Discrétiser le plan de la carte de l ACP Pour chaque consommateur, prédire sa préférence en chaque point du plan Pour chaque consommateur, séparer le plan en zone(s) de préférence et zone(s) de rejet (i.e. pour chaque point de la carte, prédire à l aide du modèle de régression, si la prédiction est supérieure à la moyenne : zone de préférence, sinon zone de rejet) Conso 1 Conso 2 20
22 Cartographie externe Cumuler toutes les zones de préférences sur une seule carte (i.e. pour chaque point de la carte, comptabiliser le nombre de consommateurs qui considèrent ce point comme un point de préférence) Carte cumulée Zone de préf pour les 2 Zone de préf pour 1 des 2 Pour chaque consommateur, on peut aussi matérialiser «son» produit idéal (i.e. le point de la carte pour lequel la prédiction est la plus élevée) par une croix 21
23 30 Cartographie externe Preference mapping Dim Bmc_ Bo BCm Mb obm_ MCb_ Bco_ Moc_ obmc_ obmc1 obmc2 Om_ Obc 40 MCo 20 Ocb_ OCm Modèle quadratique complet Produits BCm, obm_, Mb plus appréciés que les autres : intérêt de la carto sur ces données? Dim 1
24 0.9 Cartographie externe Preference mapping Alliance de segmentation et carte de préférences: 0.3 MCb_ Moc_ Bco_ Bmc_ 0.7 Superposition de trois cartes, une par classe de consommateurs Ocb_ obm_ BCm obmc_ 0.15 Mb MCo OCm obmc obmc Om_ Bo Obc Dim 1 Dim
25 Cartographie Avantages de la cartographie : La carte a un rendu joli : ne plaît pas toujours au statisticien, mais beaucoup au marketing! Désavantages : Stabilité des jugements hédoniques peu évidente Axes 1 et 2 de l analyse factorielle pas toujours liés aux préférences Construction de modèle avec peu de produits peu stable : six paramètres sont à estimer à partir de I produits (I = 8, 10?), quelle est la stabilité du modèle? 24
PLAN. Ricco Rakotomalala Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/ 2
Apprentissage non-supervisé ou apprentissage multi-supervisé? Ricco RAKOTOMALALA Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/ PLAN. Classification automatique, typologie, etc.. Interprétation
Plus en détailFormation des collecteurs de traces. Récupération des traces
Formation des collecteurs de traces Récupération des traces Ce module explique la méthode de récupération des traces avant envoi au WebSIG, ainsi que le géocodage des photos. Prérequis : Disposer d un
Plus en détailESIEA PARIS 2011-2012
ESIEA PARIS 2011-2012 Examen MAT 5201 DATA MINING Mardi 08 Novembre 2011 Première Partie : 15 minutes (7 points) Enseignant responsable : Frédéric Bertrand Remarque importante : les questions de ce questionnaire
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailData Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.
des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailSELLE Masse d'eau AR51
SELLE Masse d'eau AR51 Présentation Générale : Superficie : 720 m² exutoire : Somme canalisée à Amiens longueur des cours d'eaux principaux : 63,27 km Population du bassin Versant 2006 : 28 211 hab Évolution
Plus en détailConception de Médicament
Conception de Médicament Approche classique HTS Chimie combinatoire Rational Drug Design Ligand based (QSAR) Structure based (ligand et ou macromolec.) 3DQSAR Docking Virtual screening Needle in a Haystack
Plus en détailBig Data et Marketing : les competences attendues
Big Data et Marketing : les competences attendues Laurence Fiévet Responsable Marketing Corporate Oney Banque Accord LA DYNAMIQUE DU MARKETING Selon la définition de Kotler et Dubois, «Le marketing est
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailStructure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données
Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données et le Data Mining Nous suivons le plan suivant : Fonctionnement de Spad Catalogue des méthodes (statistiques
Plus en détailEvaluation de la typicité des vins liés au terroir : proposition de méthodes pour les professionnels de la filière
Evaluation de la typicité des vins liés au terroir : proposition de méthodes pour les professionnels de la filière Ronan SYMONEAUX, Isabelle MAITRE, Frédérique JOURJON UMT VINITERA- Laboratoire GRAPPE
Plus en détailNotice d Utilisation du logiciel Finite Element Method Magnetics version 3.4 auteur: David Meeker
Notice d Utilisation du logiciel Finite Element Method Magnetics version 3.4 auteur: David Meeker DeCarvalho Adelino adelino.decarvalho@iutc.u-cergy.fr septembre 2005 Table des matières 1 Introduction
Plus en détailL'amélioration des performances économiques des territoires : méthodologie des cartes de performance. Application à la liaison Grenoble Sisteron
L'amélioration des performances économiques des territoires : méthodologie des cartes de performance Application à la liaison Grenoble Sisteron **** 1 Sommaire Introduction : les facteurs de développement
Plus en détailQuel sirop choisir pour le nourrissement d hiver.
Syndicat des apiculteurs de Thann et environs Quel sirop choisir pour le nourrissement d hiver. Auteurs : R.Hummel & M.Feltin Octobre 2014 Les sirops de nourrissement : La qualité des sirops utilisés pour
Plus en détailMise en œuvre de les capteurs dans la gestion de l eau
Mise en œuvre de standards OGC pour les capteurs dans la gestion de l eau Forum OGC France Journée de l interopérabilité 5 décembre 2012 Simon Le Grand 09/12/2012) Veolia Eau Ile de France Direction Technique
Plus en détailPascal Schlich, INRA
Pascal Schlich, INRA 1. Les limites du profil sensoriel classique 2. La Dominance Temporelle des Sensation (DTS) 3. Un questionnaire de mesure de la complexité perçue 4. Quatre applications aux boissons
Plus en détailStages 2014-2015 ISOFT : UNE SOCIETE INNOVANTE. Contact : Mme Lapedra, stage@isoft.fr
Stages 2014-2015 ISOFT : UNE SOCIETE INNOVANTE Contact : Mme Lapedra, stage@isoft.fr ISoft, éditeur de logiciels, est spécialisé dans l informatique décisionnelle et l analyse de données. Son expertise
Plus en détailCHAPITRE 5 L AMORTISSEMENT DEGRESSIF
CHAPITRE 5 L AMORTISSEMENT DEGRESSIF Afin de présenter les comptes annuels de la SARL MACCABI dont il est le comptable, M. Magee a commencé à réaliser, dés le 31/12, les travaux d inventaire. Il vous demande
Plus en détailApplication originale de l analyse conjointe pour un design robuste de volants ou comment concevoir utile
Application originale de l analyse conjointe pour un design robuste de volants ou comment concevoir utile Sébastien Crochemore*, Jean-François Bassereau**, Robert Duchamp** * RENAULT, Technocentre Renault,,
Plus en détailComparer l intérêt simple et l intérêt composé
Comparer l intérêt simple et l intérêt composé Niveau 11 Dans la présente leçon, les élèves compareront divers instruments d épargne et de placement en calculant l intérêt simple et l intérêt composé.
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailLangage SQL : créer et interroger une base
Langage SQL : créer et interroger une base Dans ce chapitre, nous revenons sur les principales requêtes de création de table et d accès aux données. Nous verrons aussi quelques fonctions d agrégation (MAX,
Plus en détaillire les Étiquettes et trouver les sucres cachés
lire les Étiquettes et trouver les sucres cachés Objectif : Sensibiliser les élèves à ce qui se trouve dans leur nourriture et les aider à se méfi er des sucres cachés. Matériel Feuille à imprimer : Chaîne
Plus en détailLa reconnaissance moléculaire: la base du design rationnel Modélisation moléculaire: Introduction Hiver 2006
La reconnaissance moléculaire: la base du design rationnel En 1890 Emil Fisher a proposé le modèle "serrure et clé" pour expliquer la façon de fonctionner des systèmes biologiques. Un substrat rentre et
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailMémo d utilisation de ADE-4
Mémo d utilisation de ADE-4 Jérôme Mathieu http://www.jerome.mathieu.freesurf.fr 2003 ADE-4 est un logiciel d analyses des communautés écologiques créé par l équipe de biostatistiques de Lyon. Il propose
Plus en détailINTRODUCTION AU DATA MINING
INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailwww.mesureo.com A N A L Y S E U R E N L I G N E D A G V D E S B I C A R B O N A T E S D E L A L C A L I N I T E
www.mesureo.com A N A L Y S E U R E N L I G N E D A G V D E S B I C A R B O N A T E S D E L A L C A L I N I T E Solutions pour l analyse de l eau en ligne AnaSense Analyseur en ligne d AGV, des bicarbonates
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailSolutions Décisionnelles SPAD. La maîtrise des données, l'art de la décision
Solutions Décisionnelles SPAD La maîtrise des données, l'art de la décision SPAD, la référence en Analyse de Données et Data Mining La solution logicielle SPAD permet de tirer le meilleur parti de tous
Plus en détailEcole Technique «Transformation de données documentaires» Poitiers, 14-16 mars 2011. Atelier 1: Sphinx. import, conversion, export de données
Ecole Technique «Transformation de données documentaires» Poitiers, 14-16 mars 2011 Atelier 1: Sphinx import, conversion, export de données Introduction à la Recherche d'ist via le Web INRA Grignon, 03/2011
Plus en détailLa méthode de l amortissement direct
Cours 8 (STS, J.-M. Schwab) L amortissement Méthodes et calculs d'amortissements Les biens d une entreprise se déprécient par l usure, par l extinction d un droit (brevet, licence, exclusivité) ou plus
Plus en détailCARTOGRAPHIE EN LIGNE ET GÉNÉRALISATION
CARTOGRAPHIE EN LIGNE ET GÉNÉRALISATION par Julien Gaffuri JRC IES SDI unit Via Enrico Fermi, 21027 Ispra, Italie Julien.Gaffuri@gmail.com Les cartes en ligne pourraient être améliorées par l utilisation
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailPRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.
PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour
Plus en détailDéveloppement de la saveur et caractéristiques des sirops d exception
Développement de la saveur et caractéristiques des sirops d exception Stéphane Guay, biologiste responsable R&D chez Dominion & Grimm Martin Picard, chef du Pied de Cochon Qu est-ce qu un sirop d exception?
Plus en détailChapitre 3 : Le budget des ventes. Marie Gies - Contrôle de gestion et gestion prévisionnelle - Chapitre 3
Chapitre 3 : Le budget des ventes Introduction 2 Rappel des différents budgets opérationnels - budget des ventes (chapitre 3) - budget de production (chapitre 4) - budget des approvisionnements et des
Plus en détailWe make your. Data Smart. Data Smart
We make your We make your Data Smart Data Smart Une société Une société du du groupe Le groupe NP6 SPECIALISTE LEADER SECTEURS EFFECTIFS SaaS Marketing : 50% Data intelligence : 50% 15 sociétés du CAC
Plus en détailGENIE STATISTIQUE GESTION DES RISQUES ET INGENIERIE FINANCIERE MARKETING QUANTITATIF ET REVENUE MANAGEMENT
Remarque : Tous les cours sont en français, sauf contre-indication. Pour des traductions anglaises des titres, des descriptifs, et plus de renseignements, consultez l intégralité du Programme des enseignements
Plus en détailCycle 2 - Bac+5 Responsable d Affaires Agroalimentaires Titre RNCP niv I 14/16
[ Cycle 2 - Bac+5 Responsable d Affaires Agroalimentaires Titre RNCP niv I 14/16 [ QUALIFICATION VISEE Titre Responsable d Affaires Agroalimentaires, niveau I (JO du 29/11/2013) OBJECTIF PRINCIPAL DE LA
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailles deux premières années du Bachelor of Science en sciences pharmaceutiques
UNIVERSITÉ DE FRIBOURG SUISSE FACULTÉ DES SCIENCES UNIVERSITÄT FREIBURG SCHWEIZ MATHEMATISCH-NATURWISSENSCHAFTLICHE FAKULTÄT Plan d'études pour les deux premières années du Bachelor of Science en sciences
Plus en détailPRÉSENTATION ESC CHAMBÉRY - CESNI. Merchandiseur, entre marketing et vente
PRÉSENTATION ESC CHAMBÉRY - CESNI Merchandiseur, entre marketing et vente Merchandiseur, entre marketing et vente > Sommaire Présentation Un métier de terrain : merchandiseur Définition Compétences requises
Plus en détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailFormations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS
Formations EViews FORMATIONS GENERALES INTRODUCTIVES DEB : DECOUVERTE DU LOGICIEL EVIEWS INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS FORMATIONS METHODES ECONOMETRIQUES VAR : MODELES
Plus en détailMonitEM Système de monitoring continue
MonitEM Système de monitoring continue Nouveau design : plus efficace, pour un meilleur rendement Fiche Technique Sondes interchangeables avec reconnaissance automatique. Monitoring des champs électriques
Plus en détailUn outil de planning ET de ticketing? Ne cherchez plus, vous l avez trouvé!
Un outil de planning ET de ticketing? Ne cherchez plus, vous l avez trouvé! Appel téléphonique Assistance encodage rapide EMAIL entrants Alerte de robots de surveillance Création de rendez -vous Outlook
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailMABioVis. Bio-informatique et la
MABioVis Modèles et Algorithmes pour la Bio-informatique et la Visualisation Visite ENS Cachan 5 janvier 2011 MABioVis G GUY MELANÇON (PR UFR Maths Info / EPI GRAVITE) (là, maintenant) - MABioVis DAVID
Plus en détailLe CRM en BFI : une approche du pilotage stratégique
Le CRM en BFI : une approche du pilotage stratégique Sébastien Pasquet, Responsable de missions Le CRM (Customer Relationship Management) s est développé depuis 10 ans essentiellement par l intégration
Plus en détailStation Totale Geomax Série Zoom30
Station Totale Geomax Série Zoom30 GeoMax Profil de l entreprise GeoMax est une entreprise fort de solides positions sur L étroite collaboration qui présente à l international et le marché des technologies
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailIntervenant : Séverin Poutrel, BURGEAP
Capacités d accueil, aménagements commerciaux, mutabilité foncière : des outils concrets pour construire un SCOT intégrant les vulnérabilités énergétiques et climatique Intervenant : Séverin Poutrel, BURGEAP
Plus en détail1.2. REALISATION DES OPERATIONS DE PRELEVEMENTS ET D ANALYSES
AVANT-PROPOS Le présent document a été réalisé par ASCONIT Consultants, pour le compte du Conseil Général de Haute-Savoie (CG74) dans le cadre du programme 2007-2008 du suivi de la qualité des eaux des
Plus en détailOptimiser les e-mails marketing Les points essentiels
Optimiser les e-mails marketing Les points essentiels Sommaire Une des clés de succès d un email marketing est la façon dont il est créé puis intégré en HTML, de telle sorte qu il puisse être routé correctement
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailTD Services aux Commerçants
TD Services aux Commerçants catégorie standard FRAIS DE RAJUSTEMENT DU TAUX D ESCOMPTE DE LA CARTE DE CRÉDIT VISA TYPE D OPÉRATIONS PAR CARTE DE CRÉDIT VISA TAUX D INTERCHANGE VISA APPLICABLE 1,42 % 0,00
Plus en détailDEC-BAC Dossier sur les nouveaux modèles de formation développés au Collège Édouard-Montpetit en collaboration avec ses partenaires universitaires
DEC-BAC Dossier sur les nouveaux modèles de formation développés au Collège Édouard-Montpetit en collaboration avec ses partenaires universitaires Tél : (450) 679-2631, poste 2415 1 Mise à jour : 2 septembre
Plus en détailPlan de Continuité d'activité Concepts et démarche pour passer du besoin à la mise en oeuvre du PCA
Qu est-ce que la Continuité d'activité? 1. Définition 11 2. Les objectifs et enjeux du PCA 12 2.1 Les objectifs 12 2.2 Les enjeux 13 3. Les contraintes et réglementations 14 3.1 Les contraintes légales
Plus en détailL archivage - Sauvegarde
L archivage - Sauvegarde Niveau débutant Dès la Prise de vue Format lors de la prise de vue Raw : Format de prise de vue de qualité optimum, par contre nous ne connaissons pas sa longévité, sera-t-il un
Plus en détailDATE DU CONCOURS: SAMEDI 18 OCTOBRE
République Algérienne Démocratique et Populaire Ministère de l Enseignement Supérieur et de la Recherche Scientifique Université des Sciences et de la Technologie d Oran BOUDIAF Vice-Rectorat chargé de
Plus en détail4 Choix d investissement
cterrier 1/8 26/01/2011 Cours Mathématiques financières Auteur : C. Terrier ; mailto:webmaster@cterrier.com ; http://www.cterrier.com Utilisation : Reproduction libre pour des formateurs dans un cadre
Plus en détail" # $ % % & ' ( ) * +,! '()*+ *, + ' +' + ' ' -+ - +.+. /0 / 1 0 12 1 1 2 34+ 4 1 +. 50 5 * 0 4 * 0 6! "##$ % &!
"# $ %%& ' ( )*+, '()*+,'+''-++.+/0112134+1.50*406 "##$ %& 8CC "#$%& ' ( )* +,-./ 0 123 456+7 3 7-55-89.*/ 0 +3 *+:3 ;< =3 3-3 8 0 23 >-8-3 >5? //*/*0;* @A: *53,,3 / * $/ >B+? - 5, 2 34*56 7 /+#** //8
Plus en détailSciences des organisations
Niveau LICENCE : BAC 3 MAGISTERE : BAC+2 à 5 Dans les mentions : Droit et Gestion, Economie Appliquée, Gestion, Management Professionnalisant, Management de L Hôtellerie-Restauration, Sciences de la société.
Plus en détailMaster IAD Module PS. Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique. Gaël RICHARD Février 2008
Master IAD Module PS Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailCD, DVD: quel disque choisir pour stocker ses fichiers?
CD, DVD: quel disque choisir pour stocker ses fichiers? Pas évident de déterminer le bon support de stockage en fonction de ses besoins. Photos, vidéos, fichiers divers Quelque petits conseils pour trouver
Plus en détailBREVET DE TECHNICIEN SUPÉRIEUR QUALITÉ DANS LES INDUSTRIES ALIMENTAIRES ET LES BIO-INDUSTRIES
~--------------~~-----~- ----~-- Session 2009 BREVET DE TECNICIEN SUPÉRIEUR QUALITÉ DANS LES INDUSTRIES ALIMENTAIRES ET LES BIO-INDUSTRIES U22 - SCIENCES PYSIQUES Durée: 2 heures Coefficient : 3 Les calculatrices
Plus en détailDéveloppement des saveurs. Contenu 2015-02-24
Développement des saveurs Présenté par : Raymond Nadeau, conseiller acéricole au CQABA Club Qualité acéricole Beauce Appalaches et Sève, santé des érablières Contenu Évolution de la production; Problématiques
Plus en détailStatistique Descriptive Multidimensionnelle. (pour les nuls)
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Multidimensionnelle (pour les nuls) (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219
Plus en détailFormation continue. Ensae-Ensai Formation Continue (Cepe)
CertifiCat de data scientist Formation continue Ensae-Ensai Formation Continue (Cepe) CertifiCat de data scientist La demande de data scientists est croissante mais peu de formations existent. Ce certificat
Plus en détailClickShare. La magie d un clic unique
ClickShare La magie d un clic unique Découvrez la magie d un clic unique Les réunions : pouvez-vous imaginer votre vie professionnelle quotidienne sans elles? Probablement pas. Souhaiteriez-vous qu elles
Plus en détailExemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions
Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions HQ = He 1 He 2 He 3 He 4 HQ e 5 comme anneaux (avec centre Re 1 Re 2 Re 3 Re 4
Plus en détailSolution Web pour l hôtellerie par MMCréation
Solution Web pour l hôtellerie par MMCréation 15 ans d expertise auprès des chaînes hôtelières Une équipe multidisciplinaire Des références reconnues dans le secteur hôtelier De nombreuses récompenses
Plus en détailComprendre vos relevés de comptes CFD/FOREX:
Comprendre vos relevés de comptes CFD/FOREX: WHS ProStation WHS FutureStation Version: 16.06 2011 1 Rapports disponibles Rapport Historique du compte Fournit une vue d ensemble sur une période de temps
Plus en détailANALYSE CAMPAGNE HOLIDEA FEED
ANALYSE CAMPAGNE HOLIDEA FEED Offre Campagne Paques Online travel agency CONTENU INTRODUCTION ANALYSE DE LA CAMPAGNE TOTALE : Analyse IMAGE 1 Analyse IMAGE 2 CONCLUSIONS Optimizations possible 8 campagnes
Plus en détailFonctionnalités HSE PILOT. Groupe QFI www.hse-pilot.com
Fonctionnalités HSE PILOT Groupe QFI www.hse-pilot.com Module produit chimique RECENSEMENT DES PRODUITS Les produits chimiques sont omniprésents dans les entreprises. La gestion qui leur est associée peut
Plus en détailCoheris est agréé organisme de formation, n d agrément 11 92 19507 92.
Formations 2015 Coheris est agréé organisme de formation, n d agrément 11 92 19507 92. Introduction La formation est une préoccupation constante de Coheris vis-à-vis de ses clients et de ses partenaires,
Plus en détailRetour d expérience. Le rôle du Business Analyst chez Orange. Nadia Magarino & Christophe Dufour 29 avril 2015
Retour d expérience Le rôle du Business Analyst chez Orange Nadia Magarino & Christophe Dufour 29 avril 2015 Plus de 161 000 salariés à votre service mobile entreprises internet et fixe Plus de 161 000
Plus en détailSpécificités, Applications et Outils
Spécificités, Applications et Outils Ricco Rakotomalala Université Lumière Lyon 2 Laboratoire ERIC Laboratoire ERIC 1 Ricco Rakotomalala ricco.rakotomalala@univ-lyon2.fr http://chirouble.univ-lyon2.fr/~ricco/data-mining
Plus en détailEPFL 2010. TP n 3 Essai oedomètrique. Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilias Nafaï Weil Florian
1 EPFL 2010 Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilia Nafaï Weil Florian 11 Table de matière Ø Introduction 3 Ø Objectif 3 Ø Déroulement de l eai 4 Ø Exécution de deux palier de charge 6 Ø Calcul
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailL outillage du Plan de Continuité d Activité, de sa conception à sa mise en œuvre en situation de crise
Auteur : Robert BERGERON Consultant en Sécurité des Systèmes d Information et Management de la Continuité d Activité Quel outil pour le PCA? de sa conception à sa mise en œuvre en situation de crise Introduction
Plus en détailCréer une carte personnalisée
Créer une carte personnalisée Avec Google Maps, vous pouvez créer vos propres cartes personnalisées pour indiquer par exemple les endroits que vous avez déjà visités, l'emplacement des restaurants où vous
Plus en détailEntrez dans l ère du Numérique Très Haut Débit
MIPE Juin 2012 - Nantes http://www.network-th.fr - 0811 560 947 1. Le Très Haut Débit sur Fibre Optique au prix d une SDSL : Mythe ou Réalité? 2. Sauvegarder, Sécuriser, Protéger, Superviser : Délégueznous
Plus en détailSP. 3. Concentration molaire exercices. Savoir son cours. Concentrations : Classement. Concentration encore. Dilution :
SP. 3 Concentration molaire exercices Savoir son cours Concentrations : Calculer les concentrations molaires en soluté apporté des solutions désinfectantes suivantes : a) Une solution de 2,0 L contenant
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailLes «must» pour l équipement de vos ateliers
Technologies Toutes les solutions mobiles de filtration et d épuration d air dans les milieux industriels ou les milieux hostiles Les «must» pour l équipement de vos ateliers Du standard au «sur mesure».
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailArcGIS Mobile 9.3. Cédric Pesty Gael Simon. Conférence SIG 2008 Ateliers Techniques. S'il vous plait! Merci d'éteindre vos appareils portables
Conférence SIG 2008 Ateliers Techniques 1 er et 2 Octobre 2008 S'il vous plait! Merci d'éteindre vos appareils portables ArcGIS Mobile 9.3 Cédric Pesty Gael Simon 1 Agenda de la session Introduction sur
Plus en détailOBSERVATOIRE DES CREDITS AUX MENAGES. L assurance-emprunteur
OBSERVATOIRE DES CREDITS AUX MENAGES 26 ème rapport annuel L assurance-emprunteur 1. L assurance-emprunteur, principe et évolutions 2. La connaissance de l assurance-emprunteur 3. Le choix de l emprunteur
Plus en détailBIEN CHOISIR VOTRE SYSTEME DE GUIDAGE PAR SATELLITES
BIEN CHOISIR VOTRE SYSTEME DE GUIDAGE PAR SATELLITES Le guidage par GPS est un outil qui trouve maintenant sa place dans les structures de type polyculture-élevage. Avec des prix de plus en plus abordables,
Plus en détailUne conférence-débat proposée par l Institut National de la Recherche Agronomique
Economies d'énergies dans les procédés agro-alimentaires : l'optimisation coût/qualité, un équilibre pas si facile à maîtriser Une conférence-débat proposée par l Institut National de la Recherche Agronomique
Plus en détailAgence Conseil en Marketing et communication Numerique. Implantation : France & Espagne
Agence Conseil en Marketing et communication Numerique Implantation : France & Espagne Optimise la notoriété et les performances de votre marque sur internet. Notre Métier ROI Media accompagne ses clients
Plus en détail