SOLUTIONS
USE-CASES
LE LAB
ARTICLES
NOUS SOMMES
CONTACT
CARRIÈRES
NEWS
ACCES ENABLERS
Trier par mots-clés
AjamaislesPremiers
Algorithmes
algorithmique
Alumni
Améliorationdeprocess
Aquiladata
Audit
AutoML
BeEnabler
BigData
Chronos2
Clustering
CNN
ComputerVision
ContrôleQualité
Cosmétique
Data
DataGouvernance
DataScience
DataVisualisation
DeepLearning
DétectionAnomalie
DétectionAnomalies
DétectionObjets
Donnée synthétique
Données Synthétiques
DroitauData
Enabler
Energie
equationsdifferentielles
Equipe
Event
Expansion
Fewshotlearning
Forecast
Forecasting
FoundationModels
Fraude
GAN
GenAI
Géoscience
GPU
IA
IA generative
Images
Immobilier
Industrialisation
Innovation
IntelligenceArtificielle
Interprétation
LabInsights
large language models
LectureIntelligente
LightGBM
LLM
LLMs
MachineLearning
MaintenancePrédictive
Marseille
MCMC
MLops
Modèle
MotifsRecurrents
NLP
OpenCV
Optimisationdeproduction
Prévision
probabiliste
ProjetCollaboratif
Python
ReconnaissanceObjets
RégionPaca
Réseau
Rewind
RH
SaisonnalitéVente
Segmentation
SHAP
synthetic data
Team
Tensorflow
TimeSerie
TimeSeries
TimeSeriesAnalysis
UnsupervisedLearning
virtualsensor
SOLUTIONS
USE-CASES
LE LAB
ARTICLES
NOUS SOMMES
CONTACT
>WE HIRE<
CARRIÈRES
NEWS
ACCES ENABLERS
OK
Banque / Assurance
ANALYSER LES APPÉTENCES ET LE CHURN DE LA CLIENTÈLE
#
Forecast
#
Prévision
#
TimeSeries
OBJECTIFS
Segmentation des clients en fonction de leurs appétences
Analyser l’évolution de l’utilisation des équipements en fonction des segments
Identifier les profils où la montée en gamme est possible
Analyse des vecteurs permettant la montée en gamme
Prédiction de la montée en gamme de nouveau clients
ALGORITHMES
Random Forest
Méthode de clustering (k-means, SOM, clustering hiérarchique)
Méthode de visualisation (heatmap, histogramme)
Parlez-en AVEC UN EXPERT !
Pierre Duranton
COO Associé
pduranton@aquiladata.fr
> JE LE CONTACTE !
VOIR TOUS LES USE-CASES