Party Success Predictor - M1 Sorbonne

Présentation du Projet

Dans le cadre du cours de Big Data au M1 Sorbonne, notre équipe a développé Party Success Predictor, une application permettant d’estimer la réussite d’une soirée en fonction de variables clés telles que le nombre d’invités, le type de musique, et les conditions météorologiques. En combinant des techniques d’analyse prédictive et de modélisation, ce projet visait à démontrer l’utilisation concrète du Big Data dans un contexte innovant.

Objectifs

• Établir un modèle prédictif fiable basé sur des données réelles et simulées.
• Identifier les facteurs les plus influents dans le succès d’une soirée.
• Proposer une interface utilisateur intuitive pour les organisateurs.

Technologies et Méthodologie

• R : Analyse de données et modélisation prédictive (régressions, random forest).
• Python : Création d’une interface utilisateur avec Flask.
• SQL : Stockage et gestion des données collectées.
• Google Forms : Collecte des données utilisateur.

Résultats Clés

• Un modèle prédictif avec une précision de 85% basé sur des facteurs tels que la météo et le type de musique.
• Identification des variables les plus influentes : ambiance musicale, nombre d'invités, et âge moyen des participants.
• Une interface utilisateur fonctionnelle permettant aux organisateurs d’ajuster leurs plans pour maximiser le succès de leurs soirées.

Leçons Apprises

Ce projet a permis d’appliquer des concepts avancés de Big Data à un scénario concret. Nous avons appris à gérer efficacement des ensembles de données complexes, à choisir les bons algorithmes de modélisation et à développer une interface utilisateur pratique pour interpréter les résultats.