Ingénieure Data Scientist, Data Analyst & Data Engineer

A intégré une équipe data universitaire pour valoriser les données académiques et optimiser les processus de suivi pédagogique.

• Collecte, nettoyage et intégration des données étudiants, enseignants et cours provenant de plusieurs sources.
• Conception et développement de tableaux de bord et rapports interactifs pour le suivi académique et la performance des programmes.
• Mise en place d'une modélisation prédictive pour identifier les étudiants à risque et optimiser les interventions précoces.
• Analyse sémantique des évaluations et feedbacks avec techniques de NLP pour améliorer les formations.
• Automatisation des pipelines de données et du reporting avec Python, SQL et outils ETL.

Participation au développement d'une plateforme intelligente de recrutement combinant analyse sémantique des CV, chatbot conversationnel, analyse vidéo et vérification documentaire.

• Analyse sémantique des CV avec Hugging Face Transformers pour un profilage intelligent des candidats.
• Implémentation d'une classification automatisée des candidats utilisant Random Forest et SVM.
• Développement d'un entretien écrit automatisé via chatbot conversationnel intelligent utilisant Rasa et spaCy pour les pré-entretiens.
• Conception d'un module d'analyse vidéo pour évaluer le ton, les expressions faciales et le langage corporel via OpenCV et MediaPipe.
• Mise en place d'une vérification documentaire avec OCR multilingue (Tesseract LSTM) et détection d'authenticité via CNN.
• Intégration de LayoutLM pour l'analyse spatiale et la reconnaissance d'objets dans les documents.
• Développement d'API avec FastAPI pour l'orchestration des différents modules.
• Orchestration des workflows avec n8n pour l'intégration des différentes phases du processus de recrutement.

Contribution à l'optimisation de la supply chain chez Stellantis en automatisant les tableaux de bord et en implémentant des modèles prédictifs pour l'estimation des coûts et délais.

• Conception et déploiement de dashboards personnalisés adaptés aux workflows supply chain.
• Développement de modèles prédictifs basés sur l'apprentissage par renforcement pour estimer les coûts et délais de livraison.
• Implémentation des opérations CRUD avec filtres de recherche avancés et export CSV pour la gestion des données logistiques.
• Refonte des KPI pour mesurer la performance logistique et faciliter la prise de décision basée sur les données.
• Traitement et préparation des données massives avec Python et Pandas.
• Développement de plusieurs visualisations analytiques avec Power BI, Tableau, Plotly Dash et Streamlit.

Conception d'un système complet d'analyse prédictive des sentiments sur les réseaux sociaux avec pipeline en temps réel et enrichissement ontologique.

• Collecte des données textuelles depuis Twitter via API et génération de tweets synthétiques à l'aide de GAN.
• Construction et entraînement de modèles de Deep Learning (LSTM, CNN) pour l'analyse de sentiments.
• Implémentation d'un pipeline de traitement en temps réel avec Apache Kafka (Producer/Consumer) pour l'analyse continue des sentiments.
• Création d'une ontologie sémantique des tendances de marché avec Protégé et Apache Jena.
• Enrichissement de l'ontologie en temps réel avec GPT-2 pour l'extraction d'entités et de relations.
• Développement d'un tableau de bord interactif avec React.js et D3.js pour visualiser les résultats (graphiques, cartes, KPIs).
• Orchestration de l'ensemble du pipeline avec Airflow pour l'automatisation et la planification.

Développement d'un assistant conversationnel intelligent pour l'interrogation d'un data warehouse ESG et la prédiction de performances environnementales, sociales et de gouvernance.

• Développement d'un assistant conversationnel intelligent avec Rasa et intégration d'Ollama pour optimiser les réponses du LLM.
• Mise en place de l'interrogation d'un data warehouse ESG via NLP et modèles de langage avancés.
• Création et automatisation d'un data warehouse à partir d'API externes pour centraliser les données ESG des entreprises françaises.
• Conception de la visualisation des données via Power BI pour le suivi des métriques ESG.
• Implémentation de modèles de machine learning pour l'analyse prédictive des performances ESG.
• Déploiement de la solution sur AWS et intégration d'un pipeline CI/CD pour la maintenance continue et les mises à jour.
• Utilisation de Django et Flask pour le développement des services backend.

Conception et déploiement d'une plateforme hospitalière intelligente pour la gestion des allergies, des prescriptions médicales et l'aide au diagnostic médical.

• Conception et déploiement de la plateforme hospitalière via cPanel pour la gestion centralisée des données patients et médicaments.
• Développement d'un système de prédiction de diagnostic médical utilisant Gradient Boosting, SVM et Logistic Regression.
• Mise en œuvre d'un module de classification automatique des tests de laboratoire pour faciliter l'aide à la décision clinique.
• Nettoyage, normalisation et intégration des données médicales issues de plusieurs sources (CSV, SQL, API internes).
• Création d'un tableau de bord analytique pour la visualisation et le suivi des résultats cliniques.
• Traitement et préparation des données avec Pandas et NumPy.

Développement d'une application mobile de traduction automatique de la langue des signes combinant deep learning et reconnaissance de gestes.

• Conception et entraînement de modèles de Deep Learning (CNN, LSTM, RandomForest) pour la traduction automatique de la langue des signes.
• Implémentation de la reconnaissance des gestes via une API Flask intégrant MediaPipe Holistic pour la détection en temps réel.
• Développement d'une application mobile avec Flutter pour l'interface utilisateur et l'expérience utilisateur.
• Déploiement des modèles avec Docker pour assurer la portabilité et la scalabilité.

Contribution à l'optimisation de la production de phosphate en modélisant les paramètres de production et prédisant les prix via techniques de régression.

• Modélisation des paramètres de production de phosphate pour l'optimisation des processus.
• Développement de modèles de régression pour la prédiction des prix du phosphate.
• Déploiement des modèles sous Flask avec visualisation des résultats et des prédictions.
• Utilisation de Power BI pour la visualisation analytique des données et des performances.