Ahsan Akhtar
Islamabad, Pakistan
Ahsan Akhtar
IA générative, développeur Python
Catégorie : Intelligence artificielle (IA)
Je suis Ahsan Akhtar, ingénieur en apprentissage automatique et développeur Python avec 5+ ans d’expérience dans la création de solutions commerciales alimentées par l’IA pour des startups, des marques e-commerce, des sociétés immobilières et des entreprises manufacturières.
Je ne me contente pas d’écrire du code — je construis des systèmes qui augmentent les revenus, réduisent les coûts et automatisent les opérations grâce à l’apprentissage automatique, la vision par ordinateur, le NLP et la data science.
💼 Ce que je peux construire pour toi
🤖 Solutions d’IA et d’apprentissage automatique
Prédiction du churn client – sachez quels clients partiront avant eux
Prévisions des ventes (LSTM, Prophet) – prédire les besoins futurs en chiffre d’affaires et d’inventaire
Analyse du sentiment (BERT, LSTM) – analyse des avis et retours clients
Modèles de fraude et de risque
Systèmes de classification et de prédiction
👁️ Vision par ordinateur (YOLO, CNN, OpenCV)
Détection des défauts de produit pour les usines
Surveillance des véhicules et du trafic (YOLOv11 – 95 % de précision)
Analyse des caméras de sécurité
Classification et reconnaissance des images
📄 Chatbots IA & Intelligence documentaire
Chatbots IA pour sites web et support
Systèmes PDF et documents Q&A (RAG + Ollama)
Bots de base de connaissances pour équipes internes
Cherchez dans des milliers de documents
🌐 Extraction de Web et Extraction de données
Bots de génération de prospects
Scraping immobilier et e-commerce
Extraction d’annuaires d’entreprises
Pipelines de données automatisés utilisant :
Sélénium
BelleSoupe
Scrapy
📊 Tableaux de bord de données et rapports
Tableaux de bord interactifs (Streamlit, Plotly)
Ventes, marketing et analytique des opérations
KPI et suivi des performances
🧠 Technologies que j’utilise
Python • TensorFlow • PyTorch • Keras • Scikit-learn
YOLOv3–YOLOv11 • BERT • Transformateurs • RAG
Pandas • NumPy • SQL • Streamlit • OpenCV
💡 Pourquoi les clients me choisissent
✔ IA axée sur le business (pas seulement les modèles)
✔ Code propre et évolutif
✔ Systèmes déployés dans le monde réel
✔ Excellente communication
✔ Soutien à long terme
🎯 Parfait si vous êtes :
Une start-up ayant besoin d’automatisation de l’IA
Une boutique en ligne cherchant une prédiction de ventes
Une société immobilière ayant besoin de grattage de plomb
Une usine nécessitant un contrôle qualité via l’IA
Une entreprise souhaitant des chatbots ou des tableaux de bord de données
📩 Envoyez-moi un message et dites-moi votre problème — je concevrai la solution IA.
Je ne me contente pas d’écrire du code — je construis des systèmes qui augmentent les revenus, réduisent les coûts et automatisent les opérations grâce à l’apprentissage automatique, la vision par ordinateur, le NLP et la data science.
💼 Ce que je peux construire pour toi
🤖 Solutions d’IA et d’apprentissage automatique
Prédiction du churn client – sachez quels clients partiront avant eux
Prévisions des ventes (LSTM, Prophet) – prédire les besoins futurs en chiffre d’affaires et d’inventaire
Analyse du sentiment (BERT, LSTM) – analyse des avis et retours clients
Modèles de fraude et de risque
Systèmes de classification et de prédiction
👁️ Vision par ordinateur (YOLO, CNN, OpenCV)
Détection des défauts de produit pour les usines
Surveillance des véhicules et du trafic (YOLOv11 – 95 % de précision)
Analyse des caméras de sécurité
Classification et reconnaissance des images
📄 Chatbots IA & Intelligence documentaire
Chatbots IA pour sites web et support
Systèmes PDF et documents Q&A (RAG + Ollama)
Bots de base de connaissances pour équipes internes
Cherchez dans des milliers de documents
🌐 Extraction de Web et Extraction de données
Bots de génération de prospects
Scraping immobilier et e-commerce
Extraction d’annuaires d’entreprises
Pipelines de données automatisés utilisant :
Sélénium
BelleSoupe
Scrapy
📊 Tableaux de bord de données et rapports
Tableaux de bord interactifs (Streamlit, Plotly)
Ventes, marketing et analytique des opérations
KPI et suivi des performances
🧠 Technologies que j’utilise
Python • TensorFlow • PyTorch • Keras • Scikit-learn
YOLOv3–YOLOv11 • BERT • Transformateurs • RAG
Pandas • NumPy • SQL • Streamlit • OpenCV
💡 Pourquoi les clients me choisissent
✔ IA axée sur le business (pas seulement les modèles)
✔ Code propre et évolutif
✔ Systèmes déployés dans le monde réel
✔ Excellente communication
✔ Soutien à long terme
🎯 Parfait si vous êtes :
Une start-up ayant besoin d’automatisation de l’IA
Une boutique en ligne cherchant une prédiction de ventes
Une société immobilière ayant besoin de grattage de plomb
Une usine nécessitant un contrôle qualité via l’IA
Une entreprise souhaitant des chatbots ou des tableaux de bord de données
📩 Envoyez-moi un message et dites-moi votre problème — je concevrai la solution IA.
Portfolio
Horaires de travail
- Lundi:08h00 à 18h00
- Mardi:08h00 à 18h00
- Mercredi:08h00 à 18h00
- Jeudi:08h00 à 18h00
- Vendredi:08h00 à 18h00
- Samedi:Non disponible
- Dimanche:Non disponible
![Je m’occuperai du web scraping, de l’extraction de données et de l’automatisation des processus]()
Je m’occuperai du web scraping, de l’extraction de données et de l’automatisation des processus150 $Je suis spécialisé dans le web scraping Python, la collecte de données et l’automatisation des flux de travail en utilisant Selenium, Scrapy, BeautifulSoup et Playwright.![J’analyserai vos données et construirai des tableaux de bord interactifs en python]()
Je transforme des données brutes désordonnées en tableaux de bord clairs et interactifs qui vous donnent réellement des informations utiles. Je suis spécialisé dans le nettoyage de données, l’anal ...
A construit des pipelines de classification NLP de bout en bout pour prédire les avis produits positifs ou négatifs de la part des entreprises
jeux de données.
• Nettoyage et analyse du texte de révision, générant des visualisations de nuages de mots pour mettre en évidence les plus courants
Termes positifs et négatifs.
• Modèles entraînés et comparés : Dense Keras (89 % train / 50 % test) et LSTM Keras (99 % train / 83 % test
précision).
• Mise en place une application Streamlit qui fournit des analyses produit de haut niveau et une prédiction du sentiment en temps réel pour
les parties prenantes.
jeux de données.
• Nettoyage et analyse du texte de révision, générant des visualisations de nuages de mots pour mettre en évidence les plus courants
Termes positifs et négatifs.
• Modèles entraînés et comparés : Dense Keras (89 % train / 50 % test) et LSTM Keras (99 % train / 83 % test
précision).
• Mise en place une application Streamlit qui fournit des analyses produit de haut niveau et une prédiction du sentiment en temps réel pour
les parties prenantes.
• Développement d’un flux de travail GitHub Actions qui a collecté plus de 15 000 annonces immobilières chaque heure tout en suivant
Limites de tarif et règles de conformité.
• Construction d’un pipeline de nettoyage Python (Pandas/NumPy) qui supprimait les doublons, les valeurs manquantes et les incohérences
Formatez, réduisant les erreurs de données de 40 %.
• Mise en place d’un tableau de bord analytique Flask en temps réel qui fournit les tendances tarifaires, les cartes de chaleur géographiques, et
Analyses prédictives du marché avec moins de 2 secondes de latence.
• Maintenu 98 % de disponibilité du pipeline et réduit la charge de saisie manuelle de données des équipes clients de 80 % après la période complète
Intégration en production.
Limites de tarif et règles de conformité.
• Construction d’un pipeline de nettoyage Python (Pandas/NumPy) qui supprimait les doublons, les valeurs manquantes et les incohérences
Formatez, réduisant les erreurs de données de 40 %.
• Mise en place d’un tableau de bord analytique Flask en temps réel qui fournit les tendances tarifaires, les cartes de chaleur géographiques, et
Analyses prédictives du marché avec moins de 2 secondes de latence.
• Maintenu 98 % de disponibilité du pipeline et réduit la charge de saisie manuelle de données des équipes clients de 80 % après la période complète
Intégration en production.
• Développement et déploiement d’un système CNN de production qui a amélioré la précision de détection des nuisibles en temps réel de 22 %
sur des modèles de base.
• Sélectionné et traité plus de 12 000 images de terrain, en répondant aux problèmes de déséquilibre de classe et de qualité afin de créer un
Ensemble de données d’entraînement robuste.
• Conception et affinage de quatre architectures (ResNet50, MobileNetV2, VGG16, et un CNN léger personnalisé
optimisé pour le déploiement en périphérie).
• Réduction des faux positifs de 35 % grâce à une réduction minutieuse des fuites de données et à un ajustement fin spécifique à la classe,
atteignant une précision de 94,7 % sur des ensembles de test de production.
sur des modèles de base.
• Sélectionné et traité plus de 12 000 images de terrain, en répondant aux problèmes de déséquilibre de classe et de qualité afin de créer un
Ensemble de données d’entraînement robuste.
• Conception et affinage de quatre architectures (ResNet50, MobileNetV2, VGG16, et un CNN léger personnalisé
optimisé pour le déploiement en périphérie).
• Réduction des faux positifs de 35 % grâce à une réduction minutieuse des fuites de données et à un ajustement fin spécifique à la classe,
atteignant une précision de 94,7 % sur des ensembles de test de production.
• Conception et entraînement de modèles d’apprentissage automatique pour prédire le churn des clients sur des ensembles de données structurés, obtenant ainsi
84 % de crédit (AUC). Cela a aidé les clients à identifier et à fidéliser les clients à risque.
• A développé des modèles de prévision des séries temporelles basés sur LSTM et Prophet pour les ventes au détail, aidant à assurer une inventaire précise
planification et prévision de la demande pour divers clients.
• Utilisation des architectures LSTM et BERT pour la classification du sentiment lors des critiques produit, automatisant les grandes évolutions
analyse des retours clients et fourniture d’insights exploitables sur les produits.
• Extraction et compilation de listes de clients ciblés à partir de sites web immobiliers en utilisant BeautifulSoup et Selenium,
Générer des prospects qualifiés pour une société immobilière.
• Développement de chatbots avec TensorFlow/Keras, création de tableaux de bord interactifs Streamlit et Plotly, et création de tableaux de bord interactifs
Modèles de classification/prévision (XGBoost, Random Forest, réseaux neuronaux) pour différents clients.
84 % de crédit (AUC). Cela a aidé les clients à identifier et à fidéliser les clients à risque.
• A développé des modèles de prévision des séries temporelles basés sur LSTM et Prophet pour les ventes au détail, aidant à assurer une inventaire précise
planification et prévision de la demande pour divers clients.
• Utilisation des architectures LSTM et BERT pour la classification du sentiment lors des critiques produit, automatisant les grandes évolutions
analyse des retours clients et fourniture d’insights exploitables sur les produits.
• Extraction et compilation de listes de clients ciblés à partir de sites web immobiliers en utilisant BeautifulSoup et Selenium,
Générer des prospects qualifiés pour une société immobilière.
• Développement de chatbots avec TensorFlow/Keras, création de tableaux de bord interactifs Streamlit et Plotly, et création de tableaux de bord interactifs
Modèles de classification/prévision (XGBoost, Random Forest, réseaux neuronaux) pour différents clients.
- 🇬🇧 Anglais
Merci de vous connecter en tant que client pour pouvoir donner votre avis
Professionnels sponsorisés
Besoin d'un service ?
Voulez-vous faire appel aux services de ce Professionnel ?
Postez votre mission et vous recevrez des dizaines de propositions de la part des Professionnels de la communauté.
