Je suis étudiant en Data Science et Machine Learning avec une expérience pratique en prétraitement de données, analyse exploratoire de données (EDA), ingénierie de caractéristiques et modélisation prédictive. J’ai travaillé sur des projets pratiques en apprentissage automatique tels qu’un système de prédiction des maladies cardiaques construit à l’aide de multiples algorithmes, dont la régression logistique, l’arbre de décision, la forêt aléatoire, la SVM, kNN, Naive Bayes et XGBoost, où XGBoost a atteint une précision de 94,6 % et un ROC–AUC de 98,2 %, montrant un fort potentiel pour une détection précoce du risque des maladies cardiaques. J’ai également conçu et développé un chatbot de soutien à la santé mentale basé sur l’IA en affinant un modèle de transformateur T5 pré-entraîné, en me concentrant sur des réponses sûres, de haute qualité et empathiques via une formation et une évaluation itératives. Je suis à l’aise avec Python, SQL (MS SQL Server, PostgreSQL), et des bibliothèques de science des données de base telles que NumPy, Pandas et Scikit-learn, ainsi que des outils NLP de Hugging Face et Streamlit pour les applications de prototypage. J’utilise Git et GitHub pour le contrôle de versions, l’organisation de projets et la collaboration. Actuellement, j’apprends l’apprentissage profond et le MLOps pour renforcer ma compréhension des pratiques d’entraînement, d’évaluation et de déploiement des modèles, et je me concentre sur le développement progressif de mes compétences en construisant des solutions d’IA pratiques et responsables.