Présentation
apprentissage automatique. Expérience en réseaux de neurones, classification, prévision, régression et causalité
analyse d’impact, avec des modèles atteignant une précision allant jusqu’à 97 %. Recherche d’opportunités pour postuler
compétences analytiques et techniques dans les postes en data science et ML. J’ai aussi travaillé un peu sur des plateformes web en utilisant FastAPI et Flask.
Services proposés
Parcours
Plateforme web FastAPI (projet collaboratif), atteinte d’une confiance stable
et jusqu’à 25 % d’impact relatif sur plusieurs ensembles de données.
- Construction de modèles de prévision de séries temporelles (projections à 30 jours) avec contrôlé
les bandes de confiance sont inférieures à 50 % des valeurs maximales.
et des réseaux de neurones à couche unique cachée (avec des neurones et une activation variés
fonctions), atteignant une précision de 96 à 97 % dans la plupart des exercices.
- Mise en œuvre d’algorithmes de classification d’images médicales pour la détection des maladies,
analyse de contours et reconnaissance de motifs de couleur, avec ou sans bibliothèques d’apprentissage automatique. (Toujours en cours, projet de licence)
- Analyse comparative de réseaux de neurones entièrement connectés utilisant
Propositions linéaires vs polynomiales (jusqu’au degré 3), démontrant des améliorations
précision avec des degrés polynomiaux plus élevés après normalisation du réseau.

