Manipriya Velumani

MathematicsCore Foundation : Mathématiques théoriques et appliquées avancées, avec une solide maîtrise de l’algèbre linéaire, de l’analyse réelle et complexe, de l’algèbre abstraite, des équations différentielles et des mathématiques discrètes. Résolution de problèmes et présentation pédagogique : Capacité prouvée à décomposer des preuves complexes et des problèmes quantitatifs en plusieurs étapes en concepts visuels intuitifs pour des programmes nationaux et internationaux (CBSE, ICSE, IGCSE). Recherche & rigueur académique : Expérimenté en modélisation mathématique, présentations de communications de conférences et formulation théorique avec une communication technique primée. StatistiquesInférence statistique et modélisation : Expert en tests d’hypothèses (tests $t$, Chi-carré, ANOVA), intervalles de confiance, distributions de probabilité, analyse de la variance et modélisation de régression. Méthodes exploratoires et quantitatives : Compétent en analyse de données multivariées, analyse de tendances en séries temporelles, analyse de matrices de corrélation et suivi de la variance des données. Statistiques computationnelles : Expérimenté dans la mise en œuvre d’algorithmes statistiques et de simulations en R et Python pour modéliser l’incertitude, les indicateurs de risque et les schémas de données numériques. Analyse de données & Business Intelligence Gestion de données et prétraitement de pipeline : Extraction de bout en bout, nettoyage, détection d’outlies et structuration des données en Python (pandas, NumPy) et Excel avancé (Power Query, tableaux dynamiques, fonctions de recherche). Traitement du langage naturel (NLP) et modélisation : Expérience pratique dans le développement de pipelines de classification de sentiment en utilisant la tokenisation, la vectorisation TF-IDF et l’apprentissage automatique supervisé (scikit-learn). Visualisation et reporting : Conception de tableaux de bord interactifs KPI dans Power BI et graphiques structurés utilisant Matplotlib et MATLAB pour traduire les données brutes en insights métier clairs. LaTeX & Composition Technique Composition Mathématique et Scientifique : Maîtrise avancée de la compilation de manuscrits de recherche prêts à publier, de rapports techniques et de documentation complexe riche en formules. Mise en page et conception de modèles : Expert en architecture documentaire utilisant des logiciels tels que Geometry, Titlesec, Enumitem, XColor, Amsmath, Hyperref et Tikz pour construire des CV et des articles académiques d’une page propres et conformes à l’ATS. Contrôle de version & Normes de qualité : Précision dans le référencement croisé, la numérotation des équations, la gestion des citations (BibTeX) et la mise en forme des tables pour répondre aux normes académiques et industrielles strictes.