Ahlem Marzouk

J’y conçois et encadre des projets pédagogiques fondés sur l’apprentissage par projet (PBL), dans un environnement multiculturel et international. J’enseigne en anglais à des classes internationales, en transmettant des compétences avancées en analyse statistique, modélisation prédictive, séries temporelles, machine learning et deep learning. J’ai piloté des projets intégrant des comparaisons de modèles, le déploiement via Docker, et la création de solutions data concrètes et interprétables, en lien direct avec les besoins terrain. PROJETS REALISES : ▪ Job Engine Search : Création d’une interface de recherche d'offres d'emploi à partir du CV du candidat. Il s'agit d'un projet de Deep Learning, de programmation et de développement. ▪ Résumé de texte : Il s'agit d'un projet d'apprentissage profond, de programmation et de développement. Il s'agit de créer une plateforme où l'utilisateur insère un texte pour obtenir le résumé en choisissant la technique à utiliser extractive ou abstractive. Ce programme peut également détecter les anomalies dans le texte et indiquer s'il y a plagiat. ▪ Recommandation du système de voyage : Projet de système de recommandation de voyage, le client indique la destination et le système suggère les hôtels, les vols et l'emplacement disponibles. ▪ Intrusion Detection Analyzer : Ce projet de Machine Learning vise à détecter les intrusions et les différentes formes de cyberattaques en exploitant des méthodes ensemblistes (bagging, boosting, stacking). Une implémentation sous Django propose une interface interactive permettant de sélectionner et comparer plusieurs algorithmes (Random Forest, XGBoost, etc.) afin d'évaluer leurs performances en termes de précision, rappel et taux de détection.

Conception d'un pipeline complet : • Collecte les données des différentes sources : Excel, Extraction des données d'une base de données, API. • Nettoyage des données et Features engineering : Enrichir la data par des variables exogènes : promotions, jours fériés, campagnes marketing. Construction de variables dérivées : tendance, saisonnalités multiples, EMA • Développement de modèles de prévisions et comparaison : SARIMAX, Prophet, ETS et LSTM pour les dépendances non linéaires • Reporting et Evaluation : Faire un rapport contenant les hypothèses sur lesquels reposent les prévisions, critère de robustesse, intervalle de confiances, test d'hypothèses. Création d'un tableau de bord (Streamlit) présentant les prévisions et intervalles d'incertitude et les biais de prévision.

Une expérience axée sur l'analyse de données, l'apprentissage automatique et la modélisation mathématique. Compétences dans le mentorat de scientifiques des données juniors et de professionnels dans les techniques avancées de science des données, l'analyse statistique et la modélisation prédictive. Gérer des projets de recherche, superviser des activités académiques et sectorielles, et à assurer l'excellence dans la résolution de problèmes basée sur les données. L’objectif est la création d’un lien entre la théorie et les applications du monde réel, encourageant la pensée analytique et fournissant des conseils avec les capacités techniques et stratégiques requises pour la prise de décision basée sur les données.