Alhassane Diallo

- Participation à des projets open‑source d’intérêt général : analyse de données, modélisation ML/ IA et développement de solutions data pour ONG et acteurs publics.

- Collecter, consolider et nettoyer des données issues de différentes sources (bases SQL, fichiers CSV/Excel, APIs) en garantissant leur qualité et leur cohérence. - Concevoir, entraîner et évaluer des modèles de machine learning/Deep learning (régression, classification, clustering) pour répondre à des cas d’usage métier. - Implémenter des modèles de NLP (classification de texte, extraction d’information, génération de résumé). - Expérimenter des cas d’usage concrets d’IA générative, tester et comparer différents LLMs / APIs pour prototyper des assistants conversationnels et un moteurs de recherche augmentés (avec pipeline RAG complet). - Participer aux phases de tests, validation et suivi des performances des modèles en production (drift des données, suivi des métriques, logs). - Construire des dashboards (Power BI / Streamlit) pour suivre les indicateurs clés et faciliter la prise de décision. Présenter régulièrement les analyses et résultats aux équipes non techniques. - Mettre à jour la documentation technique et fonctionnelle (schémas de données, description des modèles, processus).

- Analyser et collecter des données clés pour élaborer des solutions adaptées à chaque problématique métier - Concevoir et développer un modèle d’évaluation de criticité en fonds de roulement pour optimiser la gestion financière.. - Optimiser la cartographie des processus data pour améliorer la gouvernance et la conformité réglementaire. - Mettre à jour le dispositif qualité de données(QDD) en conformité réglementaire, en améliorant cartographies, référentiels et processus de contrôle. - Piloter la migration des référentiels de contrôle vers des plateformes intégrées pour une meilleure traçabilité. - Élaboration de reportings clairs et structurés permettant de suivre les indicateurs clés et d’appuyer la prise de décision. - Participer à des ateliers collaboratifs avec les clients et sachants pour définir leurs attentes, recueillir leur feedback et améliorer la satisfaction globale.

-Réaliser la classification des clients selon leur profil de risque à lʼaide de techniques de machine learning supervisé. - Construire des modèles de segmentation comportementale pour anticiper les usages et les risques. - Appliquer des techniques de NLP pour analyser les feedbacks clients et améliorer la satisfaction. - Réaliser une analyse de rétention pour identifier les facteurs influençant la fidélité en fonction des caractéristiques de crédit. - Développer des modèles prédictifs pour l’évaluation de la solvabilité et le calcul de la probabilité de défaut (PD). - Mise en place d’un pipeline CI/CD complet : Git & GitHub Actions : versioning, automatisation des workflows; MLflow : suivi des expériences, gestion des artefacts; Docker + AWS : conteneurisation, déploiement sécurisé sur ECS, ECR, IAM. - Mettre en place la data visualisation et dashboards avec Power BI et Streamlit.