Amayas MAHMOUDI

Prédiction de charge du service après-vente : - J’ai conçu et développé un outil de prédiction de charge de travail pour anticiper les besoins en ressources des équipes techniques (Lyon, Paris, Rennes). - J’ai automatisé la récupération des plannings des techniciens via une API et intégré les données des historiques de tickets d’incidents. - J’ai effectué une préparation avancée des données dans Dataiku en utilisant des requêtes Hive et des bibliothèques Python. - J’ai testé plusieurs modèles de machine learning, retenu ARIMA avec une précision de 93 %, et créé des tableaux de bord interactifs sous Power BI. Analyse et prédiction de déploiement de fibre optique : - J’ai conduit une étude pour classifier et analyser des sites complexes (centres commerciaux, gares...) de France, afin de simplifier le déploiement de la fibre optique. - J’ai conçu une solution de traitement de polygones géospatiaux pour tracer les contours de ces sites et identifier les points de raccordement disponibles. - J’ai appliqué un algorithme de segmentation non supervisée basé sur DBSCAN pour regrouper automatiquement les zones homogènes en fonction de certains critères. - J’ai exploité les données historiques de déploiement pour prédire les délais de livraison à l’aide d’un modèle de régression (XGBoost Regressor), permettant aux équipes de prioriser les chantiers et d’anticiper les retards.