Viany Arnold MBOUYOM LEUMALE

• Analyses exploratoires sur les données NFT (Bored Ape Yacht Club) extraites d'OpenSea et de la blockchain Ethereum. • Développement et benchmark de 7 algorithmes de régression pour optimiser la précision des prédictions de ventes. • Amélioration de la fiabilité des prévisions grâce à l'intégration d'analyses de séries temporelles avancées. Stack : Python, Pandas, Scikit-learn, XGBoost, Random Forest, Time Series Analysis

• Structuration et traitement d'une base de données médicale de 84 400 codes CIM (Classification Internationale des Maladies) pour faciliter la classification des pathologies. • Analyse et visualisation des corrélations entre maladies via des outils de Data Viz interactifs. • Déploiement d'un système de recommandation basé sur le NLP pour prédire automatiquement les codes CIM à partir des diagnostics. Stack : Python, Pandas, SQL, Power BI, Scikit-learn, NLP (Transformers), TensorFlow

Data Analyst - Projet de Ruches Connectées à l'EPF - Responsable de la maintenance et du suivi des ruches connectées - Gestion des ruches déployées à l'EPF, avec collecte et structuration des données sur les abeilles pour constituer une base de données complète pour la saison 2023. - Documentation et compréhension du code IoT - Analyse et documentation du code qui pilote les systèmes IoT pour garantir leur bon fonctionnement. - Analyse des données récoltées - Une fois les systèmes stabilisés, extraction des insights sur la santé et le comportement des abeilles à partir des données. - Développement de compétences - Acquisition d'expertise en analyse de données, gestion de bases de données et optimisation des systèmes IoT grâce à ce projet.

Data Analyst - Apprentissage Adaptatif pour Tinycoaching - Définition des besoins algorithmiques en machine learning et deep learning - Identification des besoins en fonction des objectifs fonctionnels du projet. - Gestion et analyse de la base de données - Responsable de la gestion, de l'analyse, et de la structuration de la base de données pédagogique des utilisateurs de Tinycoaching. - Préparation des données et ingénierie des caractéristiques - Préparation des données et création de nouvelles caractéristiques pour améliorer les performances des modèles. - Entraînement et évaluation des modèles - Entraînement et évaluation de plusieurs modèles pour sélectionner et déployer le plus performant. - Recommandations pour la surveillance et la maintenance - Propositions de recommandations pour assurer la performance continue du système d'apprentissage adaptatif.

Data augmentation for sentimental analysis via motion detection on video and image files in real time using Médiapipe on python

In the context of website redesign, the process involves searching for credible sources of data on financial products, particularly in banking and insurance. This includes employing web scraping techniques to gather relevant information. Additionally, a comprehensive benchmarking is conducted, evaluating platforms that offer machine learning modules in terms of cloud storage, ML models, pipeline functionalities, ease of use, and associated costs. Furthermore, a comparative analysis is carried out on natural language processing (NLP) models, weighing the pros and cons of open-source versus licensed options in terms of quality. The redesign process extends to the automation of machine learning pipelines, incorporating a user-friendly web interface and the integration of ML models. Finally, the redesign vision is brought to life through the creation of mock-ups, providing a visual representation of the proposed changes.

• Migration et transformation de flux de données depuis MongoDB vers Power BI via des scripts d'automatisation Python. • Pilotage de la performance par la création de dashboards interactifs pour le suivi des concessionnaires. • Identification des tendances commerciales pour optimiser les stratégies de vente via des analyses statistiques. Stack : Python, MongoDB, SQL, Power BI, Tableau, Looker Studio

- Predict potential incidents. - Centralise data in order to group together all incidents and enable customers to know the state of their infrastructure.