Ayoub BOUTAHAR

Mise en place d'un modèle de scoring à la consommation pour les anciens clients : – Analyse exploratoire statistique des données : identification des tendances, corrélations et variables explicatives discriminantes. – Modélisation de la probabilité de défaut par une approche inférentielle (régression logistique), puis comparaison avec des modèles avancés de machine learning (RandomForest, XGBoost). – Automatisation du calcul du nombre de points des clients à travers une interface utilisateur développée avec Streamlit, facilitant la décision finale.

Construction d’un modèle prédictif pour la défectuosité des vitres de voitures : – Analyse des données de production : extraction, nettoyage et exploration des variables liées aux conditions de fabrication (température, pression, vitesse de refroidissement, etc.). – Développement et entraînement de modèles prédictifs supervisés tels que la régression logistique, KNN, Random Forest et LightGBM pour anticiper les défauts de production. – Évaluation des performances des modèles à l’aide de métriques adaptées aux problèmes de fort déséquilibre, et interprétation des résultats pour orienter les actions de contrôle qualité.

Analyse des résultats d’une enquête sur le taux d’emploi au Maroc : – Traitement et nettoyage des données issues d’une enquête nationale : gestion des valeurs manquanteset harmonisation des variables. – Réalisation d’analyses statistiques descriptives et croisées pour dégager les principaux facteurs influençant l’insertion professionnelle. – Visualisation des résultats à l’aide de graphiques et tableaux, accompagnée de recommandations politiques basées sur les disparités régionales et sociodémographiques observées.