Goudja MAHAMAT

J’ai formé une équipe de cadres de l’INSEED à la data science et au machine learning avec Python. L’objectif de cet accompagnement était double : - Renforcer les compétences techniques des cadres en data science et machine learning dans un environnement Python; - Développer une solution de ML plus robuste afin d’améliorer la précision de l’indicateur composite Proxy Means Test (PMT), utilisé pour l’analyse de la pauvreté. Réalisations : - Conception et animation d’un programme complet de formation structuré en 5 modules progressifs; - Mise en place d’un parcours pratique en Python : programmation, manipulation de données et bases de la data science; - Élaboration d'un modèle baseline de régression linéaire pour initier aux principes du Machine Learning; - Introduction aux modèles non linéaires et aux méthodes d’ensemble (Bagging, Boosting) pour améliorer la performance prédictive; - Développement et expérimentation de réseaux de neurones artificiels pour la modélisation avancée; - Formation à l’optimisation des hyperparamètres, à la sélection du modèle final et à l’initiation à la mise en production de solutions de Machine Learning.

En tant que formateur au sein de Datascientest, j’ai accompagné les étudiants du groupe OMNES EDUCATION dans leur apprentissage de Python, de la data science et du machine learning, à travers une approche concrète et orientée projets. J’ai animé des ateliers pratiques de programmation Python : bases, POO, manipulation de données et utilisation des principales librairies (Pandas, NumPy, Scikit-learn, TensorFlow). J’ai encadré des projets d’analyse de données : collecte, nettoyage, transformation et visualisation avec Python et SQL. J’ai accompagné la conception et l’évaluation de modèles de Machine Learning et Deep Learning. J’ai favorisé un apprentissage par la pratique, axé sur la résolution de cas concrets et la montée en autonomie technique.