Kaoutar El Issati

Mission : - Modélisation gel neige (Python, R, HARP) • Collecte des données de la température sur 10 ans (2010 – 2020) • Analyse des données et justification des choix des méthodes • Définition des évèments gel-neige • Mise en Asif des charges • Modélisation de la fréquence et du coût des sinistres - Calcul de l'aliment du traité XS Aggregate (SAS, R, Excel) • Amélioration de la base de donnés climatiques informatique existante • Automatisation des sorties des données de renouvellement de la réassurance • Calcul des rétentions par évènement puis par année • Aide à la tarification de la réassurance • Préparation des données nécessaires à la modélisation du STEC climatique • Fiabilisation des données climatiques par comparaison avec d'autres sources • Préparation des données nécessaire à la modélisation du STEC climatique

Prédire la propagation du covid-19 (mémoire de fin d'études) - réalisé avec python

Détection de fraudes produisent par des cartes bancaires en utilisant des modèles de Machine Learning (LGBM, XGBoot, ..) appliquée sous Python.

Recherche des normales, des bornes et des durées de retour des températures et du vent à 10m sur la France et sur l'Angola à partir d'adaptation statistiques sur les nouvelles reanalyses ERA5. Les tâches effectuées : - Collection des données sur l'Angola depuis plusieurs bases de données (Données SASSCAL, Données NOAA-ISD, Données BDMONDE, ...) - ERA5 sur l'Angola et la France - Appliquer AS (Adaptation statistique)qui a comme but d’adapter localement les prévisions brutes du modèle numérique en utilisant un modèle statistique (régression, discrimination, . . . ) - Développer deux modèles permettants d’évaluer la borne supérieur à partir des modèles de régression adaptés - Étude de l'approche par GEV et GPD pour les durées de retour, proposition de deux approches par la loi binomiale et la loi géométrique.

Détermination de la loi a priori en statistique inférentielle bayésienne - réalisé avec Python