Kaoutar TAYIBAT

Designing and deploying AI agents and n8n automation workflows to help businesses scale their SEO and content operations. → Built end-to-end n8n workflows automating SEO content production (articles, product pages, semantic clusters) → Designed AI agents powered by LLMs to generate and optimise content at scale → Integrated OpenAI & Anthropic APIs into automated pipelines → Delivered measurable time savings for clients through smart automation

+ Transformed data and made it available for the Data Science team. + Implemented pipelines to automate data ingestion and processing from various sources.

+ Setting up pipelines to automate data ingestion and processing workflows. + Implementing a Logic App to automate the date update process.

+ Converted and optimized existing SAS scripts into R. + Validated and tested migrated R scripts. + Collaborated with data scientists and analysts to align R implementations with business needs and analytical requirements. + Provided documentation and technical guidelines. + Conducted hands-on training sessions on Git.

+ Designed and developed applications to process and integrate data from multiple sources (Mainframe, Teradata). + Streamlined the creation and deployment of key deliverables, ensuring seamless integration into the production environment.

+ Data Wrangling: Data preprocessing, cleaning, and formatting. + Design and statistical analysis of the analytical dataset, including data selection and creation of new variables. + Development of an interactive map for classifying and visualizing habitat types. + Building predictive models (Logistic Regression, Decision Trees, etc.)

Contexte Projet : Janasense est une startup qui propose un service connecté afin de modéliser le risque de fragilité des personnes âgées. Objectif(s) : - Analyse des données temporelles provenant des capteurs. - Mettre en œuvre des modèles ML afin de détecter les activités quotidienne de la personne et identifier les défaillances comportementales. Réalisations • Préparation des données et traitement des valeurs manquantes. • Visualisation des séries chronologiques en utilisant Tableau. • Modélisation univariée : Carte de contrôle, Modèle linéaire • Modélisation multivariée : Modèle bayésien dynamique • Documentation, reporting. Environnement technique  Langage et outils : R (lm, bnlearn, bn.fit), SPSS  Outils BI : SQL, EXCEL  Outils Visualisation: Tableau, ggplot2  Outils divers : RapidMiner, Latex

Objectif : Déploiement d’algorithmes de Clustering afin de renforcer la connaissance de la catégorie des personnes qui est la plus susceptible à répondre à une offre. Réalisations • Etude descriptive/ Préparation des données. • Implémentation d’un algorithme d’apprentissage non supervisé (k-means clustering) Environnement technique  Langage et outils : Python, Pandas, Numpy, Kmeans, Sklearn.cluster

Objectif : Création d’une prévision des ventes des parapluies afin de gérer la production. Réalisations • Visualisation des données. • Neutralisation de la saisonnalité de la série. • Mettre en œuvre un modèle linéaire pour la prévention. Environnement technique  Langage et outils : Excel, VBA