Mahmoud Albardan

Projet EOSS: Segmentation des sociétaires de la MAIF suite à des enquêtes reçues lors d’un contact • Extraction et préparation des pipelines de traitement de données pour la modélisation à partir d’une base de données PostgreSQL en utilisant SQLAlchemy. • Analyse des données clients pour optimiser les insights marketing. • Construction de modèles de clustering pour les clients en fonction des besoins métier. • Communicationavec les équipes métier pour comprendre leurs besoins et fournir des insights exploitables. • Environement et Stack technique: Clustering, Classification, Python, PostgreSQL, SQLAlchemy

Projet Smart CAPEX (Orange MAROC) : Usage des algorithmes de machine learning pour optimiser les investissements en matière de CAPEX au Maroc - Construction des modèles de forecasting des trafics data/voix et de détection de congestion sur l’ensemble des sites 2G/3G/4G - Analyse des données des réseaux mobiles en collaboration avec les différentes équipes métiers pour comprendre leurs besoins et respecter le cachier de charge - Analyse des données socio-économiques (population, PIB, ..) afin de fournir les positions les plus rentables de nouveaux sites télécoms (à installer) - Construction du modèle d’attrition client des sites - Analyse et valorisation économique des sorties des modèles en terme de valeurs actuelle nette - Implémentation des tests unitaires, tests end-to-end ainsi que la construction de la chaîne CI/CD (gitlab) dédiée au traitement des données et le développement des modèles ainsi que leur évaluation - Maintenance des modèles des différentes étapes dans le projet

Analyse et détection du mal des transports dans les véhicules (avec Stellantis-PSA) - Traitement des signaux physiologiques via des multiples techniques selon le type du signal (ECG, EDA, Respiration,..) afin d’en extraire les variables représentatives à l’aide des analyses fréquentielles, temporelles et temps-fréquences. - Traitement des données véhicules (accélération, vitesse, ..) - Construction des algorithmes adaptés pour la détection d’anomalie (signaux temporels) due à la conduite - Construction des algorithmes de détection du mal du transport et de la prédiction de son amplitude senti par le passager

Projet FluxDataVision: Analyse de flux de piétons/clients pour villes et retails via des capteurs WiFi - Mise en place des algorithmes de prédiction et détection des anomalies dans le flux humain - Mise en place des algorithmes de construction des heatmaps de ce flux - Conception d’une version alpha d’un logiciel (via des caméras) pour détecter, reconnaître, comparer les visages des clients en estimant des données morphologiques tel que l’âge, le sexe et l’indice de masse corporelle en utilisant des techniques deep learning. Ce produit vient en complément à FluxDataVision retail. - Création d’une base de 150k images de visage étiquetées par des données morphologique (âge, sexe, taille, poids) Projet YouTakeCare: Analyse du comportement des personnes âgées dans leur domicile à travers une localization indoor via des capteurs WiFi - Préparation d’un POC et mise en place des algorithmes nécessaires pour répondre à l problématique de l’analyse de comportement - Construction du modèle comportementale du logement à travers une analyse de l’activit quotidienne - Construction des algorithmes de détection et gestion des anomalies comportementales - Amélioration de la géolocalisation indoor à travers des techniques de fusion de donnée et du traitement du signals.

Fusion des classifieurs dans un apprentissage décentralisé dans un cadre probabiliste et possibiliste Enseignement du traitement du signal et de l’automatique (128 h TD et TP)

L’objectif était d’étudier le facteur humain dans la conduite d’un véhicule intelligent. On s’est intéressé aux approches d’analyse du risque d’accident pendant la conduite en prenant en compte des facteurs internes et externes au conducteur.