Mouhamadou Ndiaye

** Data Processing & Feature Engineering (Snowflake / dbt) • Gestion des flux de chargement et transformation des données dans Snowflake via dbt. • Construction de datasets analytiques et de features pour les modèles de segmentation, scoring et prévision. • Intégration et structuration de sources hétérogènes (POS, données géospatiales IRIS, GPS, INSEE). ** Machine Learning & Data Science • Segmentation de magasins à partir de données géographiques et sociodémographiques. • Modèles de prévision de chiffre d’affaires et de potentiel commercial. • Détection de fraude et d’anomalies sur factures et devis (modèles supervisés + règles métier). • Analyse spatio-temporelle pour détecter la concurrence interne entre points de vente. ** Document Intelligence, LLM & GenAI • Mise en place de pipelines OCR + NLP pour l’extraction d’informations depuis des PDF comptables. • Moteur de recherche sémantique et systèmes RAG avec LLM (Claude) et base vectorielle Qdrant. ** MLOps & Déploiement • Déploiement de modèles via FastAPI (API REST) et conteneurisation avec Docker. • Gestion du cycle de vie des modèles avec le Model Registry de Snowflake. • Déploiement Cloud sur AWS (S3, Lambda) et prototypage d'applications avec Streamlit.

** Computer Vision & Maintenance prédictive • Détection et segmentation automatique de défauts sur pales d’éoliennes (Deep Learning / PyTorch). • Développement de pipelines de traitement d’images pour reconstruction et analyse de surfaces. • Modèles de maintenance prédictive basés sur des données capteurs et historiques de pannes. • Contribution à une plateforme de centralisation et de visualisation des données industrielles.

• Utilisation de SQL pour extraire efficacement les données d’une base Oracle, facilitant leur exploitation ultérieure. • Application de méthodes statistiques descriptives et inférentielles à l’aide de Python et R pour extraire des informations clés, guider les décisions stratégiques et optimiser les processus. • Développement de modèles d’apprentissage automatique pour optimiser les processus de production, améliorer l’efficacité et fournir des prévisions précises. • Présentation des analyses et solutions aux équipes métier, assurant l’adoption de stratégies fondées sur les données.