Othmane NAGGAR

– Détection de fraude en assurance santé – Mise en place d'un modèle hybride (régression + réseau de neurones) pour repérer les anomalies dans les réclamations médicales. – Intégration des données via un outil de lecture et nettoyage automatisé sous SAS. – Analyse textuelle des rapports médicaux avec SAS Text Miner et embeddings BERT pour enrichir les variables. – Analyse de sinistres automobiles – Estimation du coût de réparation – Création d'un modèle prédictif sous SAS et Python pour estimer les coûts des sinistres. – Lecture et préparation des données clients et experts via outil ETL et SAS. – Amélioration de la précision grâce à un réseau de neurones sur les variables d'images et de texte (rapports d'expertise). – Classification de phosphate stérile par imagerie hyperspectrale – Développement d'un modèle CNN 3D pour classifier les types de roches à partir d'images hyperspectrales. – Pipeline complet : prétraitement spectral, normalisation, réduction de dimension et classification supervisée. – Serre autonome – Estimation de croissance et détection de maladies de salades – Utilisation de réseaux de neurones convolutionnels (CNN) pour détecter les anomalies de croissance. – Modélisation de la croissance des plantes via données d'images et capteurs (température, humidité, lumière). – Détection automatique de lampadaires par imagerie satellite – Détection d'infrastructures urbaines via segmentation sémantique (U-Net). – Application pour la maintenance automatisée de l'éclairage public dans un contexte Smart City. – Surveillance du trafic routier en temps réel – Conception d'un système de vision par ordinateur pour le comptage et la classification de véhicules, estimation de vitesse et détection d'embouteillages. – Déploiement sur edge devices avec TensorRT pour exécution en temps réel.