Sekou DICKO

– Conception, Évolution et Maintenance des chaînes de traitements de données pour le Référentiel Client Unique en data marketing.

– Analyse et compréhension du besoin métier. – Collecte et Structuration des données : • Extraire les données chimiques à partir d'internet (Web Scraping). • Mettre les données collectées dans une base de données SQL. • Nettoyer, Imputer et encoder les données collectées. – Élaboration d'algorithmes pour prédire des indices de rétention des composés chimiques (Régression) : • Construire et tester des modèles Random Forest, Gradient Boosting, CNN. • Sélectionner le meilleur modèle et optimiser ses paramètres (CNN). • Valider les performances du CNN par les experts métiers. – Industrialisation de l'algorithme développé : • Créer une interface graphique avec Streamlit et PyQT. • Déployer la solution sur le gitlab de Michelin. • Migrer la solution dans le centre logiciel de Michelin. – Mise en place d'une base de données SQL des composés d'intérêt de Michelin avec leur indice de rétention prédit : • Modéliser et créer une table SQL d'une centaine de composés chimiques.

– Collecte et préparation des données : • Écrire un script pour télécharger automatiquement des données. • Nettoyer les données récupérées. • Traitement d'images: mettre les images à la même taille. – Développement d'algorithmes d'IA pour la robotique : • Implémenter un modèle CNN pour l'estimation de la profondeur dans une image. • Implémenter un modèle CNN pour prédire la pose de la caméra entre une séquence d'images. – Pilotage d'un robot industriel doté d'un système de vision : • Déplacer le robot en temps réel à partir des deux modèles. • Trier des pièces selon leur longueur en utilisant le modèle de prédiction de la profondeur.