TALARDIA GBANGOU

Plus de 10 projets pratiques en data (big data, machine learning, dataviz) effectuer, dont: • Projet NLP Text Mining: Analyse et prédiction des sentiments de tweets avec une précision supérieur à 88% après optimisation • Projet Big Data: Conception d’une solution Big Data pour optimiser la logistique avec une optimisation des livraisons, maintenance prédictive et amélioration de la satisfaction client. • Projet Big Data: Investissement dans Airbnb à Paris: Nettoyage, Enrichissement, Production d’indicateurs et rapports pour orienter les décisions d’investissement, et Déploiement de pipelines Big Data (NiFi, Spark) pour traitement et ingestion. • Projet Big Data: Netflix Analytics : nettoyage et enrichissement (PySpark, Pandas), stockage en PostgreSQL, calculs distribués et agrégations (Spark SQL), visualisations des tendances (genres, pays, ratings, évolution temporelle).

Plus de 8 projets en data appliquée à la qualité de l’air, dont : • Développement et déploiement de modèles de machine learning pour la prévision de la qualité de l’air. • Évaluation et post-traitement algorithmique de simulations numériques (CHIMERE, SIRANE) comparées à des observations (stations, satellites). • Data visualisation et veille scientifique via rapports, publications et diffusion des résultats de recherche.

• Développement et évaluation de prévisions probabilistes atmosphériques et hydrologiques intégrées (sans couture) , appliquées à la sécheresse (ECMWF, Météo-France). • Exploitation de données massives et outils scientifiques (Python, R, SQL, GitLab) pour l’analyse, la modélisation et la production d’indicateurs (vagues de chaleur, sécheresse). • Diffusion et valorisation scientifique via plateformes de partage, rapports et publications.

• Développement de projets data science appliqués à des cas réels (logistique, finance, vision par ordinateur, marchés boursiers). • Implémentation d’algorithmes de machine learning avancés pour générer des insights exploitables et soutenir la stratégie business. • Renforcement des compétences en data science via mentorat et collaboration avec des experts de l’industrie

• Développement et mise à l’échelle de services climatiques basés sur les TIC, incluant la prévision de l’humidité du sol et l’évaluation des risques météo-climatiques. • Analyse et modélisation prédictive pour l’agriculture et la gestion des risques liés au climat. • Coordination scientifique et diffusion via plateformes collaboratives et partenariats internationaux