Yann Junior TAGUEYANG NOUME

- Collecte, exploration et nettoyage de données issues de capteurs d’imagerie. - Préparation et normalisation des jeux de données pour l’analyse . - Développement et déploiement d’un modèle de détection automatique de points durs - Création d’un pipeline complet de traitement d’images et conception d’un modèle de classification basé sur des images prétraitées (ResNet, VGG16, GoogleNet). - Suivi et optimisation des performances des modèles via MLflow. Résultats : Modèle de classification atteignant une précision de 94%, avec réduction du temps d’inférence et du tri dans les bacs. Modèle de détection de points durs affichant une précision supérieure à 75%, permettant une identification fiable des défauts et une meilleure orientation des Vêtements dans le processus de tri.

Prédiction du nombre de passagers sur une ligne de bus - Analyse exploratoire approfondie sur des données tabulaires et catégorielles (horaires, arrêts, jours de la semaine, etc.) - Mise en œuvre d’un pipeline de prétraitement complet (nettoyage, encodage des variables catégorielles, normalisation) - Application de techniques d’augmentation de données pour enrichir le jeu d’entraînement - Entraînement et évaluation comparative de plusieurs modèles supervisés : régression linéaire, XGBoost (modèle le plus performant) et réseau de neurones (TensorFlow) - Suivi des performances à l’aide du RMSE, du MAE et de la validation croisée Résultat : le modèle XGBoost a démontré la meilleure capacité de généralisation, avec une précision élevée sur les périodes de forte affluence

Mise en place d'une API d'un chatbot de sensibilisation pour améliorer la qualité des réponses aux utilisateurs. (RAG, python, AWS, mistral AI, Fast API)