Data Scientist Junior en MSc Big Data à l'ESTIA

Ce dépôt GitHub contient des projets de Data Science sur lesquels j'ai travaillé au cours de mon parcours professionnel et académique. Les projets sont organisés par type et sont décrits brièvement ci-dessous.

Voici une liste de mes projets, classés par type :

Projet	Type	Outils	Meilleur modèle	Précision
Analyse et classification de critiques de films	NLP	Scikit-Learn, NLTK, Gensim, Spacy	Regression logistique	89%
Détection de médicaments défectueux	Deep Learning	TensorFlow, PyTorch	CNN avec TensorFlow	92%
Analyse de la clientèle d'un concessionnaire et recommandation de véhicules	Machine Learning	Scikit-Learn, Hadoop/Spark, MongoDB, Oracle, HDFS, Mlflow, Docker, Flask	Clustering : KMeans, Recommandation : RandomForest	Clustering : 72%, Recommandation : 74%
Prédiction de l'affluence sur des lignes de bus	Machine Learning/ Deep Learning	Scikit-Learn, Keras	RandomForestRegressor	50%
Prédiction des salaires à partir des descriptions de postes	NLP	Scikit-Learn	Ridge	81%

Chaque projet comprend un résumé, des détails sur les outils utilisés et un lien vers le code sur Github. N'hésitez pas à y jeter un coup d'œil !

Projet de NLP

Analyse et classification de critiques de films, NLP

ESTIA, Bidart

• Nettoyage et tokenisation des données
• Mise en place d'un pipeline de transformation des données
• Entraînement d'un modèle de classification, précision de 89% Outils: Scikit-Learn, NLTK, Gensim, Spacy Source: https://github.com/jdjebi/Datascience/tree/main/Analyse-de-sentiments-NLP

Prédiction des salaires à partir des descriptions de postes

• Nettoyage et tokenisation des descriptions
• Entraînement d'un modèle de prédiction de salaire basé sur la vectorisation de mots avec un modèle TfidVectorizer (Précision du modèle 81%) Outils: Scikit-Learn, TfidVectorizer Source: https://github.com/jdjebi/Datascience/tree/main/Prediction-de-salaire

Projet de Deep Learning

Détection de médicaments défectueux, Deep Learning

AI4Industry, Proditec

• Génération de 30000 images à partir de 1000 via la Data Augmentation
• Définition de deux modèles de type CNN avec PyTorch et Tensorflow
• Entraînement des modèles et comparaison des résultats
• Test du meilleur modèle sur les données de test, précision 92% Outils: TensorFlow, PyTorch Source: https://github.com/jdjebi/Datascience/tree/main/Detection-medicaments-defecteux-Deep-Learning

Projets de Machine Learning

Analyse de la clientèle d'un concessionnaire et recommandation de véhicules, Machine Learning

• Construction d'un Datalake pour l'analyse de la clientèle
• Nettoyage et transformation des données du Datalake
• Exploration et visualisation des données des clients et du catalogue de véhicules
• Entraînement d'un modèle de clustering des véhicules, précision 72%
• Entraînement d'un modèle de recommandation, précision de 74%
• Déploiement du meilleur modèle sous forme d'API Outils: Scikit-Learn, Hadoop/Spark, MongoDB, Oracle, HDFS, Mlflow, Docker, Flask Source: https://github.com/jdjebi/Datascience/tree/main/Recommandation-Machine-Learning

N'hésitez pas à me contacter si vous avez des questions ou des commentaires sur l'un de ces projets.

Détection de médicaments défectueux, Deep Learning

• Étude de la série temporelle de l'activité des bus de 2019 à 2023
• Entraînement d'un modèle prédiction de l'affluence pour chaque ligne de bus, pour les 3 prochains jours avec une précision de 80% Outils: TensorFlow, PyTorch Source: https://github.com/jdjebi/Datascience/tree/main/Prediction-affluence-bus-Machine%20Learning-Deep%20Learning