Forecasting algorithms : construction d’algorithmes de prédiction ∠ Gestion de bases de données ∠ La collecte, le nettoyage, la préparation et la manipulation de données volumineuses et complexes pour améliorer l’exactitude des prévisions de volume de véhicules transportés. ∠ Utilisation de langages tels que Python, SQL, Knime pour concevoir, développer, tester et déployer des modèles de prédiction basés sur des données. ∠ Expérience de travail en collaboration avec les équipes de développement ∠ Mettre en place des outils de visualisation de données tels que Tableau, Power BI, pour créer des ∠ Visualisations de données interactives et persuasives pour les parties prenantes

ASWO | Sep 2021 - Oct 2022

Data analyst & chargé d'étude statistique

∠ Construction des Algorithme décisionnel de lancement de commande. ∠ Nettoyage et prétraitement des données logistiques. ∠ traitement et analyse des données logistiques ∠ Analyse du portefeuille historique des commandes ∠ Définir les niveaux de priorité des commandes. ∠ Modélisation des profils de commandes. Définir les niveaux de priorité des commandes à envoyer sur la chaîne mécanisée selon les critères de complexité (nombre de lignes, temps de parcours, nombre de colis, heure de départ transporteur).

Université Paris-Est Créteil (UPEC) | Mar 2021 - Jun 2021

Junior Research Scientist

Introduction to the world of mathematical research in the LAMA laboratory of UPEC supervised by doctors in mathematics, through this experience I was able to work on a purely mathematical research subject related to differential geometry in particular to the poincaré lemma and its relation to vector analysis

Université Ferhat Abbas, Sétif | Jan 2019 - Sep 2019

Junior Research Scientist

- Analyser et modéliser mathématiquement des systèmes de réaction diffusion appliqués à la biologie moléculaire. - Etudier un système de réaction-diffusion appliqué à une grande classe de réseaux d’interaction protéine-protéine. - Développer une méthode de calcul permettant d'identifier les paramètres inconnus et les valeurs initiales d’un système de réaction-diffusion. -Analyse de corrélation ou les tests d'importance des variables -Division des données en un ensemble d'entraînement (training set) et un ensemble de test (test set). -Choix et entraînement du modèle : faire des tests avec des Différents algorithmes d'apprentissage automatique , tels que les arbres de décision, les réseaux de neurones, les machines à vecteurs de support (SVM) et les méthodes ensemblistes comme les forêts aléatoires. Le modèle est entraîné sur l'ensemble d'entraînement en utilisant les caractéristiques sélectionnées et les étiquettes correspondantes (cellules cancéreuses ou non cancéreuses). - Évaluation du modèle : Une fois que le modèle est entraîné, il est évalué sur l'ensemble de test pour mesurer ses performances. Des métriques telles que la précision, le rappel, la courbe ROC ou l'aire sous la courbe ROC sont utilisées pour évaluer la capacité du modèle à détecter les cellules cancéreuses et à minimiser les faux positifs et les faux négatifs. - Optimisation du modèle : Selon les performances du modèle, des ajustements peuvent être apportés en modifiant les hyperparamètres, en sélectionnant différentes caractéristiques pour améliorer la précision de la prédiction.

My Education

Take a look at my formal education

Master en informatique, Data science & cyber securityUniversité Paris 8 | 2021

Master , Mathématiques appliquéesUniversité Paris-Est Créteil (UPEC) | 2021

Statistiques mathématiques et probabilitésUniversité Ferhat Abbas, Sétif | 2019

Create Your Data Portfolio for Free