Mohammed EL MOUATASSIM

• Analyser des données de systèmes éducatifs :

➢ Valider la qualité du jeu de données (données manquantes, dupliquées) / Décrire les informations contenues dans le jeu de données / Sélectionner les informations qui semblent pertinentes.

➢ Déterminer des ordres de grandeurs des indicateurs statistiques classiques pour les différentes zones géographiques et pays du monde.

• Concevoir une application au service de la santé publique : Attribuer un nutri-score aux produits alimentaires selon leurs apports nutritifs :

➢ Automatiser les opérations de nettoyage
➢ Description et analyse univariée des différentes variables importantes avec les visualisations associées
➢ Analyse multivariée et les résultats statistiques associés
➢ Préparation des données d’entrainement, de validation et de test pour les modèles de classification
➢ Entrainements et réglage de leurs hyperparamétres / Sélection du meilleur modèle

• Anticiper les besoins en consommation de bâtiments : Prédire les émissions de CO2 et la consommation d'énergie de bâtiments non destinés à l'habitation :

➢ Analyse exploratoire / Feature engineering
➢ Entranement de plusieurs modèles de prédictions pour émissions de CO2 et consommation totale d’énergie

➢ Identification du modèle final pour chaque tache

• Segmenter les clients d'un site e-commerce : Comprendre les différents types d'utilisateurs en utilisant des
  méthodes non supervisées pour regrouper des clients de profils similaires. Ces catégories vont être utilisées par l’équipe Marketing pour mieux communiquer :

➢ Nettoyage et analyse exploratoire
➢ Élaboration du modèle de segmentation des clients
➢ Détermination de la fréquence à laquelle la segmentation doit être mise à jour pour rester pertinente, afin de pouvoir effectuer un devis de contrat de maintenance.

• Classifier automatiquement des biens de consommation : Étude de faisabilité d'un moteur de classification d'articles, basé sur une image et une description, pour l'automatisation de l'attribution de la catégorie de l'article :

➢ Prétraitement des données texte et image / Extraction de features
➢ Réduction en 2 dimensions , afin de projeter les produits sur un graphique 2D, sous la forme de points dont la couleur correspondra à la catégorie réelle.
➢ Analyse du graphique afin d’en déduire ou pas, à l’aide de descriptions ou des images, la faisabilité de regrouper automatiquement des produits de même catégorie
➢ Calcul d'une mesure de similarité entre les catégories réelles et les catégories issues d’une segmentation en cluster

• Implémenter un modèle de scoring : Mise en œuvre d'un outil de 'scoring crédit' pour calculer la probabilité qu'un client rembourse son crédit, puis classifie la demande en crédit accordé ou refusé :

➢ Construire un modèle de scoring qui donnera une prédiction sur la probabilité de faillite d'un client de façon automatique

➢ Construire un dashboard interactif à destination des gestionnaires de la relation client permettant d'interpréter les prédictions faites par le modèle, et d’améliorer la connaissance client des chargés de
relation client
➢ Mettre en production le modèle de scoring de prédiction à l’aide d’une API, ainsi que le dashboard interactif qui appelle l’API pour les prédictions

• Déployer des modèles dans le cloud(AWS) : Mettre à disposition du grand public une application mobile qui permettrait aux utilisateurs de prendre en photo un fruit et d'obtenir des information sur ce fruit

➢ Mise en place d'une architecture Big Data (EMR, S3, IAM)
➢ Développement des scripts en PySpark pour le traitement de diffusion des poids du modèle Tensorflow sur les clusters et réduction de dimension type PCA

• Conception, développent et deploiement de divers applications java/jee.

• Conception, développent et deploiement de divers applications java/jee.