Mohammed - Data Scientist Python Luigi
Ref : 200526H002-
92110 CLICHY
-
Data Scientist, Data Analyst (44 ans)
-
Totalement mobile
-
En profession libérale
Expérience Professionnelle
2012 - 2016 : Employé Polyvalent – Domino’s Pizza
Organisation de l’équipe, Inventaire de stock, Bilan journalier.
Janv 2015 - juin 2015 : Enseignant de mathématique – Entraide Scolaire
Aide aux étudiants en terminale en divers modules de mathématiques.
Projets
Projets Python
Détection et classification des images des produits pharmaceutique en utilisant CNN et
YOLO. The AI Institute. Langage : Python
Classification des commentaires toxiques d’un degré entre 1 et 5 en utilisant un RNN
UPEM. Langage : Python
Prédiction de la probabilité d’admission des étudiants indiens au master par plusieurs
algorithmes de ML (forêts aléatoires,SVM).The AI Institute. Langage : Python
Survivants du Titanic : Comparaison de l’efficacité de plusieurs modèles de prédiction
(régression logistique, K-NN, forêts aléatoires). UPEM. Langage : Python
Autres Projets
Simulation d’événements rares : Application de l’algorithme Adaptive Multilevel Splitting.
UPEM. Langage : LaTex
Résolution de problèmes NP-Difficiles (Théorème des 4 Couleurs, Problème de Démineur) à l’aide de l’algorithme de Metropolis. UPEM. Langage : R
Invariance des Systèmes Stochastiques - Application du principe de Brézis- Browder.
UPEM. Langage : LaTex
Diplômes et Formations
Oct 2019 - Dec 2019 : Boot Camp en Data Science & IA, 480h de Cours
Pratiques. The AI Institute, Paris, France.
Traitement de données, apprentissage supervisé et non supervisé, réduction de dimension, Big
Data, PCA, régression linéaire, K-means, réseaux de neurones, apprentissage profond, RNN,
CNN, features engineering, image processing, LSTM, Auto-encoders, Hadoop, AWS, SQL.
Avril 2019 : MOOC Deep Learning on Coursera.
Apprentissage profond, Convolutional NN, Reccurent NN, Transfer Learning, NLP, Data
Augmentation, ConvNets, Computer Vision, Object Detection. ResNets, LSTM, YOLO
Algorithm, Inception Network, Sequence Models.
Fev 2019 : MOOC Machine Learning - University of Stanford on CoRégression logistique, SVM, K-means, réduction de dimension, réseaux de neurones, descente de
gradient, fonctions de perte, régularisation. sélection de model.
Sept 2017- Sept 2019 : M1/M2 Probabilités et Statistiques des
Nouvelles Données. Co-habilité entre l’Université Paris-Est-Marne-La-Vallée et
l’École des Ponts ParisTech, Paris, France
Statistiques en grande dimension, probabilités avancées, Data Mining, Tests statistiques, Maching
Learning, chaînes de Markov, matrices aléatoires, architecture Big Data, algèbre linéaire, analyse
fonctionnelle, équations différentielles, processus stochastiques, simulation et copules.
Sept 2012 - juin 2017 : L1/L3 Licence Mathématiques Appliquées Université Paris 7 Diderot, Paris, France.
Algèbre Linéaire, Probabilité et Processus Aléatoires, Méthodes Numérique, Topologie, analyse
numérique matricielle, Théorie de l’intégration, Analyse de Fourier et espaces Hilbertiens,
Chaînes de Markov, simulations probabilistes. Analyse fonctionnelle.
Français : Bilingue
Anglais : Compétence Professionnelle
Arabe : Langue maternelle