Entreprises, SSII, DSI
Trouvez rapidement les meilleurs intervenants pour tous vos projets informatiques
Photo de Fadi, Data Scientist SQL

Fadi Data Scientist SQL

CV n°180503A002
Compétences techniques
SQL
C++
Études et formations

Education
2004–2008 Doctorat en Traitement du Signal, Eurecom – Université de Nice Sophia-Antipolis, Nice, France.

Title: Source-channel coding techniques applied to wireless sensor networks

2003–2004 Mastère SICOM ’Signal et communications numériques’, Université de Nice Sophia-
Antipolis, Sophia-Antipolis, France.

1998–2003 Ingénieur Electrique (Option Télécoms et Informatique), université Libanaise, Faculté de Génie, Liban.Formation (MOOC)

2017 Formation Certifiée ”Neural Networks and Deep Learning” (3 cours), deeplearning.ai.

2016 Formation Certifiée ”The Data Scientist’s Toolbox”, Johns Hopkins Bloomberg School of
Public Health.

2016 Formation Certifiée ”Hadoop Platform and Application Framework”, University of
California San Diego.

2015 Formation Certifiée ”Tackling the Challenges of Big Data”, Massachusetts Institute of
Technology (MIT).

2015 Formation Certifiée ”Introduction to Big Data”, University of California San Diego.
Compétences Informatiques
Langages
Python, C/C++, C#, Java, R, MATLAB
Web HTML, XML
IDE Visual Studio, Eclipse, Jupyter Notebook
Bases de Données MySQL, Oracle
VCS Git
Système d’exploitation Windows, Linux

Compétences Techniques
Math Appliqués Théorie d’estimation, théorie de décision, probabilité, statistiques, théorie de l’information
Algorithmique Optimisation, machine learning
Langues
Français Courant
Anglais Niveau professionnel
Arabe Courant

Expériences professionnelles

2017 – 2018 Ingénieur R&D ,Faculté de Génie, Université Antonine , Baabda.
•Visualisation et analyse de données Kaggle (Numpy, Pandas, Matplotlib, Seaborn)
•Classification d’image et génération d’image artistique utilisant les réseaux de neurones (Keras, Tensor- Flow)
•Agrégation de plusieurs modèles prédictifs (Decision tree, Random forest, Boosting, SVM, ...) en utilisant la librairie scikit learn
•Enseignement:
-Base de données (MySql, Oracle)
-Théorie des systèmes d’informations
-Programmation (C++)

2013 – 2016 Ingénieur R&D ,Département Réseaux et Informatique, Telecom-Paristech , Paris.
•Analyse de sentiments à partir de messages Twitter
•Classification de messages Facebook
•Classification des sites web e-commerce
•Modèle prédictif de location de vélos
•Conception et implémentation (enC#) d’algorithmes temps-réels calculant la puissance disponible au niveau des points de recharge des véhicules électriques
•Développement d’algorithmes d’ordonnancement, d’allocation de puissances et de pricing pour les services de recharge des véhicules électriques
•Encadrement d’un doctorant

2011 – 2012 Ingénieur Optimisation
,Département Energie and Procédés, Ecole des Mines de Paris- Armines , Paris.
•Optimisation paramétrique de modèles de procédés industrielles
•Implémentations d’algorithmes d’optimisations méta-heuristiques (Algorithmes génétiques, PSO)
•Développement de plusieurs modules en C++pour étendre les fonctionnalités du logiciel d’optimisation
•Développement d’interface graphique en Qt

2010Ingénieur Informatique ,Kernel Software , Fontainebleau.
•Travail sur un système de planification de vols d’une compagnie aérienne
•Développement de plusieurs modules en C(sous Unix) assurant la maintenance du logiciel de planification

2009 – 2010 Ingénieur Télécom ,Orange Labs - France Telecom , Issy-les-Moulineaux.
•Etude de performance d’un réseau de Femtos coopérative (MIMO) utilisant la technique du retournement temporel dans un contexte multi-utilisateur
•Calcul analytique du SINR (rapport signal sur bruit) pour différents types de canaux de transmissions
•Optimisation de la consommation d’énergie au niveau du réseau
•Co-encadrement d’un doctorant

2004 – 2004 Doctorant ,Eurecom - UNSA , Sophia-Antipolis.
•Segmentation de données issues d’un réseau de capteurs sans fils
•Algorithme de Max-Lloyd, partition de Voronoï
•Codage canal minimisant la probabilité d’erreur
•Estimation de données à partir d’observations bruitées, estimation de champs physiques multidimensionnels
•Théorie de l’information: Preuve du théorème de séparation dans le cas d’une réception non cohérente de sources corrélées sur un canal Gaussien à accès multiples
•Séances de laboratoires en communications numériques pour des élèves d’ingénieurs