
>|
Passionné par la Data Science et le Machine Learning, je transforme des données complexes en insights actionnables — des modèles prédictifs aux pipelines MLOps en production.
Développeur passionné avec une double expertise en Machine Learning et DevOps, je me spécialise dans la création d'applications intelligentes et la gestion d'infrastructures cloud modernes et évolutives.
Mon approche combine des compétences techniques pointues avec une vision orientée produit pour livrer des solutions robustes et scalables.
De l'exploration des données à la mise en production, je maîtrise l'ensemble du cycle de vie d'un projet Data Science : collecte, nettoyage, modélisation, évaluation et déploiement.
Fort d'une formation en ingénierie et de projets concrets en Machine Learning, je souhaite approfondir mon expertise en Data Science au sein d'un programme d'excellence orienté IA et analyse avancée des données.
Université Saint Jean
Gestion de l'infrastructure cloud, mise en place de pipelines CI/CD, optimisation des performances et monitoring des systèmes critiques.
Freelance
Développement d'applications web complètes pour divers clients, avec expertise en React, Node.js et bases de données.
Mes projets Data Science & ML illustrent ma capacité à produire des modèles exploitables, de l'analyse exploratoire jusqu'au déploiement applicatif.
Application de prédiction du diabète utilisant des algorithmes de Machine Learning avancés. Interface intuitive avec visualisation des données en temps réel et modèles prédictifs atteignant 92% de précision.
Système intelligent d'analyse prédictive des coûts d'assurance médicale. Architecture microservices avec API REST, base de données SQL optimisée et dashboard analytique en temps réel.
Plateforme SaaS complète pour la gestion immobilière de l'Université Saint Jean. Architecture cloud-native avec auto-scaling, monitoring avancé et pipelines CI/CD entièrement automatisés.
Modèle de Machine Learning basé sur SVM pour l'analyse et la détection de comportements utilisateurs. Entraîné sur un dataset réaliste de 1000 entrées, avec une application Python de déploiement.
Système de prédiction des prix immobiliers utilisant un modèle SVM entraîné sur des données réelles. Inclut un notebook d'analyse complet, validation du modèle et application de prédiction interactive.
Application web full-stack de gestion des demandes et tâches en équipe. Intègre un système de rôles (Admin / SuperAdmin / Utilisateur), des notifications en temps réel via WebSocket et un tableau de bord analytique.
Microservice NestJS de gestion d'équipements, stocks et affectations pour la plateforme immobilière Immo360. Architecture hexagonale (DDD), messagerie RabbitMQ, documentation Swagger et déploiement Docker.
Je suis toujours intéressé par de nouveaux défis et opportunités.