Data Science & AI

Fort de plusieurs années d'expérience dans le domaine de la Data Science et de l'Intelligence Artificielle (IA), j'ai eu l'opportunité de travailler sur divers projets académiques et professionnels. Mes compétences vont de l'analyse de données avancée à la mise en œuvre de modèles de machine learning, avec un accent particulier sur l'application de ces compétences dans la data de l'industrie du jeux vidéo et de l'influence.

Accéder à Github

Formation Académique

International Term à Mcgill University (2024) :

Modules : Systèmes de recommandation, Internet des objets (IoT), commerce en Amérique du Nord

Master en Data Science et Intelligence Artificielle à EmLyon Business School (2023 - 2024) :

Modules : Traitement du langage naturel, apprentissage profond, apprentissage automatique, IA générative, science et analyse des données, visualisation des données, cartographie des données, gouvernance des données

Bachelor of Sciences en Management à ESCP Business School (2019 - 2023) :

Campus Track : Paris – Turin – Berlin

Électifs : Transformation numérique, AI blockchain & IoT, big data, entrepreneuriat, négociation

Ingénierie Informatique à EPITA (2017 - 2019) :

Classe préparatoire de 2 ans
Major de promo pour le projet étudiant de développement de jeu vidéo sur Unity

Projets Clés et Contributions Académiques

Analyse de l'Audience de LeStream sur Twitch (projet au sein de Webedia)

Objectif: Fournir une vision d'ensemble sur l'audience de la chaîne pour améliorer la prise de décision.

Méthodologie: Utilisation de l'API Twitch pour collecter des données publiques sur les spectateurs, organisation des données, comparaison de bases de données, représentation sous forme de cartographie.

Résultats: Création de visualisations montrant les connexions entre différentes catégories sur Twitch, identification des communautés centralisées et des niches, et analyse de l'impact des événements récents sur la distribution des spectateurs.

cette étude utilise des données accessibles publiquement, aucune information confidentielle n'est partagée.

EmLyonDSAIS-2024 Repository:

Ce repo contient divers projets relatifs à mes études en data science et IA à l'EmLyon.

Projets Notables: Code et documentation pour des tâches de machine learning, de prétraitement des données, et d'évaluation des modèles.

Techniques Utilisées: Machine learning, deep learning, GenAI, clustering, analyses exploratoires, et techniques de visualisation avancées.

ESCP-BSc Repository:

Ce repo regroupe les projets académiques et les travaux réalisés durant mon Bachelor à l'ESCP.

Projets Notables: Analyses de données business, études de marché, et prédiction de CLV.

Techniques Utilisées: Analyse statistique, visualisation des données, méthodes quantitatives de prise de décision et machine learning.

L'Ordre du Slip Perdu

↑Back to Top