Tylden
Hounsa.
Mathématiques et informatique appliquées aux sciences humaines et sociales. Je nettoie, explore et modélise les données pour révéler des tendances décisionnelles et concevoir des modèles prédictifs rigoureux.
→Objectif : data analyst ou data scientist
À propos
Étudiant en troisième année de MIASHS (mathématiques et informatique appliquées aux sciences humaines et sociales), je me situe au croisement des maths, de la statistique et de l'informatique. Un terrain qui me convient pour construire une carrière dans la donnée.
Mon parcours m'a déjà mis face à des projets concrets : simulation d'écosystème, apprentissage automatique sur des données réelles, étude de corrélations à l'échelle mondiale. Chaque projet renforce la même conviction : des données bien traitées et modélisées éclairent les choix stratégiques et anticipent les tendances.
Mon objectif est clair, devenir data analyst ou data scientist, en articulant analyse exploratoire, visualisation d'impact et modélisation statistique avancée (machine learning). Je suis encore en construction, et c'est exactement ce qui m'intéresse dans cette période.
Compétences
| Compétence | Catégorie | Niveau |
|---|---|---|
| Python | Langage | |
| SQL | Langage | |
| R | Langage | |
| Java | Langage | |
| HTML / CSS | Langage | |
| ggplot2 (R) | Analyse & visualisation | |
| R Markdown | Analyse & visualisation | |
| Excel | Analyse & visualisation | |
| Tableau Desktop | Analyse & visualisation | |
| pandas / matplotlib | Analyse & visualisation | |
| Orange Data Mining | Machine learning & BDD | |
| WAMP / MySQL | Machine learning & BDD | |
| RStudio | Machine learning & BDD | |
| Apprentissage supervisé | Machine learning & BDD | |
| Apprentissage non supervisé | Machine learning & BDD | |
| scikit-learn | Machine learning & BDD |
Projets
Classés du plus récent au plus ancien.
Mortalité et pollution aux particules fines
Étude statistique de la corrélation entre le taux de mortalité mondial et le niveau de particules fines (PM2.5) par pays, de la collecte à la modélisation. Base de données relationnelle en SQL, visualisations sous R et rapport complet en R Markdown.
Simulation proie-prédateur
Modélisation d'un écosystème loups-moutons : la logique de simulation tourne en Python et communique en temps réel avec une interface graphique en Java, via une connexion TCP client-serveur en local.
Projet machine learning sous Orange
Exploration d'un jeu de données réel avec des méthodes supervisées (classification, régression) et non supervisées (clustering), puis comparaison des modèles et interprétation des résultats.
Bomberman, version terminale
Recréation du jeu classique, affichage entièrement en ligne de commande. Premier grand projet de programmation, posé en débutant : une base solide sur les structures de données, la logique de jeu et la gestion d'états.
Roadmap
Ce que j'ai déjà posé, ce sur quoi je travaille, ce qui m'attend.
Fondamentaux de la programmation
Python, Java, SQL, HTML/CSS. Les bases sont posées.
Statistiques et analyse de données
R, ggplot2, R Markdown, bases de données relationnelles.
Introduction au machine learning
Apprentissage supervisé et non supervisé avec Orange Data Mining.
Python pour la data science
pandas, matplotlib, numpy, scikit-learn. En cours.
Machine learning & modélisation avancée
Modélisation prédictive, feature engineering, deep learning et déploiement d'algorithmes.
Visualisation avancée et reporting
Power BI, Tableau avancé, Plotly/Dash, storytelling par la donnée.
Contact
Ouvert aux stages, à l'alternance, aux projets collaboratifs, et aux échanges autour de la donnée en général. N'hésite pas à écrire.