Mehdi Olivier Doubiani

Exploratory Data Analysis - Proof of Concept

une étude exploratoire de données en vue d'une application innovante

Le site Lamarmite souhaite mettre en place un générateur de recettes saines à partir de la base de données OpenFoodFacts à destination d’une clientièle française

Python Pandas EDA

Supervised Learning - Regression (Numerical Prediction)

Seattle Buildings 2050 Initiative

Tenter de prédire les émissions de CO2 et la consommation totale d’énergie de bâtiments pour lesquels elles n’ont pas encore été mesurées…

Python Supervised Learning Sci-Kit Learn Régression

Unsupervised Learning

Customer Segmentation - Brazilian E-Commerce Site

Olist souhaite que vous fournissiez à ses équipes d’e-commerce une segmentation des clients qu’elles pourront utiliser au quotidien pour leurs campagnes de communication. Votre objectif est de comprendre les différents types d’utilisateurs grâce à leur comportement et à leurs données personnelles. Vous devrez fournir à l’équipe marketing une description « actionable » de votre segmentation et de sa logique sous-jacente pour une utilisation optimale, ainsi qu’une proposition de contrat de maintenance basée sur une analyse de la stabilité des segments au cours du temps.

Python Unsupervised Sci-kit Learn K-Means Segmentation Clustering

Natural Language Processing

Tag Prediction - StackOverflow

Amateur de Stack Overflow, qui vous a souvent sauvé la mise, vous décidez d’aider la communauté en retour. Pour cela, vous développez un système de suggestion de tag pour le site. Celui-ci prendra la forme d’un algorithme de machine learning qui assigne automatiquement plusieurs tags pertinents à une question.

Python NLP Spacy Beautiful Soup TfIdf Tags Supervised Unsupervised Latent Dirichlet Allocation

Deep Learning Convolutionnal Neural Network

CNN - Dog Breed Classifier

Une association de protection des animaux a une base de données de pensionnaires qui commence à s’agrandir et ils n’ont pas toujours le temps de référencer les images des animaux qu’ils ont accumulées depuis plusieurs années. Ils aimeraient donc réaliser un index de l’ensemble de la base de données d’images, pour classer les chiens par races.

Python Computer Vision Keras Neural Networks Tensorflow 2.0

Développez une preuve de concept

Votre supérieur vous demande de trouver une méthode plus récente pour améliorer la méthode utilisée en production chez un client.

En début de projet (1 à 2 jours de travail), après avoir fait un rapide tour d’horizon de l’état de l’art du domaine, vous soumettrez à votre supérieur (votre mentor) un plan prévisionnel de votre travail, avec l’algorithme envisagé, le dataset sur lequel vous pensez évaluer les performances, un ou deux arguments justifiant votre choix, deux ou trois références bibliographiques (post de blog ou article de recherche) vous permettant de présenter un état de l’art sur le problème étudié et sur lesquels votre travail futur s’appuiera. Une fois la démarche validée, vous approfondirez votre compréhension de cette nouvelle approche, et l’implémenterez, ainsi qu’une méthode baseline simple (algorithme déjà utilisé sur un projet précédent, qui jouera le rôle de ce qui est actuellement en production). Vous vous appuierez également sur les sources sélectionnées pour présenter l’état de l’art et les avancées récentes (un exemple très récent, <18 mois, et rien de plus de 5 ans).

Réduction de dimension Python UMAP TMAP scikit-learn

Compétition Kaggle TReNDS Neuroimaging

Compétition Kaggle TReNDS Neuroimaging

Rendez-vous sur le site de Kaggle et choisissez la compétition qui vous intéresse. Vous êtes libre de votre choix. Vous devrez participer à la compétition dans la mesure du possible, ou en tout cas obtenir des résultats mesurables. Vous passerez par toutes les étapes de l’analyse => récupération, nettoyage des données, analyse exploratoire, création de plusieurs modèles et mesure de leurs performances, etc. Vous participerez à une compétition réelle et en cours.

Algorithme Genetique Deep Learning PyCaret Python Régression

Prédiction Cancer du sein

Prédiction du cancer du sein à l'aide d'algorithmes de classifications sur la base de données du Wisconsin sur le cancer du sein. Mise en œuvre avec Streamlit.

Prédicteur de cancer du sein. La prédiction du cancer du sein à l'aide d'algorithmes de classifications sur la base de données du Wisconsin sur le cancer du sein. Mise en œuvre avec Streamlit. Contexte : Le diagnostic histologique du cancer du sein est la règle d'or, mais il prend beaucoup de temps.

Python Classification Cancer du sein Scikit-learn Random Forest XGBoost Decision Tree KNN

Hands-on examples of processing massive streams of data - in real time, on a cluster - with Apache Spark Streaming.

-Process massive streams of real-time data using Spark Streaming -Integrate Spark Streaming with data sources, including Kafka, Flume, and Kinesis -Use Spark 2's Structured Streaming API -Create Spark applications using the Scala programming language -Output transformed real-time data to Cassandra or file systems -Integrate Spark Streaming with Spark SQL to query streaming data in real time -Train machine learning models with streaming data, and use those models for real-time predictions -Ingest Apache access log data and transform streams of it -Receive real-time streams of Twitter feeds -Maintain stateful data across a continuous stream of input data -Query streaming data across sliding windows of time

Spark Hadoop Spark MLLib Spark Streaming Scala Java SBT EMR

Analyzing Password Strength with Python

1°) Not too short 2°) All types of characters 3°) Must not contain the phrase password (case insensitive) 4°) Must not contain the user's first or last name

Python Pandas

The Ultimate Hands-On Hadoop - Tame your Big Data!

Install and work with a real Hadoop installation right on your desktop with Hortonworks (now part of Cloudera) and the Ambari UI. Manage big data on a cluster with HDFS and MapReduce. Write programs to analyze data on Hadoop with Pig and Spark. Store and query your data with Sqoop, Hive, MySQL, HBase, Cassandra, MongoDB, Drill, Phoenix, and Presto. Design real-world systems using the Hadoop ecosystem. Learn how your cluster is managed with YARN, Mesos, Zookeeper, Oozie, Zeppelin, and Hue. Handle streaming data in real time with Kafka, Flume, Spark Streaming, Flink, and Storm

Hadoop Spark Streaming Phoenix MongoDB Cassandra Oozie Flume Storm Hive Pig HDFS YARN Mesos Hue Kafka