Data analyst & Développeur python

Passionné par l'analyse de données et la programmation Python, j'aide les étudiants, chercheurs et entreprises à nettoyer, structurer et valoriser leurs jeux de données complexes. Je réalise des analyses statistiques claires, du nettoyage de données et des visualisations d'impact.

Portfolio

Objectif : Prédire l'issue médicale (lived, died, euthanized) de chevaux atteints de colique à partir de données cliniques.
Analyse Exploratoire (EDA) : Étude de la distribution des cibles (59,5 % lived, 25,8 % died, 14,7 % euthanized) et analyse des constantes vitales (température rectale et fréquence cardiaque) montrant une nette élévation des pulsations chez les cas critiques.

Modélisation & Optimisation : Entraînement et comparaison d'une Régression Logistique et d'un Random Forest. Recherche du seuil optimal de classification (F1-score maximal à 0.30).

Évaluation des Performances : Évaluation par matrices de confusion et courbes ROC multi-classes. Le Random Forest surpasse la régression logistique sur les classes euthanized (AUC 0.780 vs 0.728) et lived (AUC 0.782 vs 0.726), tandis que la régression logistique excelle sur la classe died (AUC 0.879).
Développement d'un pipeline complet de Machine Learning visant à classifier automatiquement 7 variétés de haricots secs à partir de 16 caractéristiques géométriques et morphologiques issues d'imagerie.
Technologies & Outils :
Langage : Python
Data Processing & ML : Pandas, NumPy, Scikit-Learn (LogisticRegression, RandomForestClassifier, StandardScaler, label_binarize)
Visualisation : Matplotlib, Seaborn
Points Clés du Pipeline Technique :
Préparation & Nettoyage : Extraction et séparation des features/target, encodage des labels (LabelEncoder), contrôle des valeurs manquantes et division stratifiée (80/20) pour préserver la distribution des classes.
Standardisation : Application d'un StandardScaler ajusté uniquement sur le jeu d'entraînement pour garantir zéro data leakage.
Modélisation & Comparaison : Entraînement d'un modèle linéaire basique (Régression Logistique / Sigmoïde OvR) face à un modèle d'ensemble non-linéaire (Random Forest).

Objectif : Prédire l'issue médicale (lived, died, euthanized) de chevaux atteints de colique à partir de données cliniques.

     Analyse Exploratoire (EDA) : Étude de la distribution des cibles (59,5 % lived, 25,8 % died, 14,7 % euthanized) et analyse des constantes vitales (température rectale et fréquence cardiaque) montrant une nette élévation des pulsations chez les cas critiques.

 Modélisation & Optimisation : Entraînement et comparaison d'une Régression Logistique et d'un Random Forest. Recherche du seuil optimal de classification (F1-score maximal à 0.30).

  Évaluation des Performances : Évaluation par matrices de confusion et courbes ROC multi-classes. Le Random Forest surpasse la régression logistique sur les classes euthanized (AUC 0.780 vs 0.728) et lived (AUC 0.782 vs 0.726), tandis que la régression logistique excelle sur la classe died (AUC 0.879).

Développement d'un pipeline complet de Machine Learning visant à classifier automatiquement 7 variétés de haricots secs à partir de 16 caractéristiques géométriques et morphologiques issues d'imagerie.

Technologies & Outils :

Langage : Python

Data Processing & ML : Pandas, NumPy, Scikit-Learn (LogisticRegression, RandomForestClassifier, StandardScaler, label_binarize)

Visualisation : Matplotlib, Seaborn

Points Clés du Pipeline Technique :

Préparation & Nettoyage : Extraction et séparation des features/target, encodage des labels (LabelEncoder), contrôle des valeurs manquantes et division stratifiée (80/20) pour préserver la distribution des classes.

Standardisation : Application d'un StandardScaler ajusté uniquement sur le jeu d'entraînement pour garantir zéro data leakage.

Modélisation & Comparaison : Entraînement d'un modèle linéaire basique (Régression Logistique / Sigmoïde OvR) face à un modèle d'ensemble non-linéaire (Random Forest).