Description

🎓 Data Scientist & IA / Machine Learning Engineer

Actuellement en Master 2 Mathématiques Appliquées & Machine Learning, je suis passionné par la modélisation statistique et l’inférence bayésienne. J’aime concevoir des solutions fiables, rigoureuses et adaptées aux incertitudes du monde réel. Grâce à mon stage au LOCIE (CNRS/INES), j’ai acquis une solide expérience dans le développement de modèles prédictifs appliqués à l’énergie et aux données capteurs.

Mon approche combine analyse fine des données, implémentation de modèles probabilistes avancés (PyMC, Stan) et restitution claire des résultats. Je suis à l’aise avec les projets exigeants, allant de la recherche appliquée à l’industrialisation de modèles.

Data Science & Machine Learning :

📊 Collecte, nettoyage et traitement de données

🧠 Classification, régression, détection d’anomalies

📈 Prédiction de séries temporelles (ARMAX, HMM, GP)

📉 Réduction de dimension (ACP, autoencodeurs)

📊 Analyse exploratoire & visualisation (Matplotlib, Seaborn)

Modélisation probabiliste :

🔬 Inférence bayésienne avec PyMC et Stan

🧪 Intégration de l’incertitude dans les modèles

📦 Conception de modèles sur mesure pour des données bruitées ou partielles

🧰 Compétences principales

Programmation & outils :

👉 Python (Pandas, NumPy, Scikit-learn, Matplotlib, PyMC, TensorFlow)

👉 R, Git, Jupyter Notebook

Méthodologies :

👉 Validation croisée, tuning, métriques (F1, RMSE, log loss)

👉 Séries temporelles, clustering, évaluation de politiques énergétiques

👉 Prototypage, documentation et restitution claire des résultats

J’accompagne mes clients de la compréhension du besoin jusqu’à la mise en place de modèles opérationnels, toujours avec rigueur, pédagogie et adaptabilité.

N’hésitez pas à me contacter pour discuter de vos projets Data ou IA.

Berrahal Ala Eddine

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

En télétravail uniquement

Travaille majoritairement à distance

LOCIE (CNRS / Université Savoie Mont Blanc)
Stagiaire en Data Science – Modélisation probabiliste
mars 2025 - Aujourd'hui (1 an et 2 mois)
Chambéry, France
Développement d’une librairie Python pour l’analyse probabiliste de la performance énergétique des bâtiments. Mise en œuvre de modèles bayésiens (régression linéaire, ARMAX, HMM, Gaussian Process, etc.) via PyMC et Stan, intégration de l’incertitude, traitement de séries temporelles issues de capteurs intelligents, détection de défauts systèmes et évaluation de l’impact des mesures d’efficacité énergétique
École des Mines de Saint-Étienne – Université Jean Monnet
Projets académiques en Data Science et Machine Learning
septembre 2024 - mars 2025 (6 mois)
Saint-Étienne, France
Réalisation de projets avancés en modélisation statistique, classification, régression et réduction de dimension. Mise en œuvre de modèles tels que forêts aléatoires, SVM, réseaux de neurones (TensorFlow, PyTorch), régression Ridge/Lasso, autoencodeurs et clustering. Évaluation des performances via validation croisée, tuning d’hyperparamètres, et analyse comparative sur des jeux de données variés.