À propos de Amal
Français
Bilingue ou natif
Anglais
Bilingue ou natif
Arabe
Bilingue ou natif
Expériences
- RushourChef de projet iaAGROALIMENTAIREjanvier 2025 - Aujourd'hui (1 an et 5 mois)Paris, France💡 Développement de solutions IA pour les restaurants et plateformes de livraison en ligne.Création d’outils de visualisation des indicateurs clés pour les restaurateurs.Automatisation des processus d’analyse avec AWS Lambda, MySQL et Python. 🎯 Impact : Meilleure compréhension des performances commerciales et optimisation des ventes.
- Fruits 360Datascience Déploiement un modèle dans le cloudAGROALIMENTAIREdécembre 2022 - décembre 2023 (1 an)🚀 Développement d’une application mobile pour reconnaître les fruits à partir d’une photo.Conception de l’architecture Big Data dans le cloud AWS.Industrialisation du processus de reconnaissance avec des modèles performants. 🎯 Impact : Mise en place d'une plateforme évolutive, prête à absorber une forte montée en charge et à enrichir l'expérience utilisateur.Compétences techniques utilisées:. Création EMR sur AWS.. Création EC2.. Mise de données sur le S3.. Création de clusters et d'instances.. Configuration de SSH.. Usage de FoxyProxy.. Création de jupyter sur le cloud.. Usage de Pyspark sur AWS.. Usage du MobileNet V2.RésultatsCréation d'un réel cluster de calculs pour répondre à l'objectif qui était de pouvoir anticiper une future augmentation de la charge de travail.Le meilleur choix retenu a été l'utilisation de AWS(Amazon Web Services). Nous avons utilisé les principaux services comme: EC2 pour l'hébergement de machinesvirtuelles, S3 pour le stockage d'objets.
- Prêt à dépenserDatascientist Implémentation d’un modèle de scoringBANQUE & ASSURANCESdécembre 2022 - décembre 2023 (1 an)Banque & Assurance | Déc 2022 – Déc 2023🎯 Objectif : Automatiser la décision d'octroi de prêt avec un modèle prédictif robuste.🔍 Missions réalisées :• Construction d'un modèle de scoring de défaut de paiement (LightGBM, XGBoost, CatBoost).• Intégration du modèle via une API Flask pour utilisation immédiate par les équipes.• Suivi des performances avec MLFlow, gestion du datadrift et ré-entrainement automatique.• Automatisation complète du pipeline ML avec HyperOpt pour l’optimisation des hyperparamètres.✅ Résultat client :• Réduction du risque de crédit estimée à 27%.• Décision en temps réel via API, connectée aux outils métiers.• Mise en production sur Heroku avec interface de suivi via Streamlit.
Recommandations
Ces profils de freelance correspondent également à vos critères
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Formations
- DatascientistEcole Centrale Paris et Openclassrooms2023
- Master mathématiques appliquées Statistiques Probabilité Sondages FinanceUniversité Aix Marseille2020Produits dérivées, produits financiers, FOREX, trading, analyse de données marché, assurance, crédit , sondage et ses techniques, analyse approfondie et avancées en statistiques et probabilités utiles pour l'analyse et l'interprétation des données
Certifications
- PythonInria2016
- DatascienceEcole Centrale Paris et Openclassrooms2023