Bienvenue sur le profil Malt de Cheikh !

Malt vous permet d'accéder aux meilleurs consultants freelances pour vos projets. Contactez Cheikh pour échanger sur votre besoin ou recherchez d'autres profils sur Malt.

Cheikh Diop

data scientist | ml engineer #readytohelp

En télétravail depuis Antibes

  • 43.5799
  • 7.1231
Proposer un projet La mission ne démarrera que si vous acceptez le devis de Cheikh.
Proposer un projet La mission ne démarrera que si vous acceptez le devis de Cheikh.

Localisation et déplacement

Localisation
Antibes, France
Télétravail
Effectue ses missions majoritairement à distance

Préférences

Durée de mission
  • ≤ 1 semaine
  • ≤ 1 mois
  • entre 1 et 3 mois
  • entre 3 et 6 mois
  • ≥ 6 mois

Vérifications

Langues

Catégories

Compétences (31)

  • Débutant Intermédiaire Confirmé
  • Débutant Intermédiaire Confirmé
  • Débutant Intermédiaire Confirmé
  • NLP
    Débutant Intermédiaire Confirmé

Cheikh en quelques mots

Plus de 5 ans d'expérience en Data Science, Data engineering, Ingenieur Back-end, avec un focus tout particulier sur le passage en production d'outils prédictifs ou de services .Je suis formation scientifique (ingénieur de l'Ensimag, licence mathématiques à Paris 6), je me suis formé en en machine , deep, et reinforcement learning sous python. Je peux prendre en charge différentes étapes de la pipeline d'intelligence artificielle :

Récupération de données :
- scraping (beautifulsoup, selenium, scrapy, splash), utilisation d'outil facilitant le
scraping comme zyte.com. Sites scrapés : google, fnac, cultura, amazon etc.
- appel API diverses : google sheet, pipedrive, pubmed etc.

Traitement de données :
- lecture de fichiers de différents formats : json, csv, text, excel
- nettoyage et traitement de données avec pandas et numpy
- stockage de données dans des bases de données : Couchbase, MySQL,Oracle

Visualisation de données
- librairies de visualisation de python : matplotlib, seaborn, plotly
- génération de dashboard avec PowerBI (microsoft) et QuickSight (AWS)

Analyse, prediction et classification de données
- utilisation de sklearn et de statsmodels pour analyser les données
- entraînement de modèle de deep-learning pré entraîné avec tensorflow et
pytorch pour faire de la classification de sentiment (NLP)

Création d'application conteneurisé (docker)
- création d'API avec Flask, FastAPI
- création d'application avec streamlit et Flask, deployement sur Google Cloud

Recommandations externes

Consultez les recommandations qu'a reçues Cheikh

Formations

Certifications