Des bases de connaissances de Machine learning, Deep learning: linéaire
classification, logistic classification, CNN, Auto-Encoder,RNN, Lstm, NPL,
GAN,Word-embedding, Transfer-learning, Techniques, Tensorflow,Keras,Python.
Projet I «Identifier des personnels dans une organisation »
Extraire des images à partir des vidéos – Détecter visage – Features embedding
par pretrained modèle (Facenet, VGGFace,DeepFace) – Classification par SVC.
Projet II « Classification Cifar 100 »
Utiliser pretrained modèle(VGG16, Resnet, Efficient, Densenet) – Améliorer des
performances par des techniques pour classifier des données Cifar100 – 100
classes (Précision 86,5)
Nettoyer des données par Pythons, Excel – Scrapper des données sur LinkedIn,
Websites par Selenium, BeautifulSoup, Phantombuster – Faire des Dashboard sur
CRM – Scoring, matching des indépendants avec des offres des entreprises par
leur CV
Analyser automatiquement les contributions libres du grand débat 2019
afin de construire des catégories de contributions – Nettoyer des données de texteLes notions de TF-IDF, distance cosinus, lemmatization, word-embedding – Kmeans – Python
Analyser la performance du lancement du programme Tayssir par Morocco
gouvernement – Quantifier la contribution des éléments – Expliquer des effets, des
résultats – SAS
Faire des statistiques descriptives – Dessiner des graphiques – Analyser en
Composantes Principales (ACP) – Analyse factorielle des correspondances (AFC)
– R
Construire un générateur des motifs, des arbres – Visual Basic (VBA)
Travail à temps partiel- Restaurant Sushi Shop
Cuisinier – Sushiman