Nizar Soilihi

Data Scientist | Data Eng Cloud Gcp| ML Engineer

Polyvalent, curieux, autonome et passionné par la connaissance. Je conçois, développe et déploie des solutions data-driven afin de transformer vos données en solutions concrètes (prédictions, automatisations, etc.) essentielles pour la prise de décisions stratégiques.

Présentation soutenance M2

Découvrez mes réalisations les plus récentes

📩 Détection intelligente de Spams

NLP

Outil BI Hospitalier

Business Intelligence

Liste non exhaustive de quelques projets

Classification d'images

Computer Vision

Statistiques descriptives avec R

Logiciel

Diagnostic de la qualité d’un modèle

Machine Learning

Descente de gradient

Machine learning & Deep learning

Classification de signaux sonar

Algorithme Stochastique & Machine Learning

Inférence bayésienne par MCMC

Algorithme Stochastique

Compétences Fondamentales

Statistiques descriptives	Mesures statistiques, analyse des distributions des données et analyse exploratoire des données.
Modélisation statistique	Régressions : linéaire et logistique (binaire/multiclasse) avec variables explicatives quantitatives et qualitatives Tests d’hypothèses : tests t pour les coefficients, test F global, tests de rapport de vraisemblance,... Vérification des hypothèses : normalité des résidus, homogénéité de la variance, indépendance Transformation des variables explicatives et de la variable cible, sélection des caractéristiques, évaluation et validation des modèles
Tests statistiques	Z-test, test t de Student (indépendant et apparié), test de Welch Tests du χ² : test d’indépendance, test d’ajustement Test exact de Fisher, test de McNemar,...
Analyse multivariée	ACP, Clustering (k-means), ....
Optimisation mathématique et algorithmes d'optimisation	Moindres carrés (OLS), Descente de gradient, Algorithme de Robbins-Monro, Recuit simulé, ...

Machine Learning Avancé: Méthodes & Algorithmes

Apprentissage Supervisé	Régression, classification (arbres, forêts aléatoires, XGBoost, SVM,..)
Apprentissage Non-Supervisé	Clustering (k-means), Réduction de dimension (Acp)
Deep Learning	CNN (vision par ordinateur)
Traitement NLP	Classification
Validation de Modèles	Méthodes : validation croisée (k-fold, leave-one-out), validation croisée généralisée Rééchantillonnage : méthode bootstrap Métriques : Accuracy, AUC-ROC, AUC-PR, F1-score, précision, rappel, RMSE, MAE, MSE, R² ajusté,...

Statistiques bayésiennes et Algorithmes Stochastiques

Inférence bayésienne	Distributions a priori et a posteriori, vraisemblance, modèles bayésiens
Méthodes MCMC	Algorithmes : Metropolis-Hastings, Échantillonnage de Gibbs Techniques : burn-in, thinning Méthodes adaptatives (Adaptive MCMC)
Convergence des chaînes de Markov	Diagnostics de convergence (R̂ de Gelman-Rubin, trace plots, autocorrélation, effective sample size)

Compétences Techniques

R/Python	Capacité professionnelle complète
Bases de données	Systèmes relationnels : PostgreSQL, SQLite SQL avancé : fonctions de fenêtrage (window functions), CTE, optimisation des requêtes
DataViz & Reporting	ggplot2, Plotly, Shiny, Matplotlib, Seaborn, RMarkdown,...
Déploiement & Cloud	Conteneurisation (Docker), cloud (GCP)

Mes offres de services

Cours particuliers

À partir de 1200€

Initiation aux logiciels R & Python
Cours sur mesure en data science de A à Z
Supports pédagogiques : PDF, scripts R et Python,...
Création de portfolio valorisant vos compétences

Développement

Sur devis

Applications Shiny
Pipelines ML
Automatisation
Déploiement

Expertise Bayésienne

Sur devis

Inférence bayésienne (décision sous incertitude)
Simulation MCMC (scénarios complexes)
Tests A/B bayésiens
Modèles prédictifs & maintenance prédictive

Contactez-moi

Coordonnées

Email

nizarsoilihi@gmail.com

Téléphone

+33 7 51 08 36 66

Localisation

France