Accédez au profil complet de Adama S.
Créez un compte en 2 minutes et accédez au profil complet de nos 326 419 prestataires.
Salut,
Je m’appelle Adama Samaké, je suis spécialisé dans la science des données. Je serai ravi de collaborer avec vous afin de vous permettre d'atteindre de manière efficiente vos objectifs.
Avec plus de trois ans d'expériences dans le domaine de la science des données, je suis capable de :
- réaliser de bout en bout un projet d'analyse de données,
- développer un modèle d’apprentissage automatique/profond,
- exploiter un modèle pré-entraîné d’apprentissage automatique/profond,
- intégrer des fonctionnalités d'intelligence artificielle dans des applications web ou mobiles,
- effectuer des travaux de recherche et développement (R&D) en apprentissage profond,
- dispenser des cours sur des langages de programmation informatique, les concepts et outils de la science des données.
- apporter différents types d’assistance autour de la science des données
Ci-dessous une liste non exhaustive des technologies dont je maîtrise:
- langages de programmation: Python, R , Java et SQL.
- framework: numpy, pandas, scikit-learn, pytorch, tensorflow
- environnements: Anaconda, jupyter notebook et Rstudio
- logiciels: Microsoft Excel et Power BI.
Assez autonome, j’aime aussi travailler en équipe. Parmi mes expériences professionnelles notables:
- Formateur à Orange Digital Center Mali,
- Data Analyst à Tectice,
- Consultant IT pour lescientific
- Doctorant en apprentissage automatique à la FS de Meknès
Alors n'attendez plus, contactez moi dès maintenant pour que je puisse mettre mon expertise à votre service !
Préparer et animer des séances de formations pratiques, courtes ou longues durées sur les thématiques suivantes: le développement web/mobile, l'analyses de données et l'intelligences artificielle.
Les modules enseignés:
- Introduction au Machine Learning
- Intégration des fonctionnalités d’intelligence artificielle avec TensorFlow.js
- Initiation a l’analyse des données avec Power BI
Quel que soit le modèle de classification en deep learning, il est toujours exposé à d'éventuelles erreurs de prédictions sur des données inconnues. Face à cette incertitude, la question cruciale est de savoir comment différencier entre les prédictions correctes et incorrectes. Ainsi, l’objectif de ce projet de recherche est d’élaborer des techniques permettant de distinguer si une prédiction est correcte ou non à partir d’une certaine mesure de fiabilité.
Statistiques
depuis la création du compte
Votre navigateur Web n’est plus à jour. Il ne permet pas d’afficher correctement le site Codeur.com.
Nous vous invitons à mettre à jour votre navigateur ou à utiliser un autre navigateur plus récent.