Projets Portfolio

Titanic - Compétition Kaggle
La compétition Kaggle 'Titanic - Machine Learning from Disaster' est incontournable quand il s'agit de débuter avec les compétitions de d'IA et de se familiariser avec la plateforme communautaire Kaggle.
La compétition est simple : utiliser l'apprentissage automatique pour créer un modèle permettant de prédire quels passagers ont survécu au naufrage du Titanic.
Rang : Top 3% (921ème sur 37074 en Mai 2021)
Lien (en anglais) : Compétition Titanic

Prévision des pluies à Sydney
Prédire s'il pleuvra ou non demain en se basant sur plus de 140 000 exemples d'observations météorologiques quotidiennes capturées dans toute l'Australie par le Bureau Australien de Météorologie (BOM) de 2008 à 2017.
Précision pour l'année 2020 : 79% (289 prédictions OK / 366)
Lien (en anglais) : Rain Tomorrow

Data Science - Projet de Synthèse
Ce projet faisait partie de la spécialisation en science des données de l'université Johns Hopkins sur Coursera. Sur la base d'un ensemble de données textuelles contenant des millions de lignes, et pendant que l'utilisateur tape une entrée de texte, le modèle prédit ce que le mot suivant est susceptible d'être.
Le projet a une ShinyApp disponible en ligne. Lien : Capstone Project
Note: L'application peut être lente à démarrer si l'infrastructure du Cloud l'a mise en veille.

Tabular Playground Series - Mar 2021
La série Tabular Playground est un ensemble de concours sur la plateforme Kaggle. Chaque mois, un nouveau défi est proposé à la communauté.
Rang : Top 43% (633ème sur 1495)
Lien : Tabular Playground Series - Mar 2021

Projet Immobilier
Les données relatives aux transactions immobilières sont fournies par le gouvernement français sous une licence open source. Voici un exemple de carte interactive avec les dernières transactions et le prix au mètre carré.

Capteurs Android
Le but de ce projet personnel est de construire un ensemble de données en utilisant une application Android personnalisée qui enregistre les données des capteurs du smartphone (gyroscope, accéléromètre, etc.) pendant différentes activités humaines (marche, course, vélo...).
La prochaine étape consistera à construire un modèle d'apprentissage automatique qui détecte l'activité à travers l'application pour smartphone.

Espresso ou Longblack?
Ce projet a pour but d'utiliser le transfer learning pour effectuer une classification d'image basée sur un petit jeu de données.
Les données et le notebook sont disponibles sur Kaggle.
Lien: Espresso or Longblack?