Ingénieur · IA & Data Science
Je transforme des données en analyses, en pipelines et en applications. Voici une sélection de projets, la plupart en ligne.
Étudiant en dernière année à l'UTC (Compiègne), en Génie Informatique, filière IA & Data Science. J'aime partir d'un jeu de données ou d'une idée et aller jusqu'à un résultat concret : une analyse, un pipeline, une application en ligne.
Lors de mon stage chez SyselCloud (Suisse), j'ai fait évoluer un CRM interne et automatisé plusieurs tâches répétitives en production. À côté, je construis mes propres projets, dont ceux présentés ici.
Je cherche un stage ingénieur de 6 mois à partir de février 2027. Basé dans le Nord (Orchies, 59), permis B, à l'écoute de toute opportunité ou discussion.Un suivi quotidien des cotes « vainqueur » de la Coupe du Monde sur Winamax. Chaque matin, un scraper récupère les cotes et génère une heatmap en échelle logarithmique, avec sparklines, variations et changements de rang, pour voir comment les favoris évoluent au fil du tournoi.
Une application Streamlit pour explorer des données d'activités Strava : vue d'ensemble, distances, carte des parcours et détail par sortie. Elle se connecte à l'API Strava pour récupérer les activités et les présenter sous forme de tableaux de bord.
Un modèle de prédiction des scores de la Coupe du Monde 2026, pour une compétition de pronostics entre amis. Il s'appuie sur une approche Dixon-Coles (Poisson bivarié) pour estimer la distribution des scores de chaque match, en tenant compte de l'avantage terrain et des prolongations en phase finale. Mise à jour automatique chaque jour.
La précision se tient à environ 72 % en phase de poules et en 16es de finale, puis retombe autour de 50 % en 8es (avec des surprises comme Brésil 1-2 Norvège). À partir des quarts, l'échantillon (n ≤ 4 matchs) est trop petit pour être significatif : un 100 % ou un 0 % sur si peu de matchs relève du bruit, pas du signal.
Le modèle bat nettement le hasard, mais reste en dessous des bookmakers. Ces derniers exploitent 4 à 10 fois plus d'informations (xG, blessures, compositions, cotes de marché) que ses 4 variables : date, équipes, buts et type de tournoi.
Analyse d'un jeu de données sur 382 lycéens. ACP, classification (CAH puis K-means) pour dégager trois profils d'élèves, et comparaison de classifieurs supervisés (KNN, LDA, QDA, régression logistique).
Pipeline de données complète pour le suivi d'activité d'un établissement de santé, en méthode SCRUM. Ingestion dans Snowflake, transformations SQL avec dbt, orchestration Airflow, reporting Power BI sur 6 indicateurs métier.
Data Warehouse pour calculer le bilan gaz à effet de serre d'une organisation multi-sites. Modélisation en constellation, ETL journalier en PySpark (sources multilingues, géocodage des trajets) et tableau de bord Streamlit / Plotly.
Application web multi-rôles (candidat, recruteur, admin) en architecture MVC avec Node.js / Express et MySQL. Sécurité : hachage bcrypt, prévention des accès IDOR, validation des uploads. Tests avec Jest et Supertest.
Robot autonome sous ROS2 qui détecte quatre objets, s'oriente vers chacun et s'en approche. Détection par filtrage HSV et contraintes géométriques, navigation et odométrie en temps réel.
Scraping avec Selenium des résultats d'UV de l'UTC depuis 2007, nettoyage des données, ACP et petite API web pour explorer les statistiques par cours.
Parlons-en.
Je suis à l'écoute de toute opportunité de stage, ou simplement d'une discussion.