Projets Data
Cette section présente mes travaux en analyse de données et en data science. Ces projets démontrent ma capacité à analyser des données, construire des modèles prédictifs et transformer des ensembles de données bruts en informations exploitables pour l'aide à la décision.
📊 Analyse de Données
Tableau de Bord d'Analyse des Données RH
Ce projet analyse les données des ressources humaines pour fournir des informations clés sur les effectifs. Le tableau de bord met en évidence des indicateurs importants tels que le nombre total d'employés, la répartition par genre et le nombre d'employés par département. Grâce à des visualisations interactives, l'analyse aide les organisations à mieux comprendre leur structure d'effectifs et à soutenir une prise de décision RH basée sur les données.
Tableau de Bord de Performance Commerciale 2025
Un tableau de bord d'analyse commerciale complet offrant une vue d'ensemble claire des performances de l'entreprise tout au long de l'année 2025. Le tableau de bord suit des indicateurs clés tels que le chiffre d'affaires total, le nombre total de ventes, les tendances mensuelles des revenus, le chiffre d'affaires par produit et le chiffre d'affaires par ville. Les visualisations interactives aident à identifier les opportunités de croissance, les produits les plus performants et les schémas régionaux de vente pour soutenir les décisions commerciales basées sur les données.
Tableau de Bord d'Analyse de la Performance Hospitalière et de la Qualité des Soins
Ce projet d'analyse de données de santé transforme les données hospitalières en informations exploitables. Le tableau de bord surveille des indicateurs de performance critiques tels que le coût moyen par patient, la durée moyenne de séjour, la satisfaction des patients par maladie, les taux de réadmission et les résultats de traitement réussis. En révélant des schémas dans la prestation des soins de santé, il soutient des décisions basées sur des preuves visant à améliorer l'efficacité opérationnelle, les soins aux patients et la performance globale de l'hôpital.
Analyse RH – Rémunération et Performance des Employés
Réalisation d'une analyse globale des ressources humaines à travers l'étude de la rémunération, de la performance et des principaux indicateurs RH. Développement d'un tableau de bord interactif Power BI permettant d'analyser les effectifs, les salaires, la performance annuelle, les jours de congé, l'ancienneté, les départements, les postes, les localisations et les statuts de contrat. Le projet a inclus la préparation, le nettoyage et la transformation des données, ainsi que la création de KPI, de visualisations interactives et d'analyses croisées afin d'identifier les écarts de rémunération, les tendances de performance et les principaux indicateurs de gestion des ressources humaines.
Tableau de Bord d'Analyse des Ventes avec Power BI
Ce tableau de bord d'analyse commerciale Power BI offre une vue d'ensemble complète des performances de l'entreprise. Il suit des indicateurs clés tels que l'évolution mensuelle du chiffre d'affaires, le chiffre d'affaires total, le nombre total de commandes et la quantité vendue. L'analyse détaille également les performances commerciales par région et par catégorie de produit, offrant des informations claires sur les tendances commerciales et la demande des clients. Grâce à des visualisations interactives, le tableau de bord soutient une prise de décision basée sur les données pour optimiser la stratégie commerciale et améliorer la performance globale.
Analytique RH : Performance des Effectifs et de l'Organisation
Un tableau de bord interactif d'analytique RH conçu pour transformer les données relatives aux effectifs en informations exploitables. L'analyse explore la répartition des employés par département, niveau d'éducation et pays, tout en mesurant la performance par département, type de contrat et région. En révélant les schémas clés des effectifs et les indicateurs de performance, le tableau de bord permet une prise de décision basée sur les données dans la gestion des talents, la planification des effectifs et le développement organisationnel.
Tableau de Bord d'Analyse des Performances Commerciales et des Commandes
Un tableau de bord interactif d'analyse commerciale conçu pour surveiller les performances de l'entreprise et le comportement des commandes. Il explore le chiffre d'affaires total, les commandes annulées, le chiffre d'affaires par région, produit et catégorie de produit, ainsi que les tendances mensuelles des commandes. En identifiant les schémas de vente clés et les fluctuations dans le temps, le tableau de bord permet des informations basées sur les données pour améliorer la stratégie commerciale et la prise de décision opérationnelle.
🤖 Data Science
Prédiction des Prix Immobiliers (Deep Learning)
Construction d'un modèle de deep learning avec PyTorch pour prédire les prix immobiliers à partir de données immobilières (21 613 échantillons, 21 caractéristiques). La pipeline inclut le prétraitement des données, la normalisation des caractéristiques et la division entraînement/test. L'architecture du réseau de neurones (16 → 8 → 1 neurones avec ReLU et Dropout 0.3) a été entraînée en utilisant l'optimiseur Adam et la perte MSE sur 5 000 itérations. Obtention de performances solides avec un score R² d'environ 0,8 sur l'ensemble de test. MLflow a été utilisé pour le suivi des expériences, l'enregistrement des métriques, des artefacts et du modèle entraîné.
Prédiction des Notes aux Examens des Étudiants avec Deep Learning
Ce projet prédit les notes aux examens des étudiants en fonction de leurs habitudes de productivité et de leur mode de vie. Un réseau de neurones implémenté avec NumPy analyse des facteurs tels que le temps d'étude, la durée de sommeil, l'utilisation des réseaux sociaux et la santé mentale. L'ensemble de données contient 5 000 échantillons avec 21 caractéristiques, fournissant des informations riches pour comprendre l'impact des différentes variables sur la performance académique. Le modèle est évalué à l'aide de métriques telles que la perte (Loss), l'erreur quadratique moyenne (MSE) et le score R² pour mesurer la progression de l'apprentissage et la précision des prédictions.
Prédiction Titanic avec Machine Learning
Développement d'un modèle de machine learning utilisant AdaBoost pour prédire si un passager a survécu au naufrage du Titanic en se basant sur les données historiques des passagers. L'ensemble de données contient 891 échantillons avec 16 caractéristiques, capturant les principales caractéristiques des passagers telles que l'âge, la classe et le prix du billet. Le modèle a obtenu une performance solide avec une matrice de confusion de [[95, 15], [17, 52]]. En particulier, le rappel était de 0,86 pour la classe 0 (n'a pas survécu) et de 0,75 pour la classe 1 (a survécu), indiquant que le modèle identifie correctement la plupart des passagers dans chaque classe.