Étudiant en IA, je développe des projets en Data Engineering, Data Science et Machine Learning/MLOps. Je recherche à approfondir ces compétences sur des données et des usages concrets.
Sur ce GitHub, je partage mes projets autour des données et du machine learning. Je m’intéresse autant aux modèles qu’à ce qui permet de les utiliser : préparer les données, construire une API et vérifier que l’ensemble fonctionne.
Comment suivre les activités d’une association sans mettre les coordonnées des adhérents dans la base destinée aux statistiques ? J’ai construit un prototype avec deux bases PostgreSQL séparées et une API FastAPI qui rassemble les informations nécessaires. Il fonctionne en local avec Docker, ou avec une base distante sur Supabase. Les données de démonstration sont fictives.
J’ai entraîné un agent à atteindre une cible en évitant un obstacle, puis comparé ses résultats à ceux d’un DQN classique et d’une politique aléatoire. Une API permet d’utiliser le modèle. Le dépôt contient aussi les tests et les étapes pour reproduire la comparaison.
J’ai comparé les deux bases sur 50 000 événements de transport synthétiques, en mesurant les temps de requête et l’effet des index. L’idée est de comprendre les écarts sur un même jeu de données, avec un protocole reproductible.
Une comparaison entre régression logistique et réseaux de neurones, avec une attention particulière au sur-apprentissage. Le modèle final obtient un score de 82,5 % sur Kaggle.
Données et développement : Python, SQL et Java ; pandas et NumPy pour préparer et analyser les données ; PostgreSQL et MongoDB pour les stocker et les interroger.
Machine learning : scikit-learn et PyTorch pour entraîner et comparer des modèles, en apprentissage supervisé et par renforcement.
API et déploiement : FastAPI pour exposer mes modèles et mes données, Docker pour lancer les applications, GitHub Actions pour automatiser les tests et Prometheus pour suivre les métriques.
Cloud : bases d’AWS et premières connaissances en data engineering sur AWS, que je continue à approfondir.