Personal Experience
Oumayma est une ingénieure en statistique et en data science, Elle est , sur divers projets. Actuellement, elle excelle dans son rôle de consultante en data science. Sa compétence en intelligence artificielle s’étend sur plusieurs domaines clés, dont la vision par ordinateur, les modèles de langage à grande échelle (LLMs), l’IA générative, le traitement du langage naturel (NLP), en plus de son expertise en statistique et en analyse de données.
Compétences clés
Soft Skills
Expérience Profressionel
-Développement de modèles statistiques pour analyser des ensembles de données complexes.
-Évaluation de la performance des modèles en utilisant des mesures appropriées.
-Création de visualisations interactives pour représenter des tendances et des modèles dans les données.
-Nettoyage et prétraitement des données pour assurer la qualité et la cohérence.
-Optimisation des modèles statistiques pour améliorer la précision et l’efficacité.
-Préparation de rapports détaillés sur les résultats des analyses effectuées.-Développement de modèles statistiques pour analyser des ensembles de données complexes.
-Évaluation de la performance des modèles en utilisant des mesures appropriées. -Création de visualisations interactives pour représenter des tendances et des modèles dans les données.
-Nettoyage et prétraitement des données pour assurer la qualité et la cohérence.
-Optimisation des modèles statistiques pour améliorer la précision et l’efficacité.
-Préparation de rapports détaillés sur les résultats des analyses effectuées.
Modélisation statistique – Visualisation de données – Analyse de données
Projet : Détection de Matricules pour la Sécurité d’un Parking
-Rassemblement d’un ensemble de données diversifié de matricules de voitures pour la formation du modèle.
-Intégration de données de caméras de sécurité du parking pour refléter les conditions réelles.
Modélisation Statistique :
-Développement d’un modèle de détection de matricules basé sur des techniques de vision par ordinateur.
-Utilisation d’algorithmes de traitement d’image pour extraire et reconnaître les matricules des véhicules.
-Évaluation régulière des performances du modèle avec des jeux de données de validation.
-Intégration du modèle de détection dans le système de sécurité du parking.
Mise en œuvre de mécanismes d’alerte pour signaler les intrusions détectées.
-Tests approfondis et ajustements pour garantir une performance fiable en conditions réelles.
Méthodes agiles – Computer vision – Python – Deeplearning
