Je développe des prototypes ML corrects, testables et faciles à démontrer. De la préparation des données jusqu’à l’évaluation, avec une analyse claire des limites.

• Nettoyage des données, features, analyse exploratoire
• Entraînement + validation (baseline → améliorations)
• Métriques, analyse d’erreurs, comparaison de modèles
• Démos déployables (ex. Streamlit)

Je privilégie une approche structurée : comprendre tendance/saisonnalité, choisir les modèles proprement et valider avec une méthodologie rigoureuse.

• Méthodologie Box–Jenkins, SARIMA, ETS
• Décomposition tendance/saisonnalité, stationnarité
• Backtesting et évaluation des prévisions
• Analyse de l’incertitude et du bruit

J’étudie les fondements et j’implémente des concepts pour comprendre les hypothèses, les contraintes et les compromis réels.

• Fondements algébriques et probabilistes
• Compréhension des hypothèses de sécurité et des menaces
• Implémentation expérimentale de mécanismes de chiffrement
• Documentation claire + limites expliquées

J’aime les rôles où la correction compte : preuve, complexité et implémentations propres.

• Conception d’algorithmes et structures de données
• Analyse de complexité
• Raisonnement formel (logique, math discrètes)
• Traduction théorie → code fiable

• Python (data, ML, calcul scientifique)
• R (statistiques et séries chronologiques)
• C++ (performance)
• Git + code clair et documenté

• Stage en apprentissage automatique (appliqué / recherche)
• Stage en cryptographie (maths + implémentation)
• Stage / projet en prévision de séries chronologiques
• Rôles algorithmiques demandant de la rigueur