Étudiant M2 Data & IA — orienté Data Science, Computer Vision & Data Engineering.
Disponible pour une alternance dès maintenant (Data Analyst / Data Scientist / Data Engineer).
🌐 Portfolio (GitHub Pages) • ✉️ Email • LinkedIn
- Je conçois des solutions data de bout en bout : collecte (ETL/ELT), EDA, entraînement de modèles ML (vision, classification, séries temporelles), et déploiements légers (Streamlit, GitHub Pages).
- Stack principale : Python, Pandas, scikit-learn, TensorFlow/Keras, SQL, Git/GitHub, un peu de Laravel/PHP côté web.
- Intérêts actuels : MLOps (tests, CI/CD), Cloud (GCP/AWS), Explainability (Grad-CAM), vision médicale (santé).
| Projet | Description | Tech principales |
|---|---|---|
Détection & Reconnaissance d’Objets (DL)Projet-de-D-tection-et-Reconnaissance-d-Objets-avec-Deep-Learning |
Pipeline de détection (datasets, entraînement, inférences & visualisation). | Python, PyTorch/TensorFlow, YOLO/SSD/EfficientDet |
Learning Streamliti_am_learning_streamlit |
Série de mini-apps : dashboards, formulaires, visualisation. | Python, Streamlit, Plotly/Matplotlib |
DataLabDataLab |
Notebooks d’EDA & modèles ML réutilisables (templates). | Python, Pandas, scikit-learn |
Uptiimum DocsUPTIIMUM_WEB_DOCUMENTATION |
Documentation technique (e-learning/ERP Laravel). | Markdown, Laravel/PHP |
Maladie cardiaque (classification)maladie-cardiaque |
Modèles supervisés (précision/recall/F1, confusion matrix, ROC-AUC). | Python, scikit-learn |
Portfolio persofomen_portfolio |
Portfolio statique/tailwind (ou version GitHub Pages). | HTML/CSS (Tailwind), JS |
🔖 Mon portfolio GitHub Pages liste automatiquement tous mes dépôts (recherche, filtre par langage, tri, dark mode, section “projets phares”).
👉 Lien : https://fomen2001.github.io (si non actif, déploye via GitHub Pages).
Langages : Python, SQL, JavaScript, PHP
Data/ML : NumPy, Pandas, scikit-learn, TensorFlow/Keras, OpenCV
Viz/App : Matplotlib, Plotly, Streamlit
Ops : Git/GitHub, CI/CD (GitHub Actions), Docker (en cours)
Web : HTML/CSS (Tailwind), Laravel/PHP
Cloud (apprentissage) : GCP, AWS
- Trouver une alternance (12 mois) dès maintenant en Data/IA/Cloud.
- Approfondir MLOps (tests, packaging, pipelines, Docker, CI/CD).
- Monter en compétence Cloud (GCP/AWS), Data Engineering (ETL, orchestration).
- Projets santé & smart city (explainability, déploiement de modèles).
- Ouvert aux contributions, POCs, projets open-source, hackathons/datathons.
- Contact rapide :
tsatsopjoelvaldes@gmail.com - Réseaux : Portfolio · LinkedIn
“Construire des systèmes data utiles, explicables et déployables.”