Modélisation Statistique & Machine Learning
📈 Projets de Modélisation & Machine Learning
Cette page regroupe mes projets axés sur la modélisation statistique, le machine learning, l’intelligence artificielle et les méthodes de classification et de prédiction.
On y retrouve des approches variées allant :
- des régressions statistiques classiques (
Poisson,binomial negatif,logistique), - à des méthodes non supervisées (
ACP,K-means,GMM), - en passant par des réseaux de neurones convolutifs pour le traitement d’images,
- ou encore des modèles hybrides pour la détection d’anomalies ou la prédiction.
Les projets couvrent des domaines appliqués tels que la santé, le sport, la finance ou encore la surveillance épidémiologique (Cliquez sur la publication que vous souhaitez consulter).
Diagnostic tumeurs cérébrales avec un réseau de neurones
Classification multi‑classe (gliome, méningiome, autres tumeurs) sur images IRM en utilisant EfficientNetB5. Le pipeline inclut prétraitement, augmentation, entraînement, validation croisée et interprétation des résultats via matrice de confusion.
Réduction de dimensionnalité et clustering
Étude comparative de pays selon indicateurs socio-économiques (PIB, éducation, santé). Application de l’ACP pour synthétiser l’information et clustering (k-means) pour segmenter les groupes, visualisés en nuages de points avec étiquettes géographiques.
Classification médicale par ACP, KNN, logit
Pipeline de classification sur tumeurs mammaires : extraction de variables, réduction de dimension (ACP), Kmeans pour verifier la structure naturelles des données, puis comparaison des performances de KNN et de la régression logistique (matrice de confusion, AUC, précision, rappel).
Prédire la durée de carrière NBA
Modèle prédictif de la durée de carrière de joueurs NBA. Régression multiple, évaluation par RMSE, et validation croisée (little bit different). Tableau et visualtion : deploiement d’une application Python Shiny
Détection d’anomalies transactionnelles avec GMM
Identification d’anomalies dans un jeu de transactions financières. Construction d’un modèle de mélanges de gaussiennes, détection d’observations rares basées sur le score de vraisemblance, avec visualisation des clusters suspects.
Prédiction du diabète chez les femmes
Analyse du dataset Pima Indians pour modéliser le risque de diabète. Préparation des données, évaluation des variables explicatives, entraînement de la régression logistique et interprétation des coefficients odds-ratio.
Impact d’une intervention contre le paludisme
Étude de l’efficacité d’une intervention sanitaire sur les cas hebdomadaires de paludisme. Modélisation GLM de Poisson pour estimer les variations temporelles et l’effet statistique des mesures (données simulées).
Classification de gestes avec CNN & YOLOv8
Détection et reconnaissance en temps réel de gestes “Pierre-Feuille-Ciseaux”. Ce projet combine la détection des mains à l’aide de YOLOv8 et la classification des gestes via un réseau de neurones convolutifs (CNN).