À propos de Smail
Je maîtrise plusieurs outils essentiels à la data science, notamment Python et SQL, ainsi que les principales bibliothèques utilisées pour l’analyse, l’exploration et la visualisation des données (telles que pandas, NumPy, matplotlib, seaborn, scikit-learn, etc.).
N’hésitez pas à consulter certains de mes projets sur mon profil GitHub : smail-ctrl.
Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
Accepte de travailler sur site
Nanterre (jusqu’à 30 km)
Expériences
- Projet persoPrédiction du succès d’ un filmjanvier 2025 - mars 2025 (2 mois)Tâches réalisées :Nettoyage des données : suppression des données superflus.Feature engineering : création de critères de succès (note > 7), encodage des genres etstudios de production.Modélisation : régression logistique pour prédire le succès commercial d’un film.Évaluation du modèle et analyse de la performance via un rapport de classification.Visualisation des données pour explorer les variables influentes (budget, genre,popularité…).
- Projet persoAnalyse des données du Titanicavril 2025 - juin 2025 (2 mois)Tâches réalisées :Nettoyage des données : traitement des valeurs manquantes, conversion des types.Analyse exploratoire : taux de survie selon le sexe, la classe, l’âge.Visualisations claires (barplots, boxplots, KDE plots) pour appuyer les conclusions.
Recommandations
Soyez le premier à recommander Smail
Contribuez à la réussite de ce freelance en partageant votre expérience de collaboration avec lui.
Ces profils de freelance correspondent également à vos critères
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Formations
- Les librairies Python pour la Data ScienceOpenclassrooms2025Étude des bibliothèques essentielles : - NumPy : manipulation de tableaux multidimensionnels, opérations mathématiques rapides - Pandas : traitement et nettoyage de données, manipulation de DataFrames - Matplotlib & Seaborn : visualisation de données, création de graphiques clairs et informatifs
- Initiation au Machine LearningOpenclassrooms2025Formation complète sur les bases du machine learning avec Python et Scikit learn. Le cours aborde : - Les types d’apprentissage (supervisé / non supervisé) - Data-centric : normalisation des variables, gestion des outliers (Z-score, IQR), encodage de données textuelles ... - Model-centric : réduction de l’overfitting et des biais, validation croisée, régularisation ... - Création et l’évaluation de modèles de régression, de classification et de clustering : Accuracy, Precision, Recall, Matrice de Confusion ...