Machine Learning
- Analyse exploratoire de données
- Regressions/Classifications : linéaires ou non, méthodes ensemblistes, DeepLearning
- NLU / NLP
- Séries temporelles
- Computer Vision
- Apprentissage non supervisé
- Apprentissage par renforcement
Python
API, sites web, automatisations, domotique, récupération / analyses / traitement de données dans de nombreux formats, respect des bonnes pratiques (PEP8)
Web: Flask, FastAPI, Streamlit, Webscrapping (Selenium)
ML: Scikit-learn, tensorflow, scipy, huggingface, plotly, …
IDE: Google Colab, Jupyter, Anaconda, VS Code
Gestion de projets
Cadrage : analyse fonctionnelle, analyse des risques, planification, méthodes traditionnelles et agiles
Developpement: Sélection d’une méthode de développement (Code-first, TDD, …), application de design patterns
Déploiement : Intégration/déploiement continus avec GitHub, Dockerization d’applications, rédaction des documentation
Base de données
- SQL: Oracle (PL/SQL), PostgreSQL, SQLServer (TransactSQL)
- NoSQL: MongoDB
- Spark (python): Calculs distribués, architecture Lambda
C#
- Applications client lourd Winform ou WPF avec pattern MVVM
- Applications Web .NET Core (pattern MVC)
- Scripts Unity