27e place au challenge ITU AI/ML in 5G sur Zindi Africa
J’ai obtenu la 27e place sur 221 participants au challenge ITU AI/ML in 5G. En utilisant des réseaux de neurones artificiels, j’ai développé un modèle de machine learning pour estimer la consommation d’énergie de différents produits de stations de base 5G (09/2023 - 10/2023).
Cliquez sur l’image pour l’agrandir
🏆 Hackathon IndabaX & Zindi 2021
Mon équipe s’est classée à la 4e place de ce hackathon. Le défi consistait à construire un modèle de machine learning capable de prédire si un chauffeur Sendy accepterait, refuserait ou ignorerait une demande de livraison.
Notre travail sur l’ingénierie des données a significativement amélioré notre classement dans la compétition.
Analyse des profits Airbnb à Paris
- Réalisation d’une analyse complète des annonces Airbnb à Paris, en utilisant des données issues de maths.bro (2015) pour évaluer la rentabilité et comparer le nombre d’appartements Airbnb à la disponibilité des chambres d’hôtel.
- Création de visualisations interactives avec Pandas, Geopandas, Matplotlib et Pylab, notamment des cartes choroplèthes pour montrer le profit moyen par logement et des graphiques en nuage pour les catégories d’étoiles des hôtels.
- Mise au point d’un tableau de bord convivial mettant en évidence le ratio entre annonces Airbnb et chambres d’hôtel, offrant des informations utiles sur la dynamique du marché et les tendances du secteur de l’hôtellerie.
- Amélioration de la narration de données grâce à des légendes et annotations détaillées afin d’augmenter la clarté et la compréhension des visualisations.
- Technologies : Python, Pandas, Geopandas, Matplotlib, Pylab, Plotly, GeoJSON.
Cliquez sur l’image pour l’agrandir