Browse profiles Post a project
Malt welcom

Welcome to Laila's freelance profile!

Malt gives you access to the best freelancers for your projects. Contact Laila to discuss your project or search for other freelancer profiles on Malt.

Laila Radouani

Data Scientist

Works remotely from Lyon

  • 45.752181
  • 4.840823
New
Propose a project The project will begin once you accept Laila's quote.
Propose a project The project will begin once you accept Laila's quote.

Location and workplace preferences

Location
Lyon, France
Remote only
Primarily works remotely

Preferences

Project length
  • ≤ 1 month
  • Between 1-3 months
  • Between 3-6 months
Business sector
  • Aviation & Aerospace
  • Automobile
  • Biotech
  • Research
  • E-commerce
+12 autres

Verifications

Freelancer code of conduct signed
Read the Malt code of conduct

Verified email

Languages

Categories

Skills (11)

  • All
  • Beginner Intermediate Advanced
  • SQL
    Beginner Intermediate Advanced
  • Beginner Intermediate Advanced
  • Beginner Intermediate Advanced
  • Beginner Intermediate Advanced

Laila in a few words

Spécialisée en Science et ingénierie des données à l'université de Rouen.
J'ai pu acquérir de l'expérience en data science lors de différents projets académiques et professionnels.

Je propose des prestations en tout ce qui touche la data : Analyser et explorer les données, création des tableaux de visualisation et la mise en place des modèles prédictifs.

Experience

Sanofi - Sanofi

Pharmaceuticals industry

Stagaire, Data scientist

Amilly, France

March 2022 - September 2022 (5 months)

Préparation des données
• Collecter les l’historique des données sous format fichiers Excel.
• Créer une base de données sur SQL server management.
• Préparer et nettoyer les données

Création du tableau de bord
• Choisir les graphes avec lesquels les données seront visualisées.
• Implémenter une application à l’aide de Plotly et Dash/ Html et Css.
• Personnaliser les visualisations selon le besoin.
• Analyser et Explorer l’historique des données.

Créer un modèle de prédiction :
- Analyser les séries temporelles :
- Test statistique pour diagnostiquer la nature des signaux : la stationnarité.
- Prédire le comportement des machines dans le futur en utilisant des modèles classiques : ex : ARIMA.
- Prédéfinir les architectures des réseaux de neurones adéquate avec la problématique.
- Pré traitement des données (normalisation, transformer les données séquentielles à des données supervisées)
- Créer l’architecture du réseau de neurones LSTM pour la prédiction.
- Optimiser les performances du modèle jusqu’à avoir la bonne prédiction.
- Évaluer le modèle

Détection des anomalies :
- Utiliser l’Auto encodeur LSTM pour la détection les anomalies dans les series temporelles.
Plotly Python Deep Learning LSTM Dashboard PCA Time Series

Recommendations

Check out Laila's recommendations

Education