Nassim B.

🔹 Pipeline de tickets clients & prédiction de churn

Création de pipelines automatisés avec Airflow, DBT et BigQuery pour traiter et structurer des dizaines de milliers de tickets clients.

Détection des signaux faibles de churn et déclenchement d’actions proactives via analyses SQL et modèles simples en Python.

🔹 Analyse des feedbacks & réduction des irritants produit

Ingestion et modélisation des feedbacks clients (tickets, NPS) pour identifier les points de friction grâce à DBT, SQL et BigQuery.

Livraison de recommandations exploitables via dashboards Looker et automatisation de rapports avec Airflow.

🔹 Dashboards de pilotage temps réel (Support & Produit)

Construction de dashboards interactifs (KPI, SLA) avec Looker, Data Studio et Power BI, alimentés en quasi temps réel.

Orchestration de la collecte de données et transformations via Python, SQL, et outils type Airflow / ETL maison.

Dans le cadre de ce projet, j'ai conçu un système de vision par ordinateur permettant de détecter automatiquement des voitures dans des scènes complexes (parkings encombrés, circulation urbaine, conditions météo difficiles, etc.). L'objectif était de créer une solution robuste, capable de reconnaître et localiser les véhicules dans des images hétérogènes, en tenant compte de l’occlusion partielle, de l’échelle variable et de l’environnement visuel perturbé.

Python, PyTorch, OpenCV

YOLOv5, Faster R-CNN, SSD

LabelImg pour l’annotation, TensorBoard pour le suivi de l'entraînement

✅ Résultat :

Détection précise de véhicules avec un mAP de 95 % sur scènes complexes.

Pipeline réutilisable pour d’autres cas de détection d’objets (piétons, feux, panneaux…).

Implémentation démontrable dans un notebook ou API de démo.