Menu

Mohamed SALL

Amiens

En résumé

Mes compétences :
Informatique Décisionnelle BI
Traitement statistique
Statistique appliquée
Data mining
Big Data
Business Objects
Visual Basic for Applications
Microsoft Excel
Cognos Impromptu
STATISTICA
SQL
SAS Statistical Package
SAS Base
PowerView
Oracle
Microsoft Windows
Microsoft SQL Server
Microsoft Access
ETL
C++
MySQL

Entreprises

  • Université de Picardie Jules Vernes - Data Scientist

    Amiens 2015 - maintenant * En charge du traitement des données statistiques ;
    * Garantir l'exhaustivité et la cohérence des données des bases existantes ;
    * Réaliser l'extraction informatique des données ;
    * Préparer et mettre en forme les synthèses régulières pour l'analyse des Indicateurs de formations ;
    * Utilisation des algorithmes d'apprentissage supervisé / non supervisé ;
    * Automatisation des requêtes sous BO 4 ;
    * Réaliser des tests statistiques (paramétriques et non paramétriques) ;
    * Etre l'interlocuteur de la DISI pour les problèmes informatiques liés aux bases de données
    Chef de projet :
    * Chef de projet pour un outil de simulation de la gestion des emplois du temps ;
    * Relais d'information au niveau supérieur ;
    * Coordonnées les différentes équipes, Animation et formation de l'équipe ;
    * Gérer les Imprévus

    Environnement technique : Business Object BI 4, SQL, R, Tableur Excel, Celcat
  • Université de Picardie - Ingénieur & Statisticien

    2015 - maintenant Automatisation des requêtes sous Business Object, afin d'extraire les données
    Reporting journalier et d'autres reporting sur demande de la direction
    Choisir et mettre en œuvre les méthodes statistiques appropriées
    Analyser, interpréter et présenter les résultats d'un traitement statistique
    Exploitation des données
    Environnement technique : Business Object, Excel ,
  • Diaspo Security Invest DSI - Data Analyst

    2014 - 2014 Construction de la base de données
    Alimentation de la base de données avec un flux ETL
    Identification des besoins
    Traitements des données
    Recherche des clients potentiels (scoring, ciblage, segmentation)
    Environnement technique : ASKIA, SAS base, Excel, MS BI ,
  • Diaspo - Data Analyst

    2014 - 2014 * Construction de la base de données
    * Identification des besoins
    * Traitements des données ;
    * Recherche des clients potentiels (scoring, ciblage, segmentation)

    Environnement technique : ASKIA, SAS base, Excel,R
  • TNT Express - Chargé d'Etudes Statistique et Décisionnelles

    2014 - 2014 * Programmation d'un outil de reportings ;
    * Prévoir le nombre de demande de ramassage des colis à T+1 (séries chronologiques) ;
    * Analyser la productivité des collaborateurs ;
    * Mesures des indicateurs de performances
    *
    Environnement technique : R, SAS, Cognos, PowerView, VBA
  • TNT Express - Chargé d'Etudes Statistique et Décisionnelles

    2014 - 2014 Mise en place d'un outil de reportings
    Prévoir le nombre de demande de ramassage des colis à T+1
    Analyser la productivité des collaborateurs
    Mesures des indicateurs de performances
    Environnement technique : R, SAS, Cognos, PowerView, VBA
  • HTE Eclairage - Statisticien

    2013 - 2013 Détection de la bonne cible en utilisant des techniques d'apprentissage supervisé
    Analyse prédictive sur les futurs besoin des clients
    Rédaction des rapports d'analyse
    Environnement technique : R, SAS/ stat, SPSS

Formations

  • Université Lyon 2

    Lyon 2013 - 2014 * Utiliser la méthode<< Naïve Bayes avec des données hors mémoire. ;
    * Programmer la méthode du bayésien naïf sous R tout en évitant de charger les données dans la mémoire
    de R
    * Les données devaient être de la plus grande volumétrie possible et pouvaient être stockées dans un SGBD
    (Oracle, MySQL, etc.).
    * Prendre en compte la rapidité du programme, de simu
  • Université Lumière Lyon

    Lyon 2013 - 2014 Master 2 en Statistiques Informatiques

    Data mining, méthodes et applications (Régression logistique, Réseau de neurone, Bayésien naïf, Arbre de décision)
    Épidémiologie, Text mining, Statistique Exploratoire et Inférence, Programmation Avancé Langage R, SAS
  • Université Lumière Lyon

    Lyon 2013 - 2014 Master 2 en Statistiques

    Data mining, méthodes et applications (Régression logistique, Réseau de neurone, Bayésien naïf, Arbre de décision)
    Big Data, Statistique Exploratoire et Inférence Programmation Avancé Langage R, SAS et Programmation web Avancée
  • Université Lyon 2 Lumiere

    Bron 2012 - 2014 Statistiques Informatique

    Master2
    Data mining, méthodes et applications (Régression logistique, Réseau de neurone, Bayésien naïf, Arbre de décision)
    Épidémiologie, Text mining, Statistique Exploratoire et Inférence, Programmation Avancé Langage R, SAS
    Master 1
    Modèles statistiques en épidémiologie, Probabilité et modèles aléatoires, Econométrie séries temporelles, Econométrie des variables qualitatives, Calcul stochast
  • Université Lumière Lyon

    Lyon 2012 - 2013 Master 1 en Statistique

    : Master 1 en Statistique
    Probabilité et modèles aléatoires, Econométrie des séries temporelles, Calcul stochastiques et applications,
    Econométrie Avancée, Econométrie des variables qualitatives
  • Université Lumière Lyon

    Lyon 2012 - 2013 Master 1 en Statistique

    : Master 1 en Statistique
    Modèles statistiques en épidémiologie, Probabilité et modèles aléatoires, Econométrie des séries temporelles,
    Econométrie des variables qualitatives, Calcul stochastiques et applications, Econométrie Avancée

Réseau

Annuaire des membres :