🚀 CareerCopilot — Job Search & CV Matcher

Application web développée pour faciliter la recherche d'opportunités professionnelles à distance et en Europe. CareerCopilot centralise des offres d'emploi provenant de différentes sources et permet de les filtrer selon plusieurs critères. L'application intègre également un CV Matcher permettant d'analyser la correspondance entre un CV et les offres disponibles.

Stack : Python, Streamlit, Pandas, SQLAlchemy, PostgreSQL, Supabase, APIs

🚀 Application disponible en ligne : ouvrir CareerCopilot

🛠️ SupportOps — IT Support & Incident Management

Application dédiée à la gestion et à l'analyse des incidents IT. Le projet simule un environnement de Support Engineer avec gestion des tickets, priorités, niveaux de sévérité, SLA, temps de résolution et suivi des incidents. Il intègre également une base de connaissances destinée à faciliter le diagnostic et la résolution des problèmes techniques récurrents.

🌐 Site web CJBAT

Site web développé et déployé en production avec Flask, HTML/CSS. Mis en ligne et utilisé en conditions réelles.

Stack : Python (Flask), HTML, CSS

🌐 Site vitrine MadameDataIT

Ce site : conçu et développé en HTML/CSS pur, hébergé sur GitHub Pages avec domaine personnalisé, SEO optimisé (sitemap, meta tags, score 100/100).

Stack : HTML5, CSS3, GitHub Pages

📊 Dashboard Power BI — Service Client

Dashboard interactif conçu pour le suivi et l'analyse des performances d'un centre d'appels. Il permet de visualiser les principaux indicateurs opérationnels tels que le volume total d'appels traités, le taux de respect des accords de niveau de service (SLA), le temps d'attente moyen des clients et la durée moyenne des appels. Le projet est structuré en trois pages complémentaires : analyse de l'activité globale avec le suivi des appels par site, par période et par type de demande, ainsi que les indicateurs de qualité de service. Suivi des performances financières à travers l'évolution du chiffre d'affaires, la contribution des différents sites, des managers et des catégories de services.Ce tableau de bord permet d'identifier rapidement les tendances.

Stack : Power BI, DAX

⚡ Dashboard Power BI — Énergie France

Dashboard énergétique interactif analysant la consommation et la production d'électricité en France. Analyse nationale, équilibre énergétique régional, mix de production (nucléaire, hydraulique, éolien, solaire) et évolution temporelle des indicateurs.

Stack : Power BI, DAX

📦 Dashboard Looker Studio — Warehouse / Stores / Delivery

Dashboard logistique conçu pour analyser plus de 7 000 livraisons entre entrepôts et magasins à travers les États-Unis. Il permet de suivre les performances opérationnelles, les délais de traitement, les colis endommagés, les retours et les méthodes de réception des marchandises.

Stack : Looker Studio, Google Sheets

🌍 Dashboard Looker Studio — Analyse Mondiale de la Population

Tableau de bord interactif conçu sous Looker Studio pour l'analyse de données démographiques mondiales. Il permet de visualiser la population par pays, la répartition hommes/femmes, les tendances démographiques, ainsi que différents indicateurs socio-économiques à l'échelle internationale.

Stack : Looker Studio, Google Sheets

🚢 App Streamlit — Titanic & Spaceship Titanic, Machine Learning

Application interactive consacrée à deux variantes du problème Titanic. Le projet historique explore les données de 891 passagers avec statistiques descriptives, visualisations croisées et comparaison de trois modèles de classification pour prédire la survie. Une seconde partie, consacrée au Spaceship Titanic, travaille sur 8 693 passagers connus et 4 277 passagers à prédire. Elle met en œuvre un workflow complet de Machine Learning : analyse des données, gestion des valeurs manquantes, encodage des variables catégorielles, entraînement et comparaison de modèles, analyse des erreurs et prédiction des passagers transportés vers une autre dimension.

Stack : Python, Streamlit, scikit-learn, Plotly

💤 L'application peut être en veille (hébergement gratuit). Si elle ne s'affiche pas, ouvrez-la directement ici et cliquez sur "Yes, get this app back up!" — le réveil prend environ 30 secondes.

🏦 App Streamlit — German Credit, profil & risque

Tableau de bord interactif dédié à l'analyse de 1 000 dossiers de crédit bancaire allemands. Il offre une vue détaillée des caractéristiques des emprunteurs, des montants et durées des prêts, ainsi que de différents critères financiers et socio-économiques associés à chaque dossier. L'application permet d'explorer les profils de crédit à travers des indicateurs et des visualisations interactives afin de mieux comprendre les différents niveaux d'exposition au risque. Elle intègre également un score de risque composite, permettant de synthétiser plusieurs critères et d'évaluer plus facilement le niveau de risque associé à chaque profil.

Stack : Python, Streamlit, Pandas, Plotly

💤 L'application peut être en veille (hébergement gratuit). Si elle ne s'affiche pas, ouvrez-la directement ici et cliquez sur "Yes, get this app back up!" — le réveil prend environ 30 secondes.

🏢 App Streamlit — Energy Efficiency, classification ML

Application interactive dédiée à l'analyse de l'efficacité énergétique de 768 bâtiments résidentiels. Le projet combine les charges de chauffage et de climatisation afin de créer une variable de charges énergétiques totales, puis répartit les bâtiments en 4 classes énergétiques. Trois modèles de classification sont comparés : KNN, SVM et Random Forest, avec sélection des hyperparamètres par validation croisée. Le Random Forest atteint 96,10 % d'accuracy sur l'ensemble de test.

Stack : Python, Pandas, scikit-learn, Streamlit, Plotly

💤 L'application peut être en veille (hébergement gratuit). Si elle ne s'affiche pas, ouvrez-la directement ici et cliquez sur "Yes, get this app back up!" — le réveil prend environ 30 secondes.

🚒 App Streamlit — London Fire Brigade, Machine Learning

Application interactive dédiée à l'analyse et à la prédiction du temps d'arrivée des secours du London Fire Brigade. Le projet s'appuie sur un jeu de données d'interventions permettant d'étudier les caractéristiques des appels, les zones géographiques, les propriétés concernées, les stations de déploiement et le nombre de véhicules mobilisés.Le projet met en œuvre une démarche complète de Machine Learning.

Stack : Python, Pandas, NumPy, scikit-learn, Random Forest, Streamlit

💤 L'application peut être en veille (hébergement gratuit). Si elle ne s'affiche pas, ouvrez-la directement ici et cliquez sur "Yes, get this app back up!" — le réveil prend généralement quelques secondes.

🗄️ Analyse de Performance Commerciale — SQL

Analyse de performances de vente à partir d'une base de données relationnelle (employés, ventes, produits) : classement des meilleurs vendeurs, suivi du chiffre d'affaires mensuel, segmentation du catalogue produit et cumul progressif des ventes.

Stack : SQL (SQLite), Window Functions, CTE

⚙️ Automatisation de Prise de Rendez-vous — Make

Scénario d'automatisation pour la prise de rendez-vous : dès qu'un patient remplit un formulaire en ligne (prénom, nom, date souhaitée), la réponse s'enregistre dans Google Sheets, puis Make crée automatiquement l'événement correspondant dans Google Calendar — sans aucune saisie manuelle.

Stack : Make (Integromat), Google Sheets, Google Calendar