🎓 Présentation générale Je suis Abdoulaye Tangara, statisticien et data scientist malien passionné par l’analyse de données et la modélisation prédictive. Actuellement étudiant en Master d’Économie Quantitative et Calculable à la Faculté des Sciences Économiques et de Gestion de Bamako, je possède un solide parcours académique avec un DUT en Statistique et Traitement Informatique et une licence en Économie et Ingénierie Financière. La rigueur et l’esprit d’analyse me caractérisent, me permettant de transformer de vastes volumes de données en indicateurs utiles pour la prise de décision. Au cours de mes stages et projets professionnels, notamment chez Orange Mali, AFRISTAT et des institutions académiques nationales, j’ai développé des compétences solides en analyse statistique, visualisation de données et évaluation d’impact. J’ai contribué à l’optimisation des stratégies commerciales et à l’évaluation de la performance en traduisant les analyses de données en recommandations claires. Je suis motivé par les défis analytiques complexes et je crois en la collaboration ouverte pour faire avancer la recherche et l’innovation.
🧠 Domaines d’expertise
• Analyse de données : exploitation de données statistiques complexes pour identifier tendances, anomalies et indicateurs clés.
• Machine learning : mise en œuvre d’algorithmes supervisés (régression, arbres de décision, forêts aléatoires, XGBoost, etc.) pour des applications prédictives.
• Économétrie & modélisation prédictive : conception de modèles économétriques avancés pour l’analyse économique et financière.
• Gestion de bases de données : conception et maintenance de bases relationnelles, collecte de données sur le terrain (KoboToolBox) et préparation de données.
• Visualisation & reporting : création de tableaux de bord et rapports clairs (Tableau, Matplotlib, etc.) pour soutenir la prise de décision.
• Suivi-évaluation de projets : développement d’outils et indicateurs de suivi-évaluation pour mesurer l’impact des initiatives (ex. ONG).
💼 Projets open-source et personnels
• Détection de fraudes bancaires (Machine Learning) : conception d’un modèle prédictif sur 6 millions de transactions utilisant XGBoost et analyse de graphes (NetworkX, Neo4j). Résultat clé : précision F1 de 99 %.
• Scoring de risque de crédit (Machine Learning) : développement d’un système de scoring basé sur Random Forest pour évaluer le risque de défaut sur 31 000 clients. Résultat : AUC de 0,81 et précision de 74,6 %.
• Modèles économétriques appliqués : réalisation d’analyses économétriques et de rapports sur l’évolution des indicateurs macroéconomiques pendant mes études académiques.
• Contributions open-source : participation à des projets open-source sur GitHub et partage de notebooks et outils pour la communauté data (analyses sur Kaggle et plateformes collaboratives).
🧰 Stack technique
• Langages & frameworks : Python (pandas, NumPy, scikit-learn, TensorFlow/Keras), R, SQL (PostgreSQL), STATA.
• Bases de données : SQL (PostgreSQL), NoSQL (Neo4j).
• Outils d’analyse & visualisation : Jupyter Notebook, Tableau, Power BI, Matplotlib, Seaborn.
• Collecte et traitement de données : KoboToolBox, Excel, outils ETL (pandas, SQL).
• Contrôle de version & collaboration : Git, GitHub, Markdown, LaTeX.
📜 Certifications et distinctions • Certificat en modélisation macroéconomique (2024 – 2025) • Data Analytics Bootcamp (2024 – 2025) • Certification « Data Science : Machine Learning with Python » (2023 – 2024) • Certification « SQL with PostgreSQL » (2023 – 2024) • Certification « Data Analysis with Python » (2022 – 2023) • Prix de l’Olympiade Nationale d’Intelligence Artificielle (2024 – 2025)