Dickers AMOKO
Expert Data | Consultant Blockchain
Machine Learning,
Data Mining - Data Visualization
Blockchain
Tokénisation - Tokénomics
DeFi - NFT
Permis de conduire
Chelles (77500) France
Freelance
Ouvert aux opportunités
Diplômé en 2016 d'un Master spécialisé en Statistiques et Analyse Décisionnelle de l'Université de Caen Normandie, j'apporte depuis plus de 8 ans mon expertise aux directions d'études dans la conception d'outils d'aide à la décision et l'implémentation de méthodes statistiques avancées, avec une spécialisation en Data Science.
En tant que consultant certifié en Blockchain, j'accompagne également les entreprises et les Institutions dans la gestion et le déploiement de projets digitaux basés sur la technologie Blockchain, ainsi que dans la conformité aux réglementations des actifs numériques.
https://certificate.bcdiploma.com/check/98F3EEAF037D8576BD1E016F8877AF2DA0F4205B1C0B356B99DCF4626ABA6FB6RkhHYTl2RlVRQWhPbGlYeTJzTXg3eStkM0FQR0V0L1ZQS0k5UDRFZStpdkZpNW13
En tant que consultant certifié en Blockchain, j'accompagne également les entreprises et les Institutions dans la gestion et le déploiement de projets digitaux basés sur la technologie Blockchain, ainsi que dans la conformité aux réglementations des actifs numériques.
https://certificate.bcdiploma.com/check/98F3EEAF037D8576BD1E016F8877AF2DA0F4205B1C0B356B99DCF4626ABA6FB6RkhHYTl2RlVRQWhPbGlYeTJzTXg3eStkM0FQR0V0L1ZQS0k5UDRFZStpdkZpNW13
Projet d'études en Dataming
BIOMASSE-NORMANDIE
Octobre 2015
à février 2016
Projet étudiant
Caen
France
- CONTEXTE :
A travers les données de l’enquête organisée par BIOMASS, ce projet consistait à rechercher les facteurs pouvant influencer la consommation du bois en terme de quantité utilisée dans la région de Haute-Normandie. Il s’agit donc de trouver des facteurs susceptibles d’expliquer la consommation de l'énergie dans cette
région et d’en faire une prédiction pour les communes de la même région qui n’ont pas été enquêtées. - ACTIONS :
Traitement, nettoyage et analyse exploratoire afin de déterminer les
variables pour la modélisation (utilisation des techniques de Machine Learning)
Validation du modèle à travers des données d’une enquête menée par l’entréprise Biomasse. Prédiction et (Analyse multivariée : ACM, ACP, segmentation) - RESULTATS :
Trouver le meilleur modèle pouvant expliquer la consommation du bois : Mettre en valeur les facteurs ayant un impact « significatif » sur la quantité de bois utilisée
Prédire, à travers les données de l’INSEE, la quantité de bois consommée dans les autres Communes qui n’ont pas fait l’objet de cette enquête.
Cartographier les Communes par leur quantité de bois prédite. - ENVIRONNEMENT TECHNIQUE :
SAS
R