Salut, je m'appelle Manuel Musy.
Je suis un
Passionné depuis tout jeune par les données chiffrées et les langages informatiques (vive #Python !), curieux et autodidacte, c'est tout naturellement que je me retrouve Data Analyst.
🚨 Actuellement en recherche d'un poste de Data Analyst (de préférence en adéquation avec l'environnement et les mobilités douces), n'hésitez pas à me contacter !
À propos
Je suis data analyst après avoir été professeur de mathématiques pendant plus de 20 ans. Je suis donc particulièrement à l'aise avec les données chiffrées et grand fan du langage Python. Éternel curieux, je ne cesse d'apprendre et de mettre en pratique mes connaissances pour mon plaisir personnel. Je suis passionné par la cryptographie et l'astrophotographie, et amoureux de la nature.
- Langages : Python, R, Basic, C, C++, HTML/CSS, Javascript
- Bibliothèques : NumPy, Pandas, Matplotlib, Seaborn, PlotlyExpress, ScikitLearn, Nltk, Tensorflow, DataPane, BeautifulSoup
- Plateformes de développement : JupyterLab, Google Colab, Github, Streamlit, Dash, Render, Dataiku
- Bases de données : MySQL, DBeaver
- Logiciels de visualisation : PowerBi, Tableau, Looker
- Logiciels de bureautique : Word, Excel, LibreOffice
- Logiciels astronomiques : Stellarium, ASIStudio, DeepSkyStacker, Siril, Darktable
Actuellement ouvert aux propositions dans le domaine de la data, orienté vers l'environnement et le spatial.
Arriverez-vous à me convaincre de travailler pour vous ?
Expériences
Décodage et visualisations de messages (format Bufr) de données de radar météo (Meteo France)
- Récupération de messages par API Meteo France
- Création d'un programme python de décodage de messages au format bufr d'après documentations WMO
- Conversions des données brutes en données météo d'après doc PDF
- Visualisations par projection et ajout contours départements
- Outils : Python (pandas, matplotlib, basemap)
Prévision d'images radar de précipitations par un réseau de neurones convolutionnels:
- Support de formation de Deep Learning de MeteoFrance
- Utilisation du dataset MeteoNet
- Reprise d'un code sur Kaggle
- Modifications (probabilités -> quantités) et améliorations de différents modèles
- Outils : Kaggle, Python (Tensorflow/keras, Cartopy)
Réalisation d'une étude de marché des vins en vue d'une recommandation de prix :
- Collecte, nettoyage et automatisation du traitement des données
- Modélisation et visualisation des données structurées
- Outils : JupyterLab, Python (Pandas, NLTK), Tableau
Étude et prévision de la consommation électrique :
- Collecte, nettoyage et automatisation du traitement des données
- Modélisation et visualisation des données structurées
- Application du Machine Learning
- Création d'une application en ligne
- Outils : Python (Pandas, Scikit-Learn), Tableau, Dash
-
Merci à mes super coéquipières :
Marie Lefebvre, Jessica Bertoni.
Business Case sur des distributeurs automatiques de boissons :
- Collecte, nettoyage et automatisation du traitement des données
- Modélisation et visualisation des données structurées
- Outils : JupyterLab, Python (Pandas), Tableau
Réalisation d'une application de recommandations de films :
- Collecte, nettoyage et automatisation du traitement des données
- Modélisation et visualisation des données structurées
- Application du Machine Learning
- Création d'une application en ligne
- Outils : Python (Pandas, Scikit-Learn), Streamlit
-
Merci à mes super coéquipières :
Marie Lefebvre, Camille Magnette.
Réalisation d'une application de recommandations de titres de musique :
- Collecte, nettoyage et automatisation du traitement des données
- Modélisation et visualisation des données structurées
- Application du Machine Learning
- Création d'une application en ligne
- Outils : Python (Pandas, Scikit-Learn), Streamlit
- 🥇 Projet vainqueur d'un hackathon de 36 heures.
-
Merci à mes super coéquipiers :
Vincent Cornélius Mathieu Beauvois, Alexandre Thigé, Marie Lefebvre, Victoria Gaullier.
- Collecte de données
- Modélisation des données structurées
- Visualisation des données
- Projet réalisé en équipe (Christel LEMAITRE et Lucas MESSINA) sur une durée d'1 mois.
- Outils : PowerBi
- Collecte de données
- Automatisation du traitement des données
- Modélisation des données structurées
- Visualisation des données
- Propositions d'améliorations
- Projet réalisé en équipe (Christel LEMAITRE et Lucas MESSINA) sur une durée de 3 semaines.
- Outils : MySQL, PowerBi
Applis (en ligne)
Statistiques sur les stations Cyclam (location de vélos électriques)
Trouver les points de mobilités douces les plus proches
Logiciels (GUI)
Logiciel de déchiffrement et de cryptanalyse de codes cryptographiques classiques
Dataviz
Statistiques des profils de la précarité numérique en 2022
Statistiques de la délinquance départementale en 2022
- Accès au Tableau
- Projet personnel sur les statistiques de la délinquance enregistrées au niveau départemental par les services de police et de gendarmerie
Répartition des terrains de tennis par type de revêtement et par commune française
Répartition des productions des énergies renouvelables
Skills
Langages et Bases de données
Python
MySQL
PowerBI
Tableau
Streamlit
Librairies
NumPy
Pandas
Matplotlib
Seaborn
PlotlyExpress
Datapane
Scikit-Learn
Nltk
Autres (Astrophotographie)
Stellarium
ASIStudio
DeepSkyStacker
Darktable