Jérémie NDJOYE

Apprenti Assistant ingénieur à L'Institut National de la Santé et de la Recherche Médicale (INSERM). Je conçois des modèles, des analyses et des outils data au service de la décision.

Voir mes projets Consulter mon CV
Portrait de Jérémie NDJOYE
Défiler
« De la donnée brute à la décision éclairée. »

Actuellement en alternance à L'INSERM comme Assistant Ingénieur et étudiant en BUT Science des Données, je développe des compétences opérationnelles en analyse statistique et en traitement de données appliquées à des problématiques réelles.

Ce portfolio présente de manière structurée les projets que j'ai menés — modélisation statistique, exploitation de données concrètes (santé, immobilier, données publiques) et développement d'outils d'aide à la décision.

Vous y trouverez des réalisations illustrant ma capacité à manipuler des données complexes, construire des modèles prédictifs et produire des analyses interprétables, avec une attention particulière portée à la rigueur méthodologique et à la pertinence des résultats.

Parcours en chiffres

Quelques repères

0
Projets réalisés
0
Langages informatiques
0
Outils de datavisualisation
0
Concours national de DataViz de l'INSEE 2025

Expertise & domaines

Trois manières de faire parler les données

Mes compétences se sont construites à travers des projets concrets, en contexte universitaire comme en entreprise, face à des problématiques réelles de collecte, d'analyse et de valorisation des données.

01

Modélisation prédictive & aide à la décision

Je construis des modèles à partir de données réelles en partant toujours du problème à résoudre : comprendre les variables qui influencent un phénomène, quantifier leur impact et produire des estimations exploitables. Par exemple, j’ai travaillé sur la prédiction de valeurs immobilières en tenant compte des caractéristiques des biens et de leur localisation. J’utilise pour cela des méthodes statistiques et de machine learning, en veillant à interpréter les résultats et à en dégager des leviers d’action concrets.

Modélisation statistiqueMachine learningInterprétabilitéAide à la décision
02

Analyse statistique & interprétation

J’utilise les méthodes statistiques pour transformer des données brutes en résultats fiables et interprétables. Mon travail consiste à structurer les données, formuler des hypothèses pertinentes et tester leur validité afin d’identifier des relations réellement significatives.

De l’analyse exploratoire aux tests statistiques, je cherche avant tout à comprendre les mécanismes sous-jacents plutôt qu’à produire des résultats isolés, dans l’objectif d’apporter des éléments solides à la prise de décision.

Analyse exploratoireTests statistiquesInterprétationStatistique inférentielle
03

Outils data & automatisation

J’automatise des processus de traitement de données pour les rendre fiables, reproductibles et exploitables au quotidien. Je développe des pipelines, des tableaux de bord et des interfaces interactives avec un objectif clair : réduire les manipulations manuelles et sécuriser les analyses.

Mon approche repose sur des outils simples à utiliser, robustes et pensés pour durer, afin de garantir une utilisation efficace au-delà de leur développement initial

StreamlitPower BIData pipelinesAutomatisation

Naviguer

Explorer le portfolio

Quatre entrées pour découvrir mon parcours, mes réalisations et me contacter.

01 À propos de moi Mon parcours, mes centres d'intérêt et les engagements qui m'animent au quotidien. 02 Projets Réalisations universitaires, professionnelles et personnelles, classées par contexte. 03 Bilan personnel Un regard réflexif sur les compétences acquises et mes perspectives. 04 Contact Une question, une opportunité ? Échangeons.

Sélection

Projets en avant

Tous les projets
Modèle de Markowitz Personnel

Optimisation de portefeuille — Modèle de Markowitz

Implémentation Python (NumPy, SciPy, yfinance) : frontière efficiente, portefeuille tangent et 10 000 simulations pour optimiser le couple rendement / risque.

Voir le projet
Application Run Validator Professionnel · INSERM

Run Validator — validation analytique de données de laboratoire

Application Streamlit automatisant le contrôle d'expériences de chimie analytique : règles métier, vérifications systématiques, alertes et bilans traçables pour les chercheurs.

Voir le projet
Prévision séries temporelles Universitaire

Prévision du cours des métaux précieux

Analyse de série temporelle (tendance, volatilité, saisonnalité) et construction d'un modèle de prévision à l'horizon 2026.

Voir le projet

Compétences techniques

L'outillage du quotidien

PythonSQLRVBAPower BIStreamlitSASExcel PythonSQLRVBAPower BIStreamlitSASExcel PythonSQLRVBAPower BIStreamlitSASExcel PythonSQLRVBAPower BIStreamlitSASExcel PythonSQLRVBAPower BIStreamlitSASExcel PythonSQLRVBAPower BIStreamlitSASExcel
HTML / CSSGitDockerTableauMachine learningRégression linéaireClustering / K-meansACP / PCARandom ForestSéries temporellesModélisation financièreOptimisation de portefeuilleSimulation de Monte-CarloDCFQGISSphinxSupabase HTML / CSSGitDockerTableauMachine learningRégression linéaireClustering / K-meansACP / PCARandom ForestSéries temporellesModélisation financièreOptimisation de portefeuilleSimulation de Monte-CarloDCFQGISSphinxSupabase HTML / CSSGitDockerTableauMachine learningRégression linéaireClustering / K-meansACP / PCARandom ForestSéries temporellesModélisation financièreOptimisation de portefeuilleSimulation de Monte-CarloDCFQGISSphinxSupabase HTML / CSSGitDockerTableauMachine learningRégression linéaireClustering / K-meansACP / PCARandom ForestSéries temporellesModélisation financièreOptimisation de portefeuilleSimulation de Monte-CarloDCFQGISSphinxSupabase

Travaillons ensemble

Un projet data ?
Parlons-en.

Ouvert aux opportunités en data science, analyse statistique et développement d'outils d'aide à la décision.

Me contacter