Elomri

CV EL OMRI

+01:00

AHMED EL OMRI Statisticien

Formation Académique

2005 2007 DESA : Mathématiques, Informatiques & Applications, spécialité : Statistique et Probabilité ;

2003 2005 Licence Appliquée en Statistique ;

2000 Baccalauréat : Sciences Expérimentales ;

Expériences Professionnelles

15/03/2008 à 15/06/2008 Préparation des guides Statistiques pour la société Française "Sigmund", spécialisée dans l’évaluation des Ressources Humaines ;

01/03/2007 à 01/03/2008 au SPSS Maghreb : Projet de fin d’étude de DESA, TextMining et son Application dans la veille concurrentielle de Télécom; "sous Clementine 11.1".

05/06/2006 à 30/06/2006 Stage à L’office National Interprofessionnel des Céréales et des Légumineuse (ONICL) ;

08/08/2005 à 08/09/2005 Stage à la Banque Populaire Rabat-Kenitra ;

01/04/2005 à 01/07/2005 Projet de fin d’étude de Licence à L’Agence National de la Conservation Foncière Rabat. Etude statistique et établissement des prévisions pour la Conservation Foncière;

Domaines de compétences

§ Modélisation prédictives: Arbres de Décision (Algorithmes : CHAID, C&RT, QUEST, C5.0), Réseaux de Neurones, Analyse discriminante, Régression Logistique ;

§ Séries Chronologiques ;

§ Modèles de Régression ;

§ Statistique Inferentielle ;

§ Analyse de Variance simple et Multiple, Analyse de Covariance ;

§ Analyse des données: ACP, AFC, AFCM, Classification hiérarchique, Nué dynamique, Two-Step, K-Mean, Kohonen;

§ Techniques de sondage "Sous SPSS" ;

§ Marketing quantitative : Segmentation et ciblage, Analyse conjointe, Élaboration des règles d’associations : Apriori, GRI, Séquence;

Conception des modèles de causalités: Équations structurelles (Sous Amos);

Logiciels Statistiques

§ SPSS 15.0

§ Clementine 11.1

§ Amos 7.0

§ DataEntry

§ Sphinx

§ SAS : Autoformation

Motivation de TextMining

+01:00

Le Text Mining est l’ensemble des techniques et méthodes destinées au traitement automatique de données textuelles, telles que fiches de centres d'appel, curriculums vitae, messageries électronique, enquêtes d’opinion, satisfaction clientèle, lettres de réclamation, transcription des entretiens téléphoniques, comptes rendu d’entretiens commerciaux, revues de presses, veille technologique, bases de données en ligne (Internet), etc. De ce fait, l’application du Text Mining est très variée au sein de l’entreprise. Parmi les applications potentielles, on peut citer « la veille ».

Avec la vague de mondialisation croissante de l’économie, l'entreprise doit s'ouvrir vers l'extérieur tout en gardant la maîtrise de son environnement. Elle doit recourir à des technologies de traitement de l’information pour s’adapter rapidement à son environnement, être réactive face à ses évolutions et être proactive en imaginant des futurs possibles. Donc, sa réussite dépendra en grande partie de sa capacité à gérer la collecte, le traitement et la diffusion de l'information à des fins stratégiques d'où l'importance grandissante de la veille.

Motivations du data mining

+01:00

Le développement des moyens informatiques et de calcul permet le stockage (bases de données), le traitement et l’analyse d’ensembles de données très volumineux. Plus récemment, le perfectionnement des interfaces offrent aux utilisateurs, statisticiens ou non, des possibilités de mise en oeuvre très simples des outils logiciels. Cette évolution, ainsi que la popularisation de nouvelles méthodes algorithmiques (réseaux de neurones, support vector machine...) et outils graphiques, conduit au développement et à la commercialisation de logiciels intégrant un sous-ensemble de méthodes statistiques et algorithmiques sous la terminologie de Data Mining : la prospection ou fouille de données. Cette approche, issue du marketing spécialisé dans la gestion de la relationclient (GRC) (client relation management ou CRM) trouve également des développements et applications industrielles en contrôle de qualité ou même dans certaines disciplines scientifiques dès lors que les ingénieurs et chercheurs sont confrontés à un volume de données important. L’accroche publicitaire souvent citée par les éditeurs de logiciels (SAS) est : Comment trouver un diamant dans un tas de charbon sans se salir les mains.