Thierno Sadou Diallo

• R
• Shiny
• ACP / AFDM
• CAH, k-means
• Random Forest
• XGBoost

Question : quelles formations sont les plus demandées, et qu'est-ce qui explique cette tension ?

• Nettoyage des données nationales 2024 (14 079 formations, 118 variables) : pipeline R automatisé, contrôle qualité, traitement des valeurs extrêmes.
• Focus Normandie 2020–2024 (près de 3 000 observations) : KPI de pression, de remplissage, taux de proposition et d'acceptation.
• Typologie des formations (ACP/AFDM, CAH, k-means) et modélisation de la tension.
• Restitution dans des dashboards interactifs R Shiny.

• Apache Hop
• SQL
• SQLite
• Schéma en étoile
• SCD Type 2

Objectif : consolider des données opérationnelles dans un entrepôt pour l'analyse décisionnelle. Projet en binôme.

• Intégration de plusieurs sources (base opérationnelle, référentiel des communes, catalogue de prestations).
• 5 pipelines ETL : nettoyage, lookups, chargement de 15 000 ventes et 10 000 clients ; historique clients en SCD Type 2.
• Vues SQL analytiques et requêtes OLAP : CA mensuel par ville et catégorie, ventes hors région, durées d'intervention.

• R
• tidyverse
• ggplot2
• Chi², Fisher
• RMarkdown

Question : la communauté de l'Université de Caen est-elle prête pour un campus sans tabac ?

• Nettoyage et analyse d'une enquête de 713 répondants (87 variables), étudiants et personnels.
• 14 tests d'indépendance (Chi², Fisher) pour profiler fumeurs et vapoteurs.
• Restitution dans un rapport RMarkdown.

• Excel
• Power Query
• Power Pivot
• TCD

• Import et transformation de 8 tables avec Power Query.
• Modèle de données en étoile sous Power Pivot (accidents, causes, dates, lieux, luminosité, météo, état de la route).
• Analyse des facteurs d'accidents par tableaux croisés dynamiques.