Oumou Kaltoum Sall
Data Scientist & ML Engineer | Mathématiques Appliquées & Optimisation
CHOIX OU MESSAGE LIBRE — ENTRÉE POUR VALIDER
À propos
Data Scientist avec une solide formation en Mathématiques Appliquées et optimisation des données.
Data Scientist & ML Engineer spécialisée dans la traduction de contraintes industrielles complexes en modèles prédictifs scalables, pipelines de données automatisés et architectures de Deep Learning.
Services
Modalités d'intervention & Opportunités
Basée à Dakar, disponible pour un recrutement (Stage / CDD / CDI), une mission projet ou du consulting technique — sur place ou en remote.
Prête à rejoindre votre équipe technique comme Data Scientist ou ML Engineer. Idéale pour accélérer vos chantiers R&D, Computer Vision, NLP et déploiement de modèles.
Conception et réalisation de briques IA sur mesure : modélisation prédictive, vision par ordinateur, architectures RAG/LLM ou prototypes interactifs (Streamlit, FastAPI).
Intervention ciblée pour auditer, concevoir ou industrialiser vos solutions ML (pipelines data, optimisation de modèles, MLOps) ou renforcer vos équipes techniques.
Compétences
Un socle quantitatif rigoureux en Mathématiques Appliquées combiné à l'ingénierie logicielle pour concevoir et déployer des architectures IA robustes.
Modélisation statistique & apprentissage profond
Conception d'algorithmes prédictifs, modélisation de séries temporelles et optimisation numérique sous contraintes industrielles.
Systèmes autonomes & recherche contextuelle
Architecture de pipelines RAG structurés, agents autonomes multi-étapes et intégration d'APIs LLM pour l'extraction de connaissances complexes.
Pipelines de production & gestion de bases
Développement de pipelines ETL automatisés, modélisation relationnelle SQL et conteneurisation pour environnements de production.
Résolution de problèmes & communication
Traduction des contraintes business en indicateurs mesurables, restitution claire pour décideurs et collaboration agile pluridisciplinaire.
Valeurs
Chaque décision vise un résultat mesurable.
La complexité est un problème à résoudre, pas à exposer.
Le soin dans les détails distingue le bon du remarquable.
Dakar, Sénégal · Disponible sur place & en Remote
Processus
Comprendre le problème sous tous ses angles. Cartographier les parcours data, exposer les vraies contraintes — pas celles supposées.
Architecture ML, prototypage rapide, validation de la faisabilité technique et définition des KPIs de succès.
Développement itératif, tests rigoureux, intégration continue et préparation au déploiement en production.
Monitoring MLflow, analytics, optimisation continue et accompagnement pour l'adoption et l'échelle.
scroll ↓
Études de cas
Architectures de pointe, méthodologies quantitatives et solutions techniques prêtes pour la production.
Plateforme quantitative d'analyse de portefeuille : calcul de VaR/CVaR paramétrique et historique, simulation Monte Carlo (10 000 scénarios), détection de régimes de marché par LSTM (F1 = 0.91) et backtesting XGBoost sur séries OHLCV.
Moteur d'AutoML piloté par le langage naturel : optimisation bayésienne des hyperparamètres via Optuna (50+ trials), sélection automatique du meilleur modèle parmi 8 algorithmes, génération de rapport complet en <60s. Conçu pour ONG et PME sans expertise data.
Pipeline RAG structuré sur corpus de rapports ESG et textes réglementaires : chunking sémantique, indexation FAISS (cosine similarity), récupération top-k avec re-ranking, réponses 100% sourcées via Mistral AI. Précision de la récupération contextuelle >92% sur corpus de 500+ pages.
Autoencodeur LSTM-CNN PyTorch entraîné sur séries temporelles de capteurs industriels (vibration, température, pression) : détection d'anomalies jusqu'à 15 min avant rupture, recall = 0.97 sur jeu de test, réduction de 40% des arrêts non planifiés simulés.
Système d'aide au diagnostic précoce des pathologies cardiovasculaires par Machine Learning (Random Forest, XGBoost, LightGBM) : classification multi-paramètres cliniques, analyse d'importance des variables et explicabilité des prédictions.
Démos Live
5 applications interactives déployées sur Streamlit Cloud — les démos sont maintenues actives en continu. Si une app affiche ⏳ Démarrage…, elle sera prête en ~30 secondes.
VaR/CVaR, Monte Carlo 10K scénarios, LSTM de détection de régimes (F1=0.91), backtesting XGBoost.
Optune bayésien, 8 algorithmes comparés, meilleur modèle en <60s, rapport automatique complet.
Pipeline RAG vectoriel, réponses 100% sourcées, analyse de documents ESG et réglementaires.
Autoencodeur VAE PyTorch, détection de dérives capteurs, seuillage adaptatif temps réel.
Classification multi-paramètres cliniques, Random Forest + XGBoost, AUC-ROC 0.94.
Parcours
ABA Technology / Nextronic — Casablanca
Deep learning, computer vision, validation de modèles et prototypes industriels temps réel.
Refocus Child (Association)
Suivi de l'intégrité des données, structuration de cadres de métadonnées et optimisation des bases de données de reporting.
Mundiapolis University of Casablanca
Institut Supérieur de Management (ISM)
Certifications
Honoris Online Academy — Division of Employability
Septembre 2025
Intelligence comportementale, pensée critique, créativité & design thinking, communication, collaboration et entrepreneuriat.
Références
Contact
oumoukaltoumsall@gmail.comDisponible pour un recrutement (Stage / CDD / CDI), des missions techniques ou du consulting en Data Science & ML — basée à Dakar & Remote.
oumoukaltoumsall@gmail.com →