Bonjour, je suis
Mouhamadou Lamine SOW
Étudiant ingénieur en IA/ML · Optimisation
Passionné par l'intelligence artificielle, la modélisation prédictive et la recherche opérationnelle. J'aime construire des systèmes qui transforment des données complexes en décisions actionable — du scoring de crédit à la prédiction de marchés financiers.
Transformer la donnée en décisions
Étudiant passionné par l'IA, le Machine Learning et l'optimisation. Mon objectif : bâtir des systèmes intelligents qui résolvent des problèmes concrets.
Je suis Mouhamadou Lamine SOW, étudiant ingénieur en IA/ML à l'Université Sorbonne Paris Nord — Sup Galilée. Mon parcours est animé par une conviction simple : les données racontent une histoire, et le Machine Learning est l'outil qui permet de l'écouter.
Au fil de mes projets, j'ai exploré des terrains variés — de la classification du risque de crédit à la prédiction de rendements boursiers, en passant par l'optimisation combinatoire de réseaux de transport et la vision par ordinateur. Chacun m'a appris qu'un bon modèle ne suffit pas : il faut comprendre le contexte métier, maîtriser la donnée, et savoir communiquer les résultats.
Je m'intéresse particulièrement à l'intersection entre Machine Learning et Recherche Opérationnelle — deux disciplines qui, combinées, transforment des prédictions en décisions optimales. C'est exactement ce que j'ai mis en œuvre dans mon projet sur l'optimisation de portefeuille de prêts.
Formation académique
Étudiant ingénieur à l'Université Sorbonne Paris Nord — Sup Galilée, spécialisé en IA/ML, Machine Learning et Recherche Opérationnelle.
Approche problème → modèle
J'aime partir d'un problème métier concret (risque de crédit, prédiction de marché, optimisation de réseau) pour construire un système complet : de la donnée brute à la décision.
Curiosité & rigueur
Implémenter les algorithmes from scratch pour comprendre, puis utiliser les librairies pour produire. Toujours chercher le bon compromis entre performance et interprétabilité.
Stack pratique
Python au quotidien (NumPy, Pandas, Scikit-learn, PyTorch), PLNE avec PuLP/Gurobi, SQL, Git. Connaissances en HTML/CSS/JS pour le prototypage web.
Une boîte à outils data complète
Du Machine Learning à la Recherche Opérationnelle, en passant par le Big Data et la visualisation. Voici les technologies et méthodes que je pratique au quotidien.
Machine Learning & IA
Optimisation & Recherche Opérationnelle
Programmation & Data
Outils & Méthodologie
Des idées qui deviennent des systèmes
Sélection de projets académiques et personnels — du scoring de crédit au métro circulaire, en passant par la prédiction de marchés et la vision par ordinateur.
Multimodal CXR Pathology Classifier
Ce projet utilise un modèle de deep learning multimodal qui intègre des radiographies pulmonaires (images) avec des données textuelles pour améliorer la précision de la classification des pathologies. Idéal pour l'aide au diagnostic assisté par ordinateur.
Optimized Vulnerability Remediation (ML + OR)
Un système qui utilise des modèles de Machine Learning pour évaluer le risque des vulnérabilités puis applique la recherche opérationnelle pour allouer les ressources de correction de manière optimale, en minimisant l'exposition au risque sous contraintes de budget et de temps.
Credit Risk Classification & Loan Optimization
Un système hybride qui classifie les demandeurs de prêt selon leur risque de défaut à l'aide de modèles de Machine Learning, puis utilise un modèle d'optimisation pour sélectionner le portefeuille de prêts le plus rentable sous contraintes financières et de risque. Le projet répond à un problème réel des banques : réduire les impayés tout en maximisant la rentabilité.
Stock Index Return Prediction — Gradient Descent
Prédiction des rendements d'indices boursiers à l'aide d'une régression implémentée from scratch avec descente de gradient.
Visual Product Assistant (VQA)
Assistant visuel basé sur le Visual Question Answering : posez une question sur une image de produit et obtenez une réponse automatique.
Ring-Star Problem — Optimisation Combinatoire
Optimisation du tracé d'une ligne de métro circulaire : compromis entre coût d'infrastructure et accessibilité des usagers.
Travaux Pratiques — Big Data Analytics
Ensemble de travaux pratiques sur le Big Data : traitement distribué, requêtes sur larges volumes, pipelines de données.
QSE — Qualité Sécurité Environnement
Application web pour la gestion Qualité, Sécurité et Environnement : suivi des indicateurs et tableau de bord.
Une trajectoire orientée data
De la première ligne de Python aux projets de Machine Learning appliqué à la finance — voici les étapes clés de mon parcours.
Université Sorbonne Paris Nord — Sup Galilée
Étudiant Ingénieur en IA/ML · Optimisation
Formation en ingénierie avec spécialisation en IA et Machine Learning. Cours couvrant le Machine Learning, la Recherche Opérationnelle, le Big Data et la vision par ordinateur. Projets appliqués en finance, classification de risque et optimisation combinatoire.
SAÉ Optimisation — Problème Ring-Star
Projet académique
Conception d'une ligne de métro circulaire (problème NP-difficile) : modélisation PLNE, heuristiques, compromis coût d'infrastructure vs accessibilité. Rédaction d'un rapport scientifique complet.
Projets ML appliqués à la finance
Travaux personnels
Prédiction de rendements boursiers par descente de gradient (from scratch), classification de risque de crédit couplée à un modèle d'optimisation de portefeuille de prêts.
Début du parcours GitHub
Open source & projets personnels
Création du compte GitHub et publication progressive de projets académiques et personnels autour de l'IA/ML, et du développement web.
Construisons quelque chose ensemble
Ouvert aux stages, aux projets collaboratifs et aux discussions autour de l'IA/ML, du Machine Learning et de l'optimisation.