Projets récents

Projets

1. Détection de la falsification d'images : À l'ère numérique, l'authenticité des images joue un rôle crucial dans divers secteurs, du journalisme à la vérification d'identité. Cependant, la montée en puissance d'outils avancés de manipulation d'images rend difficile la vérification de l'authenticité de ces images. Ce projet vise à détecter les images trafiquées en utilisant des techniques d'apprentissage automatique et de traitement d'images. Le projet se compose des quatre sous-projets suivants :

   1. Détection de la contrefaçon de documents avec SIFT : La forensique d'image passive utilisant l'algorithme de Transformée de Caractéristiques Invariantes à l'Echelle (SIFT) et l'estimation d'homographie. Apprendre davantage

   2. Analyse d'images avec TensorFlow : Dans ce projet, nous avons utilisé l'algorithme d'apprentissage profond de Google (TensorFlow) pour tester si les images ont été manipulées numériquement ou non. Apprendre davantage

   3. Analyse d'images avec l'apprentissage profond (PyTorch) : Utilise des réseaux neuronaux convolutionnels (CNN) pour la détection de contrefaçon d'images. Apprendre davantage

   4. Décodage des données du recensement encodées à l'aide de Pyspark : Analyse des données du Bureau du recensement des États-Unis dans le but de décoder les données qui ont été encodées pour des raisons de sécurité et de respect de la vie privée. Apprendre davantage

Projets terminés

Voici quelques-uns des projets que nous avons terminés.

1. Génération, Approvisionnement et Visualisation de la Consommation d'Énergie: Nous avons utilisé PowerBI pour nous connecter à des sources de données liées à la génération d'énergie par Eskom et avons créé des visualisations pour obtenir les informations nécessaires afin de répondre de manière appropriée à plusieurs questions critiques sur la crise énergétique en Afrique du Sud En savoir plus. Notez que vous devez avoir un compte Microsoft valide pour consulter ce projet

2. Extraction de Données Historiques sur les Prix des Actions S&P sur Internet : Nous avons utilisé la bibliothèque yfinance et Python pour extraire des données sur les actions du S&P 500 (Standard & Poor's 500). En savoir plus.

3. Projet d'Amortissement d'Hypothèque : Nous avons comparé trois prêts hypothécaires différents, chacun avec un taux d'intérêt, une durée et un échéancier d'amortissement différents En savoir plus

4. Prédiction des Déficits de Charge : Modélisation prédictive des déficits de charge entre l'énergie générée par des combustibles fossiles et diverses sources d'énergie renouvelable. En savoir plus

5. Prédiction des Stocks : Prédiction de la quantité correcte de produits à stocker en vente par un magasin desservant plusieurs pays à partir d'un inventaire commun afin d'éviter les surstockages ou les sous-stockages. En savoir plus

6. Modèle de Trading d'Actifs : Ce modèle de trading utilise la moyenne mobile sur 200 jours pour déterminer quand acheter ou vendre un actif. Cet exemple concerne les cryptomonnaies, mais le modèle peut être adapté aux actions et à d'autres actifs. En savoir plus

7. Modèle de Trading de Cryptomonnaie de Base : Application de protocoles de transaction pour acheter ou vendre des actifs cryptographiques lorsque certaines conditions du marché sont remplies. En savoir plus

8. Identification et Application de Mesures de Risque Associées aux Marchés Financiers : Modélisation des rendements de différentes classes d'actifs. Nous observons des mesures de volatilité personnalisées, ainsi que la manière de les modéliser en Python. En savoir plus

9. Utilisation de Distributions Statistiques pour Modéliser les Rendements d'Actifs : Évaluation de la distribution des rendements d'actifs pour déterminer leur normalité ou non, afin de modéliser correctement les risques et les rendements des actifs. En savoir plus

Autres projets

Voici une liste de projets supplémentaires que nous avons réalisés pour nos clients, dont l'identité de certains ne peut être divulguée en raison des accords de confidentialité auxquels nous avons souscrit.

1. Détection d'anomalies pour une institution financière : Ce projet implique la détection de transactions anormales. Il est utile pour détecter rapidement les fraudes et les abus des processus bancaires, permettant à l'institution de prendre des mesures pour éviter la perte de fonds ou d'autres violations de sécurité.

2. Migration vers le Cloud: Nous avons migré l'ensemble des opérations de notre client d'une opération entièrement sur site vers une opération basée sur le cloud avec une mise en œuvre complète de la sécurité du protocole du moindre privilège.

3. Prédiction de l'attrition: Nous avons généré un modèle qui prédit l'attrition en analysant les données des clients pour permettre la classification des clients en groupes susceptibles de partir en fonction de caractéristiques connues. La société peut prendre des mesures préventives basées sur ces prédictions pour éviter l'attrition en ciblant des efforts correctifs sur ces clients.

4. Classification des clients: Classification des clients en catégories en fonction de comportements, de données démographiques, etc., pour permettre un marketing ciblé. Ce projet en particulier a entraîné une amélioration de 32 % du taux de conversion pour notre client.

5. Détection d'anomalies pour les consommateurs d'électricité: Dans ce projet, nous avons détecté des modèles anormaux dans la consommation d'électricité. Cela nous a permis de détecter le vol d'électricité et le contournement des compteurs en temps réel. Notre client dépendait auparavant de la détection manuelle par le personnel sur le terrain, ce qui était à la fois coûteux en main-d'œuvre et en capital. Notre solution a entraîné une détection de 87 % du vol d'électricité avec seulement 2 % de faux positifs, améliorant considérablement les résultats financiers de notre client.

6. Chatbot personnalisé: Nous avons utilisé le modèle GPT-4 d'OpenAI pour créer un modèle transformateur qui a été déployé en tant que chatbot, formé sur les informations de nos clients. Ce bot a été capable de fournir aux visiteurs du site de nos clients des informations précises et à jour sur leurs processus instantanément, ce qui a permis d'économiser du temps et d'autres ressources pour le client..

7. Gestion de portefeuille de projets pour une entreprise de construction : Le projet de base de données "Gestion de portefeuille de projets" vise à rationaliser et améliorer les opérations de PSP Alpha, une entreprise de construction et de développement immobilier. Le système complet que nous avons développé était un suivi efficace des projets, une gestion des ressources, un contrôle de la qualité, une surveillance financière et un système d'engagement des clients/stakeholders. Il centralisait la gestion des documents, le suivi des délais, l'évaluation des risques et les rapports.

8. Youth engage Plus: Le projet YouthEngage Plus est un système de gestion de base de données multifacette adapté aux besoins d'une organisation dédiée au développement des jeunes et à l'engagement communautaire au Malawi. Cette solution tout-en-un intègre de manière transparente des fonctionnalités de gestion des membres et des bénévoles, le suivi des donateurs et des collectes de fonds, l'inscription aux événements et activités, l'évaluation des programmes et l'impact, la gestion des ressources et des stocks, la communication et la sensibilisation, ainsi que la gestion des documents et du contenu. En fournissant une plateforme centralisée, YouthEngage Plus permet à notre client de gérer efficacement ses opérations, de mesurer l'efficacité des programmes, de renforcer les relations avec les parties prenantes et de rationaliser les processus organisationnels, tout en garantissant la sécurité et la confidentialité des données.

9. Numérisation des anciens projets et thèses et création d'un référentiel de projets et d'une base de données pour une institution tertiaire: Nous avons pris des milliers d'anciens projets d'étudiants qui n'étaient disponibles qu'en format papier, avons créé des copies numériques de ces projets et les avons intégrées dans leur référentiel existant pour les étudiants. Grâce à notre travail, ces documents, qui n'étaient auparavant pas accessibles aux étudiants en raison du nombre limité de copies, sont maintenant disponibles numériquement pour potentiellement des milliers d'étudiants en même temps. Nous avons également mis en place des restrictions d'accès au référentiel conformément aux instructions du client et fourni une option de monétisation de l'actif numérique que nous avons créé.