Aller au contenu principal
Mouhssine Lakhili

Projet data

IA-AirBnB

Pipeline data science pour prédire des prix Airbnb à partir de données de Lyon et Paris, avec prétraitement, analyse et modèles de régression linéaire.

Comment c'est construit

  1. Données brutes Annonces de Lyon et Paris
  2. Nettoyage Pandas, valeurs aberrantes
  3. Modèle Scikit-learn, régression linéaire
  4. Évaluation Séparation train/test

Stack

Python, Pandas, Scikit-learn, Linear Regression

  1. Contexte

    IA-AirBnB est un projet data centré sur la transformation de jeux de données Airbnb de Lyon et Paris en workflow prêt pour la modélisation.

  2. Problème

    Le projet explore comment des données structurées de logements peuvent être nettoyées, analysées et utilisées pour prédire des prix avec une base simple et explicable.

  3. Solution

    Le workflow couvre le prétraitement, l'analyse exploratoire, la gestion des valeurs aberrantes, la séparation train/test et la modélisation par régression linéaire.

  4. Architecture

    L'architecture est un pipeline data de type notebook/script : chargement des fichiers, nettoyage, features, entraînement d'un modèle de base et préparation des sorties d'évaluation.

  5. Fonctionnalités

    Le périmètre vérifié est le workflow data décrit dans le dépôt.

  6. Résultat

    Le projet démontre un workflow data de bout en bout ; aucune métrique de modèle n'est publiée ici sans preuve dans le dépôt.

Ce projet vous parle ?

Je suis disponible pour un CDI et pour des missions freelance. Parlons de votre équipe ou de votre projet.

Autres études de cas

  • Plateforme

    OpsPilot — Étude de cas

    Projet personnel de montée en compétence autour de la gestion d'incidents et du FinOps, construit avec Java, Spring Boot et Next.js, avec des exemples Kubernetes/Terraform au niveau exploration.

    1. Interface Next.js
    2. Services Java, Spring Boot
    3. Données PostgreSQL, Redis
    4. Exploitation Kubernetes, Terraform, Prometheus, Grafana (exemples)
    Code source
  • Full-stack

    Accessly — Étude de cas

    Projet personnel de montée en compétence pour l'accès événementiel et la billetterie temps réel avec .NET, C#, Angular, SignalR et SQL Server.

    1. Interface Angular
    2. API ASP.NET Core, CQRS
    3. Temps réel SignalR
    4. Données SQL Server, Redis, RabbitMQ
    Code source