MASTER INTERNATIONAL EN INFORMATIQUE
École Polytechnique de Lomé et Université de Technologie de Belfort-Montbéliard (France) · Lomé, Togo
01 / Profil actif
Data Scientist
Étudiant en Master IA & Big Data, je conçois des systèmes qui transforment la donnée brute en décisions concrètes ; du modèle de machine learning à l'interface qui le rend utile.

SIGNAL / HUMAN_CONTEXT
Data scientist. Je crée des modèles de machine learning pour répondre à des problèmes concrets, pas pour empiler des techniques à la mode. Ce qui me pousse, c'est de comprendre un problème en profondeur avant de choisir une solution : je préfère creuser une logique jusqu'au bout plutôt que copier une approche toute faite. Je vois la donnée comme un moyen, pas une fin, et un modèle n'a de valeur que s'il devient réellement utilisable par quelqu'un. Rigueur, curiosité, et une exigence assez forte sur ce que je livre : voilà qui je suis, je suis Taoufik OURO-BANG'NA.
Je pars du problème et du terrain avant de choisir un modèle.
Je transforme la donnée brute en systèmes lisibles, testables et utiles.
Je rends les résultats accessibles à celles et ceux qui doivent agir.
10 MODULES CHARGÉS
DATA · ENGINEERING · INTERFACE










École Polytechnique de Lomé et Université de Technologie de Belfort-Montbéliard (France) · Lomé, Togo
Institut Africain d'Informatique (IAI-Togo) · Lomé, Togo
Un site web personnel moderne et élégant pour présenter mes projets et compétences. Développé avec Next.js et Tailwind CSS, ce portfolio met en avant mes réalisations avec un design soigné et des animations fluides. L'objectif était de créer une vitrine professionnelle qui reflète mon approche du développement web : allier performance technique et esthétique.
Une API de traduction automatique français-anglais-éwé, développée avec FastAPI. L'objectif : poser une première brique pour l'accès aux contenus dans une langue locale encore peu couverte par les outils de traduction existants.
Construction d'une base décisionnelle à partir de données brutes dispersées dans 7 formats différents. Modélisation d'un entrepôt de données et création de tableaux de bord pour centraliser l'information et fiabiliser l'aide à la décision.
Détection automatique de transactions bancaires suspectes pouvant signaler une fraude. Optimisation du seuil de détection pour limiter les faux positifs : 60 anomalies identifiées sur 20 000 transactions, soit 0,3 %.
Une problématique data, une interface à clarifier ou simplement une idée à tester? Je suis toujours partant pour commencer par une bonne question.