Mohamed E.
Diplômé d'un Master Finance et Data Science (fsjes Mohammedia), data science et BI, stage pré-embauche
Présentation
Titulaire d'un Master en Finance et Data Science de la FSJES Mohammedia, j'oriente mon parcours vers la data science, la business intelligence et l'analyse quantitative.
Chez RMA Assurance, j'ai développé des modèles de détection de fraude (XGBoost, Random Forest, régression logistique, SVM), créé un score de fraude automatisé pour prioriser les dossiers suspects et conçu un tableau de bord Power BI de suivi des sinistres, à partir de données extraites et nettoyées avec SQL et Python. Mes projets incluent TradeSense AI, une application d'analyse de marchés en Flask, et un pipeline de prédiction du risque de défaut sur des prêts.
Je cherche un stage pré-embauche en data, BI ou analyse du risque, à Casablanca ou dans une ville proche, disponible immédiatement.
Formation
Master en Finance et Data Science · FSJES Mohammedia – Université Hassan II
2024 – 2026
Licence en Sciences économiques et gestion · FSJES Aïn Sebaâ
2021 – 2024
Expérience
Stagiaire Data Science & BI · RMA Assurance
02/2026 – 05/2026
Développer et évaluer des modèles de détection du risque de fraude (XGBoost, Random Forest, régression logistique, SVM). Créer un score de fraude automatisé pour prioriser les dossiers suspects. Concevoir un tableau de bord Power BI de suivi des sinistres et des facteurs de risque. Extraire et nettoyer des données de sinistres automobiles avec SQL et Python.
Stagiaire analyste financier · Cafés Carrion
07/2024 – 09/2024
Analyser les états financiers (bilan, compte de résultat, SIG) pour évaluer la performance. Mettre en place des modèles prédictifs et rédiger des rapports de recommandation.
Stagiaire aide comptable · SOFIREB
08/2023 – 09/2023
Saisir les factures d'achats, de ventes et de trésorerie, lettrer les comptes. Utiliser Sage pour les traitements comptables.
Projets
TradeSense AI
Application web d'analyse de marchés financiers: API Python / Flask fournissant des signaux techniques et indicateurs de trading.
Prédiction du risque de défaut et de fraude sur les prêts
Pipeline de classification supervisée (pandas, scikit-learn), traitement du déséquilibre des classes, évaluation par précision-rappel et AUC.