Hi there 👋
I'm Abir, a Data Science engineering student with a passion for analyzing and visualizing complex datasets. I'm currently pursuing my engineering's degree in Data Science at ESPRIT University.
💼 Skills: Python programming Statistical analysis Machine learning Deep learning Data preparation steps NLP R
💻 Projects: Chronic kindey disease detection an prediction project (Machine learning academic project using ML techniques) Yoga poses detection and predection project (deep learning academic project using CNN model) Molecule design project (predicting new molecules through the expectation of new properties and SMILES patterns entered as input) Text clasification project ( predict balance code of mt103 swift messages via a machine learning model )
🧑💼 Experiences: intern at @BNA bank. (30 days) intern at @BFI group tunisia. (30 days ) intern at @Kleos training center. ( 45 days ) intern at @UIB Bank. ( 60 days )
📝 Personal Interests: In my free time, I enjoy reading, and exploring new data science projects.
🤝 Contact Informations: Feel free to reach out to me on LinkedIn:https://www.linkedin.com/in/abir-b-abb595217/ or via email at barouni.abir99@gmail.com
Phase 1 : Dans cette phase, nous analysons la série temporelle en examinant la tendance, détectant les changements structurels, et évaluant la saisonnalité. Nous envisagerons différents modèles de tendance, comme les marchés aléatoires ou les modèles polynomiaux. De plus, nous explorerons les transformations potentielles pour la série originale.
Phase 2 : Nous justifions nos choix pour ajuster la série temporelle, en discutant de la différenciation et de l'utilisation de formes fonctionnelles. Ensuite, nous comparons les différents modèles candidats pour représenter au mieux la série.
Phase 3 : Ici, nous appliquons des tests et des statistiques pour déterminer les structures et complexités des modèles ARIMA candidats. Nous étayons notre choix du modèle ARIMA à l'aide d'arguments graphiques et statistiques, ce qui permettra de modéliser efficacement la série temporelle en question.