Ayman NAÏMI
Data Analyst

Ayman
NAÏMI

Étudiant en BUT Science des Données à l'Université Paris Cité. Je transforme des données brutes en décisions éclairées, avec méthode et rigueur.

Voir mes projets Me contacter
Disponible en alternance · Sept. 2026 – Sept. 2027
01 — À propos

Analytique
par nature.

Étudiant de 20 ans en 2ᵉ année de BUT Science des Données – parcours Exploration et Modélisation Statistique, je me forme à l'analyse et à la modélisation dans une approche rigoureuse et structurée.

Je m'intéresse particulièrement à la transformation de données brutes en information exploitable : comprendre les phénomènes, construire des modèles explicatifs et prédictifs, et produire des restitutions claires pour éclairer la prise de décision.

Mon approche est avant tout analytique et méthodique, avec une attention portée à la cohérence des raisonnements, à la qualité des données et à la fiabilité des résultats.

Centres d'intérêt
Logique
Explorer les mécanismes du raisonnement, analyser la structure des arguments et identifier les critères qui permettent de distinguer une démonstration valide d'un discours fallacieux.
Métaphysique
Interroger les fondements de la réalité, examiner les questions qui dépassent le strict cadre empirique et réfléchir aux limites de l’explication scientifique.
Histoire
Replacer les phénomènes dans leur contexte, comprendre les dynamiques d’évolution et pour mieux aborder le présent.
Objectifs
Devenir Data Scientist
Évoluer dans un environnement technique stimulant
Travailler à l'international
Progresser en data science, langues étrangères et production d'analyses rigoureuses
Formation BUT Science des Données — Paris Cité
Alternance Sept. 2026 → Juil. 2027
Langues FR · EN B2 · ES B1 · AR B1
Contact naimi5@protonmail.com
LinkedIn Ayman NAÏMI ↗
02 — Compétences

Stack & savoir-faire.



Statistiques
Stat. descriptives Stat. inférentielles Tests statistiques Intervalles de confiance Régression linéaire Régression logistique Modélisation stat. ACP Classification
Machine Learning & Data
Data mining Arbres de décision k-NN Apprentissage supervisé Apprentissage non supervisé Data warehouse OLAP ETL
Programmation
Python R SAS SQL
Qualités
Curiosité intellectuelle Rigueur Méthode Communication
03 — Projets

Ce que j'ai construit.



World LoL 2024
Universitaire
World LoL 2024
Analyse des championnats nationaux de League of Legends 2024. 82 joueurs professionnels, 29 variables couvrant performance individuelle, économie de jeu et early game. Dashboard interactif R/Shiny responsive.
RShinyAnalyse exploratoire
Dashboard ↗ Rapport PDF
Automatisation SAS
Universitaire
Automatisation SAS
Automatisation de traitements SAS via Excel. Pilotage par périmètre et fréquence, avec un paramètre "nombre de semaines". Suppression des interventions manuelles, chaîne de traitement entièrement automatisée.
SASExcelMacrosETL
Rapport PDF
Reporting CAF
Universitaire
Reporting CAF National
Reporting national des indicateurs clés des CAF sur l'ensemble du territoire français. Données nettoyées sous SAS, trois tableaux de bord produits : Power BI vue nationale, Excel indicateurs et alertes.
SASPower BIExcelGroupe
Rapport PDF Dashboard Excel ↗ Indicateurs d'alerte ↗
Redressement CALMAR
Universitaire
Redressement CALMAR
Enquête sur les pratiques culturelles des étudiants de Paris Cité (2 722 réponses, 82 variables). Redressement par la macro CALMAR (INSEE/SAS) pour un échantillon représentatif. Analyses descriptives comparatives par cursus.
SASCALMARExcelStatistiques
Rapport PDF
800m
Universitaire · INSEP
Performances 800m
151 527 chronométrages officiels. Analyse de la relation âge–performance (LOESS, modèles linéaire, quadratique, cubique). Âge optimal estimé : ~22 ans (H) et ~25 ans (F). Déclin plus rapide chez les hommes.
RLOESSRégressionGroupe
Rapport PDF
Sentinelles
Universitaire
Analyse Épidémio. Sentinelles
Évolution temporelle de l'incidence de la diarrhée aiguë (réseau Sentinelles). Décomposition tendance/saisonnalité, comparaison régression polynomiale, ARIMA et ETS. Le modèle ETS s'avère le plus fiable.
RARIMAETSSéries temporelles
Rapport PDF
Tour de France
Personnel
Tour de France 1903–2017
2 236 étapes du Tour de France (Kaggle). Exploration de l'histoire du Tour à travers les performances des coureurs et les caractéristiques des étapes. Dashboard interactif de visualisation.
RVisualisationKaggle
Rapport PDF
Diabète
Personnel
Prédiction Diabète
Machine learning sur le dataset Pima Indians Diabetes (768 observations). Régression logistique avec normalisation, split train/test, matrice de confusion. Précision de 75,32 % sur le jeu de test.
Pythonscikit-learnpandasRégression logistique
Rapport PDF
Thales
Bientôt
Rapport de stage — Thales
En cours de rédaction. Bientôt disponible.
À venir
04 — Contact

Travaillons
ensemble.

Disponible en alternance à partir de septembre 2026. Remplissez le formulaire ou contactez-moi directement.

naimi5@protonmail.com LinkedIn ↗ CV PDF ↗
✓ Message envoyé ! Je vous répondrai dans les plus brefs délais.
Une erreur s'est produite. Contactez-moi directement par email.
Référente académique
Contact université Mme Florence Muri Responsable des études de 2e année, BUT Science des Données — IUT de Paris florence.muri-majoube@u-paris.fr