Je suis un Ingénieur Machine Learning passionné par l'intelligence artificielle et son potentiel à résoudre des problèmes concrets. De la physique théorique au ML, j'ai choisi de mettre mes compétences en analyse et prise de décision au service de l'impact social.

Ce qui me distingue :

• 🎯 7+ modèles en production utilisés quotidiennement
• 📊 90% de précision moyenne sur mes modèles déployés
• ⚡ Réponse sous 24h garantie
• 🌍 Impact sur 3 continents (Afrique, Europe, Amérique)

• 🔬 Physique & Mathématiques → Solides bases en analyse et modélisation
• 🤖 Machine Learning & IA → Spécialisation avancée
• 📚 Formation continue → Toujours à jour avec les dernières technologies

expertise = {
    "LLM & NLP": ["Fine-tuning Llama 3", "Mistral", "Phi-3", "BERT", "Transformers"],
    "RAG Systems": ["LangChain", "LlamaIndex", "ChromaDB", "Pinecone", "Vector Embeddings"],
    "Computer Vision": ["YOLO", "Segment Anything", "OCR", "Object Detection"],
    "Time Series": ["Prophet", "ARIMA", "XGBoost", "Forecasting"],
    "ML Classique": ["Scikit-Learn", "XGBoost", "LightGBM", "Random Forest"],
    "Explicabilité": ["SHAP", "LIME", "Model Interpretability"]
}

• Containerization: Docker, Kubernetes basics
• API Development: FastAPI, Flask, Streamlit
• ML Tracking: MLflow, Weights & Biases
• CI/CD: GitHub Actions, GitLab CI
• Monitoring: Prometheus, Grafana
• Cloud: GCP, AWS, Vercel

• Frameworks: Pandas, NumPy, Polars
• Visualization: Plotly, Dash, Matplotlib, Seaborn
• Databases: PostgreSQL, MongoDB, Supabase
• Big Data: Apache Spark (basics), Airflow

• Frontend: React, Next.js, Tailwind CSS
• Backend: Node.js, Express, Python
• Mobile: React Native (basics)

Système RAG + BERT pour analyser l'authenticité des informations en temps réel

Stack: BERT Transformers FastAPI Streamlit Supabase
Impact: 90% de précision • Utilisé par 3 médias africains
Status: 🟢 En production

Highlights:

• Fine-tuning de BERT sur corpus francophone africain
• Pipeline RAG pour fact-checking automatique
• Interface Streamlit déployée pour journalistes
• API FastAPI pour intégration tierce

Application LLM qui génère des entraînements personnalisés et plans nutritionnels

Stack: OpenAI GroqCloud RAG Streamlit LangChain
Impact: 20% de temps gagné pour les coachs sportifs
Status: 🟢 En production

Features:

• Génération automatique de programmes d'entraînement
• Plans de récupération personnalisés
• Recommandations nutritionnelles basées sur profil
• Intégration Groq pour inférence rapide

Modèle prédictif avec explicabilité SHAP déployé en fintech

Stack: Scikit-Learn FastAPI SHAP Streamlit MLflow
Impact: Déployé chez une fintech béninoise • +15% précision
Status: 🟢 En production

Technical Stack:

• Logistic Regression optimisée + Feature Engineering
• Explicabilité complète avec SHAP values
• API FastAPI déployée en production
• Monitoring MLflow pour drift detection

Recherche sémantique dans tous types de documents

Stack: Groq LangChain ChromaDB Gradio Llama 3
Impact: Réponses en <2s sur 1000+ documents
Status: 🟢 En production

Capabilities:

• Support multi-format (PDF, Word, Excel)
• Vector embeddings avec ChromaDB
• Retrieval optimisé avec LangChain
• Interface Gradio interactive

Optimisation de recharge véhicules électriques

Stack: Prophet XGBoost Plotly Dash Docker
Impact: -30% sur facture énergétique moyenne
Status: ✅ Terminé

Features:

• Prédiction de consommation avec Prophet
• Optimisation tarifaire temps réel
• Dashboard interactif Plotly
• Conteneurisé avec Docker

Application de sécurité routière communautaire

Stack: React Native Node.js MongoDB ML Maps API
Impact: Réduction ciblée des accidents
Status: 🟡 En cours

Features:

• Alertes temps réel d'accidents
• Crowdsourcing communautaire
• Prédiction zones à risque avec ML
• Intégration Google Maps

Je ne livre que des systèmes robustes, monitorés, et qui tiennent la charge. Du prototype au déploiement, chaque ligne de code est pensée pour la production.

L'IA doit servir l'humain. Tous mes projets visent à améliorer la santé, l'éducation ou l'accès à l'information, particulièrement en Afrique.

Formateur, mentor, contributeur open-source. Je construis l'écosystème IA africain à travers des bootcamps et du mentorat individuel.

Du prototype en 48h au modèle en production. Je livre des solutions qui marchent, pas juste des notebooks Jupyter.

• 🤖 Fine-tuning & RAG: Adaptation de LLMs pour vos cas d'usage
• 🚀 MLOps & Déploiement: Pipeline complet du notebook à la production
• 👁️ Computer Vision: Détection, segmentation, OCR
• 📊 Prédictif & Scoring: Modèles avec explicabilité (SHAP)
• 🛡️ Audit & Conseil IA: Roadmap stratégique et optimisation

• 🎯 Bootcamp ML intensif (8-12 semaines)
• 🧠 Formation RAG & Fine-tuning LLM
• 🏗️ MLOps & Production Masterclass
• 👨‍🏫 Mentorat 1-to-1 personnalisé (3 mois)

Témoignages:

"Formation complète et pratique. J'ai déployé mon premier modèle en production en 6 semaines."
— Étudiant Bootcamp ML 2024

• 🎓 Machine Learning Specialization - Stanford (Coursera)
• 🤖 Deep Learning Specialization - DeepLearning.AI
• 🏆 Hackathon Winner - Hack2Hire TechTech DataScience 2020
• 📜 MLOps Professional - Google Cloud

class DonaEric:
    def __init__(self):
        self.name = "Dona Éric KOULODJI"
        self.role = "ML Engineer & Data Scientist"
        self.location = "Bénin 🇧🇯"
        self.languages = ["Python", "JavaScript", "French", "English"]
        self.interests = ["AI Research", "Teaching", "Open Source"]
        
    def say_hi(self):
        print("Transformons vos données en solutions intelligentes ! 🚀")

me = DonaEric()
me.say_hi()

• 🔥 Je transforme du café en code ML depuis 2020
• 🌍 Passionné par l'impact de l'IA en Afrique
• 📚 Toujours en train d'apprendre (actuellement: Advanced RAG techniques)
• 🎯 Objectif 2026: Former 100+ data scientists africains

• 🧠 Comment fine-tuner Llama 3 avec LoRA en 2024
• 🚀 RAG System: Du prototype à la production en 7 jours
• 📊 MLOps complet: Pipeline CI/CD pour modèles ML
• 🎯 SHAP: Rendre vos modèles ML explicables

Les contributions sont les bienvenues ! N'hésitez pas à :

• 🐛 Signaler des bugs
• 💡 Proposer de nouvelles fonctionnalités
• 📖 Améliorer la documentation
• ⭐ Star les repos qui vous intéressent

La plupart de mes projets sont sous licence MIT - voir les fichiers LICENSE individuels.