Mame Diarra TOURE's Projects
The aim of this project is to study the ability of several machine learning algorithms for building a handwritten digit classifier. The dataset contains a sample of handwritten digits. Each digit is described by an array of 8x8 pixels in normalized grayscale. Each line of the dataset is composed 64 explanatory variables each of them representing a gray level and the target variable being the digit. We are going to start by having a first look of our dataset, then weâre gonna try out multiple ML algorithms and evaluate their performance in order to choose the most suitable one for our problem and finally weâre going to proceed with a variable selection to find out which pixels are more important for the digit recognition and see if selecting them can improve our learning algorithms
Config files for my GitHub profile.
Personal web page
La dĂ©tection de ruptures est un sujet connexe Ă dâautres problĂšmes classiques du traitement du signal, de lâinformation ou de la statistique, parmi lesquels on peut citer la dĂ©tection dâanomalies en gĂ©nĂ©- ral, les tests dâhomogĂ©nĂ©itĂ©, lâajustement de courbe ou encore le dĂ©bruitage. La dĂ©tection de ruptures elle-mĂȘme correspond Ă plusieurs problĂšmes : dĂ©tecter les changements dans les caractĂ©ristiques du signal et les localiser pour pouvoir ensuite analyser individuellement les segments de la sĂ©rie tempo- relle. Les informations qui en sont extraites permettent de faire de la classification, sĂ©lectionner un modĂšle ou proposer un diagnostic.
Using Neural networks to compute CVA
Ce projet rĂ©alisĂ© en binome consiste en la modĂ©lisation dâun marchĂ© financier afin de dĂ©terminer le prix dâoptions europĂ©ennes. Le marchĂ© financier est composĂ© de deux actifs que lâon peut Ă©changer Ă un prix fixĂ© par le marchĂ© : â un actif que lâon appelle sans risque dont le prix Ă lâinstant t est notĂ© St0 que lâon suppose connu dĂšs lâinstant initial 0 (ce prix est une variable alĂ©atoire dĂ©terministe), â un actif risquĂ© dont le prix St Ă lâinstant t est une variable alĂ©atoire (typiquement une action), dont on modĂ©lisera la loi par la suite. Nous voulons donc dĂ©terminer le prix P quâun vendeur doit faire payĂ© Ă un investisseur Ă lâinstant initiale pour quâĂ la date T lâinvestisseur reçoive f(ST) mais Ă©galement la couverture que doit mettre en place le vendeur pour couvrir ces risques. En resumĂ© on cherche la proportion dâargent investie dans lâactif risquĂ© et la proportion dâargent investie dans lâactif sans risque Ă nâimporte quelle date pour quâĂ la date T lorsquâon vend tout pour rĂ©cuperer du cash le vendeur a exactement la somme f(ST). Pour rĂ©soudre ce problĂšme nous modĂ©liserons dans un premier temps lâĂ©volution des prix de maniĂšre discrĂšte avec une progression par arbre en suivant le modĂšle de Cox-Ross-Rubinstein, puis dans un second temps nous modĂ©liserons lâĂ©volution des prix de maniĂšre continue avec le modĂšle de Black-Scholes. Dans un troisiĂšme temps nous Ă©tudierons la convergence du prix donnĂ© par le modĂšle de Cox-Ross-Rubinstein vers celui donnĂ© par le modĂšle de Black-Scholes.
FoodBERT: Food Extraction with DistilBERT
Individual household electric-power consumption Data Set (LSTM) [tutorial]
Our data sets contains about 4 millions observations of the response of 14 Mox gaz sensor when exposed to differents concentrations of carbon monoxide(CO), humidity, temparatures, heat voltage and flow rate. The dataset is presented in 13 text files, where each file corresponds to a different measurement day. The experiment was to study the response of the sensors to different stimulis. So they wanted to determine which sensors should be trusted by comparing their response to different concentrations. So we are going to study the response of thoses sensors. We combined all measurements in one table in order to study our dataset. We then plot the correlation matrix to have a first glimpse of our dataset.
TP et projet de ML en M2
Le but de ce projet est dâimplanter un jeu dâĂ©checs modifiĂ©s,Stackchess.Dans cette version modifiĂ©e du jeu dâĂ©checs, il est possible dâempiler les piĂšces dâune mĂȘme couleur sur une mĂȘme case.
TP MRR et ANAD M1 MA
As a school project, I worked on the Kaggle competition for New York taxi trip duration
The aim of this projet was to implement a pricing function for loopback options and to also compute the greeks using finite differences methods.
I realised a research internship at the laboratory of mathmatics and modélisation of Evry (LaMME) during my last year of BSc in applied Mathmatics. I worked on rough volatility model with kernels Defined by a sum of exponentials I determined a proper way to simulate the model and to estimate its parameters
I worked on this research project during my first year of Msc in applied mathematics.
Finite difference scheme to solve numerically black Scholes PDE using C++