GM Tech-Services

GM Tech-Services Informations de contact, plan et itinéraire, formulaire de contact, heures d'ouverture, services, évaluations, photos, vidéos et annonces de GM Tech-Services, Centre d’affaires, Mont Ngafula, Kinshasa.

• Formateur et consultant en analyste de données
• Word, Excel, PowerPoint, informatique.
• Collecte, nettoyage, stats, modélisation, visualisation
• Formulaires KoboCollect
• Formations à domicile & services pour étudiants, professionnels et entreprises

24/05/2026

La puissante RechercheX sur Excel qui permet de chercher une valeur dans un tableau et retourner l’information correspondante.
C’est une version plus moderne et plus puissante de RECHERCHEV.
, ,

En analyse de données, quelle est l'étape qui vous semble plus difficile en allant de la collecte de données jusqu'à la ...
23/05/2026

En analyse de données, quelle est l'étape qui vous semble plus difficile en allant de la collecte de données jusqu'à la prise de décision ?

, , , ,

22/05/2026

La puissance de la fonction conditionnelle "SI" sur Excel
Cela nous permet de créer des catégories sur une colonne en fonction des conditions établies à partir d'une autre colonne m.

, ,

21/05/2026

Quelques opérations sur le nettoyage de données
👇👇

20/05/2026

Sans le nettoyage de données, tout ce que vous pouvez faire après est voué à l'échec !

Modélisation des risques sanitaires : anticiper pour mieux protéger les populationsDans un contexte où les maladies émer...
18/05/2026

Modélisation des risques sanitaires : anticiper pour mieux protéger les populations

Dans un contexte où les maladies émergentes, les épidémies et les facteurs environnementaux deviennent de plus en plus complexes, la modélisation des risques sanitaires s’impose comme un outil essentiel en santé publique.

Elle permet de :
- Identifier les facteurs de risque (environnement, comportements, démographie…)

-Estimer la probabilité d’apparition ou de propagation d’un événement sanitaire

- Simuler différents scénarios pour aider à la prise de décision
- Anticiper les impacts afin de mieux orienter les politiques de prévention

Parmi les approches utilisées, on retrouve :
• Les modèles statistiques (régression logistique, analyse de survie)

• Les modèles probabilistes et bayésiens

• Les modèles d’apprentissage automatique (machine learning)

• Les modèles de simulation épidémiologique (SIR, SEIR)

L’objectif n’est pas seulement de prédire, mais surtout de mieux comprendre les dynamiques des risques afin d’agir plus efficacement.

Apprentissage supervisé vs apprentissage non supervisé en Data ScienceL’intelligence artificielle et le Machine Learning...
17/05/2026

Apprentissage supervisé vs apprentissage non supervisé en Data Science

L’intelligence artificielle et le Machine Learning reposent principalement sur deux grands types d’apprentissage : supervisé et non supervisé.

1. Apprentissage supervisé
Dans l’apprentissage supervisé, le modèle apprend à partir de données étiquetées.

Chaque observation possède déjà une réponse connue.

Le but est de prédire une valeur ou une catégorie.
Exemples : prédire si un patient est malade ou non, prévoir le prix d’une maison, ou encore détecter un spam dans les e-mails

Les algorithmes courants sont :

- Régression linéaire

- Régression logistique

- Random Forest

- SVM

- Réseaux de neurones

Le modèle apprend la relation entre les variables explicatives (X) et la variable cible (Y).

2. Apprentissage non supervisé
Ici, les données ne possèdent pas de réponse connue.

Le modèle cherche lui-même des structures cachées ou des regroupements dans les données.

Le but est de découvrir des patterns.
Exemples : segmenter des clients selon leurs comportements, regrouper des espèces similaires, détecter des anomalies, ou réduire la dimension des données

Les algorithmes courants :

- K-means

-ACP (Analyse en composantes principales)

- ACM

- Clustering hiérarchique

Le modèle explore les données sans variable cible prédéfinie.

16/05/2026

Un grand merci à mes nouveaux followers ! Denanynasa Diedhiou, Kituba Mananasi Petit, Chadrack Botamba

Cartographie des risques en BiostatistiqueLa cartographie des risques en biostatistique est une méthode permettant d’ide...
16/05/2026

Cartographie des risques en Biostatistique

La cartographie des risques en biostatistique est une méthode permettant d’identifier, d’analyser et de visualiser les risques sanitaires à partir des données statistiques.

Elle aide à :
- Détecter les zones ou populations à risque
- Prévenir les maladies et épidémies
- Faciliter la prise de décision en santé publique

Elle est largement utilisée en épidémiologie, santé publique et recherche biomédicale.
Transformer les données en décisions efficaces pour la santé publique.

, , , ,

14/05/2026

Il existe deux grands modes d'échantillonnage !
👇

13/05/2026

Un échantillon doit toujours être représentatif de la population, sinon des fausses conclusions peuvent en découler
👇

Adresse

Mont Ngafula
Kinshasa

Site Web

Notifications

Soyez le premier à savoir et laissez-nous vous envoyer un courriel lorsque GM Tech-Services publie des nouvelles et des promotions. Votre adresse e-mail ne sera pas utilisée à d'autres fins, et vous pouvez vous désabonner à tout moment.

Partager