Excellente capacité d'adaptation et d'apprentissage indépendant des nouvelles technologies. Bonnes aptitudes à la relation client.
Objectif Professionel
Appliquer mes compétences acquises durant mon DEC et mon expérience professionnelle dans le monde de l'informatique qui est en évolution constante.
Perspective d'avenir
Chercher des Certifications capables de montrées mon expertise avec les manufacturiers exemple : Windows/Cisco.
Se former dans le domaine de la sécurité en allant à la cherche des certifications spécifiques ou bien faire un BAC/Maîtrise à l'université.
Projet
Ludia : System Administrator
a.k.a. System Engineer outside of Canada
Sept. 2019 - Aujourd'hui
Configure (Puppet), monitor (Sensu), measure (Grafana) and log (Elastic Search) an infrastructure of 1000+ Linux servers.
Design and implement robust and highly-available solutions in an environment with millions of users.
Work with development teams to deploy softwares (Java) while defining best practices.
Maintain large database environments (MySQL) and larger big-data systems (Hadoop).
Automate repetitive, error-prone and time-costly tasks.
Connaitre son environnement - Les menaces et les perspectives des vunérabilités Les Méthodes Encryptions Mettre en place un environnement de test
OS Sécurité & vie privée (Windows, MacOSX et Linux) Réduire les menaces de privilège Sécuriser un domaine Sécuriser par compartimentation & Isolation
Routers - Port & Vulnérabilité Firewalls Attaque sur le réseaux, Architecture & Isolation Wireless et Wi-Fi Sécurité Comment sommes-nous traquer sur internet
Moteur de recherche & vie privée Navigateur et prévention contre les trackers Mot de passe et Méthode d'authentification
OPSEC Live OS - Tail, Knoppix, Puppy Linux, Jondo live, Tiny core linux Virtual Private Network (VPN) Tor Proxy HTTP, HTTPS, SOCKs et Web SSH Secure Shell
I2P - The Invisible Internet Project Censure - Bypasse Firewall & Deep Packet Inspection Téléphone et Réseau téléphonique
Fichier et Disque Encryption Anti-Virus et End-Protection Prochaine génération : Anti-Virus, Protection End-Point et Détection / Réponse (EDR) Technologie End-Point-Protection Détection d'une menace et monitoring Détéction de Malware & Hacker avec les outils End-Points Sécurisé les OS et les applications E-Mails - Sécurité, Vie privée et anonymat Messenger - Sécurité, Vie privée et anonymat
CHAPITRE 1 - ANN (Artificial Neural Networks) - Construire un ANN - Travaux Pratiques : Devrait-on dire au revoir à ce client ? - Évaluer, améliorer et ajuster l'ANN - Travaux Pratiques - Faites-moi perdre une place au podium CHAPITRE 2 - CNN (Convolutional Neural Networks) - CNN - Intuition - Construire un CNN - Travaux Pratiques - Chien ou chat ? - Évaluer, améliorer et ajuster le CNN CHAPITRE 3 - RNN (Recurrent Neural Networks) - RNN - Intuition - Construire un RNN - Évaluer, améliorer et ajuster le RNN CHAPITRE 4 - SOM (Self-Organizing Maps) - SOM - Intuition - Construire un SOM - Giga étude de cas CHAPITRE 5 - BM (Boltzmann Machines) - Machines de Boltzmann - Intuition - Construire une machine de Boltzmann CHAPITRE 6 - AE (Auto-Encoders) - Auto-encodeurs - Intuition - Construire un Auto-encodeur ANNEXE - Bases de Machine Learning - Régression et Classification - Intuition - Régression et Classification - Intuition - Template de préparation des données - Template de Classification
Introduction au Développement Web et Mise en place Apprendre HTML et CSS et créer un site Web Apprendre Javascript et créer un jeu en ligne Apprendre jQuery et créer une page Web interactive Apprendre Bootstrap et créer un CV en ligne responsive Hébergement, nom de domaine et mettre un site en ligne
Apprendre PHP et créer un formulaire de contact Apprendre PHP et MySQL et créer un site Web dynamique Apprendre WordPress – créer un blog et un site e-commerce Faisons le bilan et parlons futur …
Les fondamentales Numpy Pandas Du fun avec les maths Statistiques inférentielles Test d'hypothèse Visualisation des données Analyse exploratoire des données Régression linéaire simple Régression linéaire multiple Hotstar/Netflix : Étude de cas du monde réel pour la régression linéaire multiple Descente du gradient KNN Modèle des perfomances métric Modèle de séléction partie 1 "Naive Bayes" Regression logistique "Support Vector Machine" (SVM) Arbre de décision Assemblage Modèle de séléction partie 2 Dimension de réduction Algorythme Machine learning avancer Deep learning Projet : Kaggle
This is bold and this is strong. This is italic and this is emphasized.
This is superscript text and this is subscript text.
This is underlined and this is code: for (;;) { ... }. Finally, this is a link.
Heading Level 2
Heading Level 3
Heading Level 4
Heading Level 5
Heading Level 6
Blockquote
Fringilla nisl. Donec accumsan interdum nisi, quis tincidunt felis sagittis eget tempus euismod. Vestibulum ante ipsum primis in faucibus vestibulum. Blandit adipiscing eu felis iaculis volutpat ac adipiscing accumsan faucibus. Vestibulum ante ipsum primis in faucibus lorem ipsum dolor sit amet nullam adipiscing eu felis.
Preformatted
i = 0;
while (!deck.isInOrder()) {
print 'Iteration ' + i;
deck.shuffle();
i++;
}
print 'It took ' + i + ' iterations to sort the deck.';
