me

Je suis un géographe intéressé par la modélisation spatio-temporelle et ses visualisations

Pour ce faire, je combine un apprentissage approfondi des données, des systèmes d’information géographique et une programmation créative afin de générer des produits innovants et attrayants. Actuellement, mes projets se concentrent sur la business intelligence en utilisant des outils d'optimisation.

J'aime partager des idées et des techniques innovantes en Analyse de données avancées. Ou n'hésitez pas Contactez-moi,

Je recherche de nouveaux défis professionnels avec une disponibilité immédiate pour faire décoller vos Projets 🚀

  • Cinq de mes projets en demi-finale! Je vous invite à découvrir les meilleures histoires racontées à travers les données.
  • Les données Instagram géocalisées me permettent de render compte de toutes les emotions, la joie et le triomphe d’événements sportifs tels que le Tour de France 2019.
  • Invité sur le blog de Mapbox, une série de mes DataViz préférées pour partager des idées et savoir comment utiliser les données pour révéler d’impressionnants Geoinsights et communiquer des idées novatrices.
  • Je me suis concentré sur les données et les opportunités pour mieux comprendre les villes intelligentes. Dans cet exemple, je m'amuse à utiliser les données Waze pour analyser l’ évolution des embouteillages et des conditions de circulation (changements de congestion du trafic de véhicules) à Paris au cours d'une semaine.
  • DataViz pour partager les connaissances sur les principaux gisements de Pétrole et de Gaz du monde.
  • En France, à travers ou grâce à)une exploration des utilisateurs d’Airbnb, il est possible d’utiliser les données de ce réseau social pour découvrir des informations intéressantes, une nouvelle vision permet de comprendre le marché immobilier et le secteur du tourisme.
  • Modèle du système en FER pour l’ Île-de-France développé en traitement à l'aide des bibliothèques TransitLand API 🚇.
  • Données Uber pour Mexico afin de connaître la dynamique des utilisateurs et des conducteurs.
  • Google Waze collecte chaque jour des milliards de points de données GPS et exploite plus de 100 sources d'incidents différentes pour fournir une base robuste idéale pour créer des modèles de trafic à l'aide de Kepler.gl
  • Analysant la sécurité maritime dans le détroit d’Hormuz. Combinaison de Python avec les données marinetraffic.com pour représenter une petite partie du routage des pétroliers.
  • Migrations à travers les données des Nations Unies pour visualiser les flux origine-destination en utilisant flowmap.blue pour explorer les données de manière interactive.
  • À cette occasion, je me permets de republier le premier compte rendu de OilMap à cette occasion. MapBox et son équipe partagent leurs premières impressions sur mon projet. Sans votre aide, il ne serait pas possible de créer des cartes et des visualisations étonnantes.
  • Un regard contemporain sur le marché immobilier latino-américain, en analysant le site Web Properati, il est possible de connaître la dynamique spatiale des 54 000 biens disponibles en Équateur. Sans aucun doute, une première approche pour comprendre le paysage immobilier à travers une visualisation interactive des données.
  • Pour localiser une tendance dans #Instagram et visualiser les relations sur une carte, il est possible de programmer un algorithme et de le former avec Machine Learning pour identifier les principaux postes associés à #GiroDItalia en localisant les utilisateurs du lieu où l'événement se produit et en découvrant une nouvelle façon de procéder, voir cet événement.
  • «Les personnes qui aiment manger sont toujours les meilleures personnes!» Par amour de la nourriture, j'ai décidé d'explorer TripAdvisor. Cette visualisation inclut des informations sur les restaurants mexicains utilisant Python et la puissance de MapBox et PowerBi.
  • Les données de 54 magasins appartenant à un important réseau de supermarchés en Équateur sont analysées afin de connaître le comportement de ses clients, de proposer un modèle de regroupement et de présenter un scénario de prévision des transactions.
  • Concernant Uber et ses outils de visualisation de données OpenSource, je partage une visualisation de la population employée au Chili, ayant pour source un exercice de géodataminage et l'exploration de l'API du géocodage massif.
  • Je continue d'explorer les événements sportifs. Cette fois-ci, La Vuelta España 2019, en analysant les balises associées, il est possible d'obtenir de précieuses observations sur les interactions des utilisateurs sur Instagram représentées dans l'espace géographique.
  • Dans ce Jupyter Notebook, je voudrais proposer un modèle de prévision à long terme du prix au comptant du pétrole brut West Texas Intermediate (WTI), basé sur le niveau des stocks de pétrole américain et sur les données hébergées sur le site web de l' US Energy Information Administration (EIA).
  • Les données disponibles et destinées à un usage public sur le Web sont étonnantes; dans ce cas, représenter 20% des entreprises enregistrées dans Chilean Internal Revenue Service, utilisant des techniques de grattage Web avec Python et utilisant l'API Here pour le géocodage Résultats massifs et avancés, 120 000 emplacements au total.
  • Raconter des histoires avec les données, dans Mémoire des disparus en Argentine, est une visualisation d'un processus que nous devons tous nous rappeler afin que cela ne se reproduise plus, sans doute dans de telles occasions, un fait est plus qu'une statistique.
  • L’un de mes géoproposites lors de l’apprentissage de Javascript et son utilité dans l’utilisation des API. A cette occasion, en consultant les données du Ministère des Hydrocarbures de Colombie et des bibliothèques de CARTO.js et Torque.js, il a été possible de visualiser l'évolution des activités pétrolières de Colombie.
  • Il pourrait être intéressant de localiser une carte thermique de tweets pour l’Équateur. En utilisant la bibliothèque tweepy pour interagir avec l'API de Twitter et les services #PowerBi, il est possible de créer une interface simple pour utiliser et découvrir les interactions des utilisateurs, leur comportement et différentes tendances spatiales.
  • Un collègue m'a invité à continuer à appliquer des modèles avec des données Uber afin que maintenant je vous invite à explorer la ville de Bogotá pour découvrir la dynamique de son trafic (l’évolution des conditions de circulation).
  • Le phénomène de la migration en Amérique du Sud, les causes et les projections de ce phénomène sont possibles pour visualiser différents scénarios en utilisant les données de l'ONU, de la Banque mondiale et de la Fondation pour la paix. Cette fois en utilisant des bibliothèques Python et Pandas, Numpy, GeoPandas et Seaborn basées sur le modèle System Dynamics pour l’étude de la dynamique des populations.
  • Le 1er mai 2019, la date était très importante au Venezuela. C'est pourquoi, dans ce premier versement, je me suis permis d'extraire et de présenter le potentiel que les données Instagram permettent de visualiser un événement et d'en connaître les répercussions.
  • Twitter et Spark Together vous permettent d'obtenir les thèmes de tweet les plus populaires en fonction de l'emplacement et du volume de trafic en streaming Twitter, ce qui vous permet de représenter graphiquement les différentes variables de ces tendances.
  • Abstraction d'un groupement granulaire de données pour atteindre un nouveau sens d'espace-temps.
Quelques unes de mes

Medium Posts

Roque Leal

Contactez moi

Votre message a été envoyé sous peu, je vous répondrai prochainement