Projet 1 de mon portfolio Intelligence Artificielle : analyse exploratoire de données (EDA) sur les indicateurs éducatifs de 202 pays, avec un focus sur le Sénégal.
Comprendre, nettoyer et visualiser des données réelles pour raconter une histoire chiffrée sur l'état de l'éducation au Sénégal, comparé à la moyenne mondiale et à ses voisins d'Afrique de l'Ouest.
World Educational Data (Kaggle / World Bank) — 202 pays, 29 indicateurs : non-scolarisation par âge/genre, taux de complétion scolaire, alphabétisation, natalité, chômage, etc.
- Exploration de la structure des données (202 lignes, 29 colonnes, 0 doublon)
- Détection de données manquantes déguisées : plusieurs colonnes contenaient des zéros représentant en réalité des données non disponibles (ex. 61% des pays avaient un "0%" suspect sur le taux d'alphabétisation jeunesse). Ces valeurs ont été corrigées en
NaNpour éviter des conclusions erronées. - Comparaisons ciblées : Sénégal vs moyenne mondiale, Sénégal vs voisins régionaux
| Constat | Donnée |
|---|---|
| Non-scolarisation préscolaire (garçons) | 85% au Sénégal vs 20% en moyenne mondiale |
| Enseignement supérieur | Sénégal 1er de sa région (12.8%) devant Guinée, Côte d'Ivoire, Mauritanie, Mali, Gambie |
| Natalité vs non-scolarisation | Le Sénégal se situe au-dessus de la tendance mondiale à natalité comparable |
| Limite identifiée | Données manquantes sur le niveau secondaire pour le Sénégal — signalé plutôt que masqué |
Python Pandas NumPy Matplotlib Google Colab
Voir Projet1_DataExplorer_Senegal_Education.ipynb pour l'analyse complète.
Momar Diop — Développeur Full-Stack en reconversion vers l'IA / Data Science LinkedIn · Portfolio