1/18
Récemment actif
Professeur fiable
Ce professeur a un délai et un taux de réponse très élevé, démontrant un service de qualité et sa fidélité envers ses élèves.
Depuis juillet 2026
Professeur depuis juillet 2026
1 élève régulier
Le choix privilégié de 1 élève régulier
Maîtrisez IA,
Àpd 21 € /h
A — SUJETS QUE VOUS POUVEZ EXPLORER ET MAÎTRISER
1 — FONDAMENTAUX DE PYTHON
• Variables, types de données, opérateurs, structures conditionnelles, boucles, fonctions, modules, fichiers, exceptions et programmation orientée objet
• Listes, tuples, dictionnaires, ensembles, compréhensions, débogage et rédaction d’un code clair, réutilisable et bien structuré
• Jupyter Notebook, Anaconda, Visual Studio Code, environnements virtuels et gestion des packages
2 — PROGRAMMATION, ALGORITHMES ET FONDEMENTS DE L’INFORMATIQUE
• Raisonnement algorithmique, décomposition de problèmes, pseudocode, organigrammes, programmation procédurale, programmation orientée objet, récursivité et conception modulaire des programmes
• Structures de données fondamentales : tableaux, listes, piles, files, dictionnaires/tables de hachage, ensembles, arbres, graphes, ainsi que leur utilisation appropriée
• Recherche, tri, parcours, efficacité algorithmique, complexité computationnelle, notation Big-O, débogage, tests, organisation du code et stratégies de résolution de problèmes
• Exercices pratiques de programmation allant des problèmes pour débutants aux défis algorithmiques et computationnels de niveau universitaire
3 — PRÉPARATION ET EXPLORATION DES DONNÉES
• NumPy et pandas pour l’importation, le nettoyage, la transformation, le filtrage, le regroupement, la restructuration et la fusion des données
• Valeurs manquantes, doublons, valeurs aberrantes, formats incohérents, fuite de données et validation de la qualité des données
• Analyse exploratoire des données à l’aide de statistiques descriptives, Matplotlib, Seaborn et de l’interprétation graphique
4 — FONDEMENTS MATHÉMATIQUES
• Algèbre linéaire, vecteurs, matrices, dérivées, optimisation, probabilités et statistiques
• Fonctions de perte, gradients, mesures de distance, régularisation, vraisemblance et complexité des modèles
• Les concepts mathématiques sont expliqués en fonction du niveau de l’apprenant et des exigences propres aux algorithmes étudiés
5 — APPRENTISSAGE AUTOMATIQUE SUPERVISÉ
• Régression linéaire et polynomiale, régression logistique et modèles régularisés
• k plus proches voisins, arbres de décision, forêts aléatoires, gradient boosting, machines à vecteurs de support et classificateurs naïfs bayésiens
• Classification, régression, hypothèses des modèles, frontières de décision, importance des variables et interprétation des résultats
6 — APPRENTISSAGE NON SUPERVISÉ
• Regroupement par k-means, classification hiérarchique et méthodes fondées sur la densité
• Analyse en composantes principales, réduction de dimension, détection d’anomalies et découverte de structures ou de motifs dans les données
• Sélection de la méthode, évaluation de la structure des données et interprétation des résultats en l’absence de catégories prédéfinies
7 — ÉVALUATION ET AMÉLIORATION DES MODÈLES
• Jeux d’entraînement, de validation et de test ; validation croisée ; optimisation des hyperparamètres
• Exactitude, précision, rappel, spécificité, score F1, ROC–AUC, matrices de confusion, MAE, MSE, RMSE et R2
• Sous-apprentissage, surapprentissage, compromis biais-variance, déséquilibre des classes, ingénierie des variables, sélection des variables, mise à l’échelle et régularisation
8 — APPRENTISSAGE PROFOND
• Fondements des réseaux de neurones, fonctions d’activation, propagation avant, rétropropagation et descente de gradient
• Perceptrons multicouches, réseaux de neurones convolutionnels, réseaux de neurones récurrents et fondements des Transformers
• TensorFlow, Keras ou PyTorch selon le projet de l’apprenant et son environnement de travail
9 — APPLICATIONS DE L’INTELLIGENCE ARTIFICIELLE
• Traitement automatique du langage naturel, classification de textes, embeddings, analyse des sentiments et fondements des modèles de langage
• Vision par ordinateur, classification d’images, principes fondamentaux de la détection d’objets et prétraitement des images
• Systèmes de recommandation, prévision, détection d’anomalies, automatisation intelligente et applications d’aide à la décision
10 — IA GÉNÉRATIVE ET GRANDS MODÈLES DE LANGAGE
• Architecture Transformer, tokens, embeddings, mécanismes d’attention, ingénierie des prompts, génération augmentée par récupération d’information (RAG) et évaluation des modèles
• Utilisation d’API d’intelligence artificielle, de bases de données vectorielles, de systèmes de recherche documentaire et de workflows structurés intégrant l’IA lorsque cela est pertinent
• Fiabilité, hallucinations, biais, confidentialité, utilisation responsable et validation humaine appropriée
11 — OUTILS ET BIBLIOTHÈQUES
• Python, NumPy, pandas, Matplotlib, Seaborn, scikit-learn, SciPy, Statsmodels, TensorFlow, Keras et PyTorch
• Jupyter Notebook, Anaconda, Visual Studio Code, Git, GitHub, SQL, Excel et Power BI lorsque cela est utile au projet
• D’autres bibliothèques peuvent être introduites en fonction de la spécialisation choisie et du jeu de données utilisé
12 — PROJETS, RECHERCHE ET PRÉPARATION AUX ENTRETIENS
• Projets complets couvrant la préparation des données, le développement des modèles, leur évaluation, l’interprétation et la présentation des résultats
• Travaux universitaires, mémoires, thèses, projets de recherche, projets de portfolio, entretiens techniques et applications professionnelles
• Revue de code, débogage, documentation, reproductibilité, comparaison des modèles et communication des résultats
B — ACCOMPAGNEMENT PERSONNALISÉ : APPRENDRE À RAISONNER
Le Machine Learning et l’intelligence artificielle deviennent beaucoup plus accessibles lorsque les mathématiques, les algorithmes, le code Python, les données et les applications concrètes sont clairement reliés entre eux.
Mes cours vous aident à aller bien au-delà de la simple reproduction de code ou de l’utilisation de modèles comme des « boîtes noires ». Vous apprendrez à définir correctement un problème, préparer les données, sélectionner un algorithme approprié, comprendre son fonctionnement, entraîner et évaluer le modèle, diagnostiquer les erreurs, améliorer ses performances et interpréter les résultats de manière rigoureuse et responsable.
Chaque cours est personnalisé en fonction de votre niveau actuel, de votre formation mathématique, de votre expérience en programmation, de votre jeu de données, de vos travaux universitaires, de votre projet de recherche, de votre préparation à un entretien ou de votre objectif professionnel. Nous commençons par identifier vos connaissances existantes, votre environnement logiciel, les résultats attendus ainsi que vos principales difficultés conceptuelles ou techniques. Nous établissons ensuite un plan d’apprentissage structuré.
La première séance comprend un échange sur votre parcours, vos objectifs et vos besoins en accompagnement, une première évaluation de vos connaissances actuelles, une planification personnalisée et l’organisation des séances futures, ainsi qu’une courte leçon d’essai permettant de déterminer l’approche pédagogique la plus efficace.
Une séance type peut comprendre une explication conceptuelle, le développement de l’intuition mathématique, du codage en direct, une mise en œuvre guidée, l’évaluation des modèles, la résolution de problèmes techniques ainsi qu’une synthèse concise des prochaines étapes.
Vous pouvez travailler à partir de votre propre jeu de données, d’un devoir universitaire, d’un projet de recherche ou d’un problème professionnel, à condition que les informations confidentielles soient traitées de manière appropriée. Je peux également fournir des exemples structurés et des jeux de données adaptés à votre niveau.
Mon objectif n’est pas simplement de vous aider à exécuter un algorithme. Il est de vous permettre de comprendre pourquoi cet algorithme est approprié, comment il apprend à partir des données, comment l’évaluer correctement, pourquoi il peut échouer et comment construire une solution fiable, interprétable et scientifiquement rigoureuse.
1 — FONDAMENTAUX DE PYTHON
• Variables, types de données, opérateurs, structures conditionnelles, boucles, fonctions, modules, fichiers, exceptions et programmation orientée objet
• Listes, tuples, dictionnaires, ensembles, compréhensions, débogage et rédaction d’un code clair, réutilisable et bien structuré
• Jupyter Notebook, Anaconda, Visual Studio Code, environnements virtuels et gestion des packages
2 — PROGRAMMATION, ALGORITHMES ET FONDEMENTS DE L’INFORMATIQUE
• Raisonnement algorithmique, décomposition de problèmes, pseudocode, organigrammes, programmation procédurale, programmation orientée objet, récursivité et conception modulaire des programmes
• Structures de données fondamentales : tableaux, listes, piles, files, dictionnaires/tables de hachage, ensembles, arbres, graphes, ainsi que leur utilisation appropriée
• Recherche, tri, parcours, efficacité algorithmique, complexité computationnelle, notation Big-O, débogage, tests, organisation du code et stratégies de résolution de problèmes
• Exercices pratiques de programmation allant des problèmes pour débutants aux défis algorithmiques et computationnels de niveau universitaire
3 — PRÉPARATION ET EXPLORATION DES DONNÉES
• NumPy et pandas pour l’importation, le nettoyage, la transformation, le filtrage, le regroupement, la restructuration et la fusion des données
• Valeurs manquantes, doublons, valeurs aberrantes, formats incohérents, fuite de données et validation de la qualité des données
• Analyse exploratoire des données à l’aide de statistiques descriptives, Matplotlib, Seaborn et de l’interprétation graphique
4 — FONDEMENTS MATHÉMATIQUES
• Algèbre linéaire, vecteurs, matrices, dérivées, optimisation, probabilités et statistiques
• Fonctions de perte, gradients, mesures de distance, régularisation, vraisemblance et complexité des modèles
• Les concepts mathématiques sont expliqués en fonction du niveau de l’apprenant et des exigences propres aux algorithmes étudiés
5 — APPRENTISSAGE AUTOMATIQUE SUPERVISÉ
• Régression linéaire et polynomiale, régression logistique et modèles régularisés
• k plus proches voisins, arbres de décision, forêts aléatoires, gradient boosting, machines à vecteurs de support et classificateurs naïfs bayésiens
• Classification, régression, hypothèses des modèles, frontières de décision, importance des variables et interprétation des résultats
6 — APPRENTISSAGE NON SUPERVISÉ
• Regroupement par k-means, classification hiérarchique et méthodes fondées sur la densité
• Analyse en composantes principales, réduction de dimension, détection d’anomalies et découverte de structures ou de motifs dans les données
• Sélection de la méthode, évaluation de la structure des données et interprétation des résultats en l’absence de catégories prédéfinies
7 — ÉVALUATION ET AMÉLIORATION DES MODÈLES
• Jeux d’entraînement, de validation et de test ; validation croisée ; optimisation des hyperparamètres
• Exactitude, précision, rappel, spécificité, score F1, ROC–AUC, matrices de confusion, MAE, MSE, RMSE et R2
• Sous-apprentissage, surapprentissage, compromis biais-variance, déséquilibre des classes, ingénierie des variables, sélection des variables, mise à l’échelle et régularisation
8 — APPRENTISSAGE PROFOND
• Fondements des réseaux de neurones, fonctions d’activation, propagation avant, rétropropagation et descente de gradient
• Perceptrons multicouches, réseaux de neurones convolutionnels, réseaux de neurones récurrents et fondements des Transformers
• TensorFlow, Keras ou PyTorch selon le projet de l’apprenant et son environnement de travail
9 — APPLICATIONS DE L’INTELLIGENCE ARTIFICIELLE
• Traitement automatique du langage naturel, classification de textes, embeddings, analyse des sentiments et fondements des modèles de langage
• Vision par ordinateur, classification d’images, principes fondamentaux de la détection d’objets et prétraitement des images
• Systèmes de recommandation, prévision, détection d’anomalies, automatisation intelligente et applications d’aide à la décision
10 — IA GÉNÉRATIVE ET GRANDS MODÈLES DE LANGAGE
• Architecture Transformer, tokens, embeddings, mécanismes d’attention, ingénierie des prompts, génération augmentée par récupération d’information (RAG) et évaluation des modèles
• Utilisation d’API d’intelligence artificielle, de bases de données vectorielles, de systèmes de recherche documentaire et de workflows structurés intégrant l’IA lorsque cela est pertinent
• Fiabilité, hallucinations, biais, confidentialité, utilisation responsable et validation humaine appropriée
11 — OUTILS ET BIBLIOTHÈQUES
• Python, NumPy, pandas, Matplotlib, Seaborn, scikit-learn, SciPy, Statsmodels, TensorFlow, Keras et PyTorch
• Jupyter Notebook, Anaconda, Visual Studio Code, Git, GitHub, SQL, Excel et Power BI lorsque cela est utile au projet
• D’autres bibliothèques peuvent être introduites en fonction de la spécialisation choisie et du jeu de données utilisé
12 — PROJETS, RECHERCHE ET PRÉPARATION AUX ENTRETIENS
• Projets complets couvrant la préparation des données, le développement des modèles, leur évaluation, l’interprétation et la présentation des résultats
• Travaux universitaires, mémoires, thèses, projets de recherche, projets de portfolio, entretiens techniques et applications professionnelles
• Revue de code, débogage, documentation, reproductibilité, comparaison des modèles et communication des résultats
B — ACCOMPAGNEMENT PERSONNALISÉ : APPRENDRE À RAISONNER
Le Machine Learning et l’intelligence artificielle deviennent beaucoup plus accessibles lorsque les mathématiques, les algorithmes, le code Python, les données et les applications concrètes sont clairement reliés entre eux.
Mes cours vous aident à aller bien au-delà de la simple reproduction de code ou de l’utilisation de modèles comme des « boîtes noires ». Vous apprendrez à définir correctement un problème, préparer les données, sélectionner un algorithme approprié, comprendre son fonctionnement, entraîner et évaluer le modèle, diagnostiquer les erreurs, améliorer ses performances et interpréter les résultats de manière rigoureuse et responsable.
Chaque cours est personnalisé en fonction de votre niveau actuel, de votre formation mathématique, de votre expérience en programmation, de votre jeu de données, de vos travaux universitaires, de votre projet de recherche, de votre préparation à un entretien ou de votre objectif professionnel. Nous commençons par identifier vos connaissances existantes, votre environnement logiciel, les résultats attendus ainsi que vos principales difficultés conceptuelles ou techniques. Nous établissons ensuite un plan d’apprentissage structuré.
La première séance comprend un échange sur votre parcours, vos objectifs et vos besoins en accompagnement, une première évaluation de vos connaissances actuelles, une planification personnalisée et l’organisation des séances futures, ainsi qu’une courte leçon d’essai permettant de déterminer l’approche pédagogique la plus efficace.
Une séance type peut comprendre une explication conceptuelle, le développement de l’intuition mathématique, du codage en direct, une mise en œuvre guidée, l’évaluation des modèles, la résolution de problèmes techniques ainsi qu’une synthèse concise des prochaines étapes.
Vous pouvez travailler à partir de votre propre jeu de données, d’un devoir universitaire, d’un projet de recherche ou d’un problème professionnel, à condition que les informations confidentielles soient traitées de manière appropriée. Je peux également fournir des exemples structurés et des jeux de données adaptés à votre niveau.
Mon objectif n’est pas simplement de vous aider à exécuter un algorithme. Il est de vous permettre de comprendre pourquoi cet algorithme est approprié, comment il apprend à partir des données, comment l’évaluer correctement, pourquoi il peut échouer et comment construire une solution fiable, interprétable et scientifiquement rigoureuse.
Informations supplémentaires
Le premier cours est une séance d’introduction structurée comprenant également un cours d’essai. Nous commencerons par nous présenter brièvement, notamment en abordant votre parcours académique ou professionnel ainsi que mon expertise pertinente. Nous préciserons ensuite vos objectifs, vos échéances et vos besoins en tutorat, puis nous évaluerons votre niveau actuel au moyen d’une discussion et d’une courte activité diagnostique.
Nous établirons ensuite un plan d’apprentissage ciblé ainsi qu’un calendrier pour les cours suivants. Le temps restant sera consacré à un court cours d’essai portant sur un concept ou un problème représentatif, afin de vous permettre de découvrir concrètement mon approche pédagogique avant de décider si vous souhaitez poursuivre.
Nous établirons ensuite un plan d’apprentissage ciblé ainsi qu’un calendrier pour les cours suivants. Le temps restant sera consacré à un court cours d’essai portant sur un concept ou un problème représentatif, afin de vous permettre de découvrir concrètement mon approche pédagogique avant de décider si vous souhaitez poursuivre.
Lieu
Cours au domicile de l'élève :
- Autour de Laval, 10, Canada
En ligne depuis le Canada
Présentation
Je suis ingénieur, titulaire d’un doctorat, professeur d’université, chercheur et formateur multidisciplinaire, avec plus de 30 ans d’expérience dans l’enseignement, la formation, le mentorat, la recherche, l’ingénierie et les technologies.
J’apprécie particulièrement d’aider les apprenants à passer de la confusion à une compréhension réelle et durable. Mon approche est structurée, patiente, personnalisée et centrée sur les concepts : je commence par identifier vos objectifs ainsi que la véritable source de difficulté, puis j’explique les notions fondamentales avec clarté à l’aide d’exemples visuels, numériques et concrets, avant de passer progressivement à la pratique guidée et à la résolution autonome de problèmes.
J’accompagne des adolescents, des étudiants universitaires, des chercheurs aux cycles supérieurs, des ingénieurs, des professionnels et des adultes en formation. Mes domaines d’intervention comprennent notamment les statistiques, les probabilités, les méthodes de recherche, l’analyse quantitative, la science des données, les mathématiques, la physique, la chimie, la programmation, l’ingénierie, la CAO, le BIM, la modélisation 3D, les SIG et la gestion de projet.
Je ne me contente pas de fournir des formules, des commandes logicielles ou des réponses finales. Mon objectif est de vous aider à comprendre pourquoi une méthode fonctionne, quand l’utiliser, comment vérifier le résultat et comment transférer le même raisonnement à de nouveaux problèmes.
Que vous souhaitiez consolider vos bases, préparer un examen, analyser des données, mener une recherche, apprendre un logiciel technique ou résoudre un problème d’ingénierie avancé, j’adapte chaque séance à votre niveau, à vos objectifs et à votre rythme. J’accorde une grande importance au sérieux dans l’apprentissage, à la curiosité, à une communication ouverte et à un environnement respectueux où toutes les questions sont les bienvenues.
J’apprécie particulièrement d’aider les apprenants à passer de la confusion à une compréhension réelle et durable. Mon approche est structurée, patiente, personnalisée et centrée sur les concepts : je commence par identifier vos objectifs ainsi que la véritable source de difficulté, puis j’explique les notions fondamentales avec clarté à l’aide d’exemples visuels, numériques et concrets, avant de passer progressivement à la pratique guidée et à la résolution autonome de problèmes.
J’accompagne des adolescents, des étudiants universitaires, des chercheurs aux cycles supérieurs, des ingénieurs, des professionnels et des adultes en formation. Mes domaines d’intervention comprennent notamment les statistiques, les probabilités, les méthodes de recherche, l’analyse quantitative, la science des données, les mathématiques, la physique, la chimie, la programmation, l’ingénierie, la CAO, le BIM, la modélisation 3D, les SIG et la gestion de projet.
Je ne me contente pas de fournir des formules, des commandes logicielles ou des réponses finales. Mon objectif est de vous aider à comprendre pourquoi une méthode fonctionne, quand l’utiliser, comment vérifier le résultat et comment transférer le même raisonnement à de nouveaux problèmes.
Que vous souhaitiez consolider vos bases, préparer un examen, analyser des données, mener une recherche, apprendre un logiciel technique ou résoudre un problème d’ingénierie avancé, j’adapte chaque séance à votre niveau, à vos objectifs et à votre rythme. J’accorde une grande importance au sérieux dans l’apprentissage, à la curiosité, à une communication ouverte et à un environnement respectueux où toutes les questions sont les bienvenues.
Education
Baccalauréat en sciences appliquées (BASc) en génie mécanique, option gestion de l’ingénierie — Université d’Ottawa, Canada, 1990. Diplômé avec la distinction Magna Cum Laude.
Maîtrise en administration des affaires (MBA), spécialisation en systèmes d’information de gestion et intelligence d’affaires — Université Jinan, 2004. Mention : Très bien. Recherche de maîtrise portant sur l’exploration de données appliquée aux organisations, notamment les méthodes de classification, les arbres de décision et les réseaux de neurones.
Doctorat (PhD) en systèmes d’information de gestion, spécialisation en gestion des connaissances — Université Jinan, 2008. Mention : Excellent. Recherche doctorale portant sur la représentation des connaissances, la mémoire organisationnelle, le développement d’ontologies, le raisonnement et la gestion des connaissances dans le domaine de l’éducation.
Ma formation multidisciplinaire me permet de relier l’ingénierie et la résolution scientifique de problèmes à l’analyse quantitative, à la recherche, aux données, aux systèmes d’information, aux technologies et à la gestion.
Maîtrise en administration des affaires (MBA), spécialisation en systèmes d’information de gestion et intelligence d’affaires — Université Jinan, 2004. Mention : Très bien. Recherche de maîtrise portant sur l’exploration de données appliquée aux organisations, notamment les méthodes de classification, les arbres de décision et les réseaux de neurones.
Doctorat (PhD) en systèmes d’information de gestion, spécialisation en gestion des connaissances — Université Jinan, 2008. Mention : Excellent. Recherche doctorale portant sur la représentation des connaissances, la mémoire organisationnelle, le développement d’ontologies, le raisonnement et la gestion des connaissances dans le domaine de l’éducation.
Ma formation multidisciplinaire me permet de relier l’ingénierie et la résolution scientifique de problèmes à l’analyse quantitative, à la recherche, aux données, aux systèmes d’information, aux technologies et à la gestion.
Expérience / Qualifications
Plus de 30 ans d’expérience dans l’enseignement universitaire, la formation professionnelle, le mentorat, la recherche, l’ingénierie et le conseil. Ancien professeur agrégé, doyen d’une faculté d’administration des affaires, vice-président chargé de la recherche scientifique et des études supérieures, ainsi que vice-président chargé du développement et des technologies.
Vaste expérience d’enseignement aux niveaux universitaire et supérieur dans des domaines tels que les statistiques, les méthodes quantitatives avancées, la méthodologie de recherche, l’exploration de données, l’intelligence d’affaires, les mathématiques, la recherche opérationnelle, la gestion de projet, la gestion de la construction, les bases de données et les systèmes d’information de gestion.
Solide expérience pratique des outils d’analyse statistique et de données, notamment SPSS, Stata, SAS, Excel, Python et divers environnements analytiques, ainsi que des technologies de programmation et des outils d’ingénierie et de conception tels que AutoCAD, Revit, les processus BIM, la modélisation 3D, Primavera, MS Project, ArcGIS et d’autres logiciels techniques.
Expérience professionnelle en ingénierie couvrant l’analyse et la conception, la planification et le contrôle de projets, les travaux techniques assistés par CAO, les SIG et l’analyse spatiale, les études d’infrastructures, le développement de logiciels d’ingénierie et le conseil sur des projets multidisciplinaires.
Expérience confirmée dans l’accompagnement d’étudiants universitaires, de chercheurs, d’ingénieurs, de professionnels et d’adultes en formation, notamment pour la compréhension théorique, la résolution de problèmes, la conception de recherches, l’analyse quantitative, l’interprétation des résultats, l’utilisation de logiciels spécialisés, les projets techniques et le développement de compétences autonomes.
Vaste expérience d’enseignement aux niveaux universitaire et supérieur dans des domaines tels que les statistiques, les méthodes quantitatives avancées, la méthodologie de recherche, l’exploration de données, l’intelligence d’affaires, les mathématiques, la recherche opérationnelle, la gestion de projet, la gestion de la construction, les bases de données et les systèmes d’information de gestion.
Solide expérience pratique des outils d’analyse statistique et de données, notamment SPSS, Stata, SAS, Excel, Python et divers environnements analytiques, ainsi que des technologies de programmation et des outils d’ingénierie et de conception tels que AutoCAD, Revit, les processus BIM, la modélisation 3D, Primavera, MS Project, ArcGIS et d’autres logiciels techniques.
Expérience professionnelle en ingénierie couvrant l’analyse et la conception, la planification et le contrôle de projets, les travaux techniques assistés par CAO, les SIG et l’analyse spatiale, les études d’infrastructures, le développement de logiciels d’ingénierie et le conseil sur des projets multidisciplinaires.
Expérience confirmée dans l’accompagnement d’étudiants universitaires, de chercheurs, d’ingénieurs, de professionnels et d’adultes en formation, notamment pour la compréhension théorique, la résolution de problèmes, la conception de recherches, l’analyse quantitative, l’interprétation des résultats, l’utilisation de logiciels spécialisés, les projets techniques et le développement de compétences autonomes.
Age
Enfants (7-12 ans)
Adolescents (13-17 ans)
Adultes (18-64 ans)
Seniors (65+ ans)
Niveau du Cours
Débutant
Intermédiaire
Avancé
Durée
60 minutes
Enseigné en
anglais
français
arabe
Compétences
Disponibilité semaine type
(GMT -04:00)
New York
Cours par webcam
Cours à domicile
Mon
Tue
Wed
Thu
Fri
Sat
Sun
00-04
04-08
08-12
12-16
16-20
20-24
Les objectifs académiques et professionnels complexes deviennent plus faciles à maîtriser lorsque l’objectif est clairement défini, la méthodologie rigoureuse, le travail correctement planifié et les décisions fondées sur un raisonnement structuré plutôt que sur l’improvisation.
Je suis ingénieur titulaire d’un doctorat, professeur universitaire, chercheur publié, ancien cadre universitaire supérieur, praticien en gestion de projets et mentor multidisciplinaire, avec plus de 30 ans d’expérience en enseignement, recherche, supervision, ingénierie, planification de projets, management, développement professionnel et aide à la décision.
Ce cours propose un accompagnement personnalisé aux étudiants universitaires, chercheurs aux cycles supérieurs, ingénieurs, professionnels, gestionnaires, personnes en reconversion et adultes en formation. Selon votre objectif, nous pouvons nous concentrer sur l’un des parcours clairement définis ci-dessous ou les combiner lorsque votre situation exige réellement une approche intégrée.
MÉTHODES DE RECHERCHE, MÉMOIRE & THÈSE
• Définition et délimitation d’une problématique de recherche
• Élaboration des questions de recherche et des objectifs
• Formulation des hypothèses
• Construction des cadres conceptuels et théoriques
• Stratégie de revue de littérature et évaluation des sources
• Mise en relation des théories, construits, variables et mesures
• Conception de recherches quantitatives
• Conception de recherches qualitatives
• Méthodes de recherche mixtes
• Approches expérimentales, observationnelles, par enquête et par étude de cas
• Définition de la population et choix de l’échantillonnage
• Considérations relatives à la taille de l’échantillon
• Conception de questionnaires et d’enquêtes
• Fiabilité et validité
• Opérationnalisation des variables
• Plans de codage et préparation des données
• Éthique de la recherche et gestion responsable des données
• Sélection des méthodes d’analyse appropriées
• Élaboration d’un plan cohérent d’analyse des données
• Interprétation des résultats quantitatifs et qualitatifs
• Structuration des chapitres de méthodologie et de résultats
• Mise en relation des résultats avec les questions de recherche et les hypothèses
• Discussion, limites, implications et recommandations
• Traitement systématique des commentaires du directeur ou superviseur de recherche
• Préparation à l’explication et à la défense des choix méthodologiques
• Structure de la rédaction académique et scientifique
• Citations, références bibliographiques et gestion des sources
• Préparation de présentations scientifiques, propositions de recherche, affiches ou supports de soutenance
GESTION DE PROJET, MANAGEMENT DE L’INGÉNIERIE & EXÉCUTION PROFESSIONNELLE
• Objectifs du projet et critères de réussite
• Définition du périmètre et des exigences
• Structure de découpage du projet (WBS)
• Définition et séquencement des activités
• Diagrammes de réseau
• Méthode du chemin critique (CPM)
• Méthode PERT et incertitude liée aux échéanciers
• Jalons et livrables
• Planification et allocation des ressources
• Concepts d’estimation des coûts et de budgétisation
• Planification, suivi et contrôle des projets
• Identification, analyse et planification des réponses aux risques
• Analyse des parties prenantes
• Planification de la communication
• Suivi de la qualité et de la performance
• Gestion du changement
• Approches traditionnelles, Agile et hybrides
• Contextes de projets de construction et d’ingénierie
• Méthodes de travail avec Microsoft Project
• Planification et ordonnancement avec Primavera
• Diagnostic des projets en retard ou sous-performants
• Transformation d’objectifs complexes en plans d’action exécutables
• Principes du management de l’ingénierie et prise de décision technique
• Gestion d’équipes d’ingénierie, techniques et multidisciplinaires
• Arbitrage entre performance technique, coûts, délais, qualité, risques et ressources
• Opérations d’ingénierie, productivité et amélioration des processus
• Gestion de la technologie et de l’innovation
• Analyse décisionnelle et évaluation des alternatives techniques
• Principes de gestion de la qualité et d’amélioration continue
• Traduction des objectifs stratégiques en actions d’ingénierie et opérationnelles
STRATÉGIE DE CARRIÈRE, RECHERCHE D’EMPLOI & PRÉPARATION AUX ENTRETIENS
• Clarification de l’orientation de carrière et des objectifs professionnels
• Identification des compétences transférables
• Analyse des écarts de compétences
• Planification d’une transition de carrière
• Positionnement professionnel et proposition de valeur
• Stratégie de CV et de résumé professionnel
• Mise en correspondance de l’expérience avec les exigences d’un poste
• Préparation aux entretiens comportementaux
• Préparation aux entretiens techniques et analytiques
• Structuration de réponses fondées sur des preuves et des exemples concrets
• Méthode STAR et autres cadres de réponse
• Développement d’exemples et de récits professionnels convaincants
• Simulations d’entretien
• Identification des réponses faibles, imprécises ou peu convaincantes
• Communication concise d’expériences complexes
• Préparation aux questions portant sur les forces, faiblesses, conflits, leadership, échecs et résolution de problèmes
• Préparation aux entretiens pour des postes académiques, techniques, d’ingénierie, analytiques et de management
• Élaboration d’un plan réaliste de développement professionnel
• Stratégie de recherche d’emploi et identification ciblée des opportunités
• Développement du profil LinkedIn et positionnement professionnel
• Réseautage et développement des relations professionnelles
• Image de marque personnelle et visibilité professionnelle
• Stratégie de lettre de motivation
• Évaluation des opportunités d’emploi et des alternatives de carrière
• Préparation à une promotion, à une mobilité interne ou à une transition vers des fonctions de management
LEADERSHIP & DÉVELOPPEMENT PROFESSIONNEL
• Styles de leadership et leadership situationnel
• Direction d’équipes techniques, académiques et multidisciplinaires
• Communication, délégation, responsabilisation et rétroaction
• Motivation et performance des équipes
• Gestion des conflits et conversations difficiles
• Prise de décision en situation d’incertitude
• Résolution de problèmes et pensée critique dans les situations de leadership
• Intelligence émotionnelle et efficacité interpersonnelle
• Gestion du changement et des résistances organisationnelles
• Coaching, mentorat et développement des collaborateurs
• Présence professionnelle, crédibilité et capacité d’influence
• Transition d’un rôle de spécialiste technique vers des fonctions de supervision ou de management
Mon approche repose sur une logique structurée commune :
définir l’objectif → diagnostiquer la situation actuelle → identifier les contraintes → sélectionner la méthodologie appropriée → construire le plan → exécuter → suivre → évaluer → communiquer le résultat → améliorer
Nous pouvons travailler à partir de votre proposition de recherche, plan de mémoire ou de thèse, commentaires de votre superviseur, cadre conceptuel, questionnaire, chapitre méthodologique, échéancier de projet, WBS, registre des risques, fichier Microsoft Project ou Primavera, CV, description de poste, questions d’entretien ou défi de développement professionnel.
Je ne me contente pas de fournir des modèles génériques ou des réponses toutes faites. Je vous aide à comprendre pourquoi une méthode ou une stratégie convient à votre situation, sur quelles hypothèses elle repose, comment évaluer les différentes options, comment détecter les faiblesses et comment justifier clairement la décision finale.
L’intégrité académique et professionnelle est essentielle. Je propose un enseignement, un accompagnement méthodologique, une rétroaction critique, un soutien analytique, de la planification, du coaching et un mentorat de type supervision. Je ne rédige pas à la place des étudiants des mémoires ou des thèses évalués, je ne réalise pas d’examens pour autrui, je ne fabrique pas de résultats de recherche et je ne présente pas de manière trompeuse l’expérience d’un étudiant ou d’un professionnel.
Mon objectif est de vous aider à devenir véritablement responsable et autonome dans votre recherche, votre projet ou votre parcours professionnel, afin que vous puissiez expliquer vos décisions, gérer la complexité, communiquer clairement et progresser de manière indépendante.
Je suis ingénieur titulaire d’un doctorat, professeur universitaire, chercheur publié, ancien cadre universitaire supérieur, praticien en gestion de projets et mentor multidisciplinaire, avec plus de 30 ans d’expérience en enseignement, recherche, supervision, ingénierie, planification de projets, management, développement professionnel et aide à la décision.
Ce cours propose un accompagnement personnalisé aux étudiants universitaires, chercheurs aux cycles supérieurs, ingénieurs, professionnels, gestionnaires, personnes en reconversion et adultes en formation. Selon votre objectif, nous pouvons nous concentrer sur l’un des parcours clairement définis ci-dessous ou les combiner lorsque votre situation exige réellement une approche intégrée.
MÉTHODES DE RECHERCHE, MÉMOIRE & THÈSE
• Définition et délimitation d’une problématique de recherche
• Élaboration des questions de recherche et des objectifs
• Formulation des hypothèses
• Construction des cadres conceptuels et théoriques
• Stratégie de revue de littérature et évaluation des sources
• Mise en relation des théories, construits, variables et mesures
• Conception de recherches quantitatives
• Conception de recherches qualitatives
• Méthodes de recherche mixtes
• Approches expérimentales, observationnelles, par enquête et par étude de cas
• Définition de la population et choix de l’échantillonnage
• Considérations relatives à la taille de l’échantillon
• Conception de questionnaires et d’enquêtes
• Fiabilité et validité
• Opérationnalisation des variables
• Plans de codage et préparation des données
• Éthique de la recherche et gestion responsable des données
• Sélection des méthodes d’analyse appropriées
• Élaboration d’un plan cohérent d’analyse des données
• Interprétation des résultats quantitatifs et qualitatifs
• Structuration des chapitres de méthodologie et de résultats
• Mise en relation des résultats avec les questions de recherche et les hypothèses
• Discussion, limites, implications et recommandations
• Traitement systématique des commentaires du directeur ou superviseur de recherche
• Préparation à l’explication et à la défense des choix méthodologiques
• Structure de la rédaction académique et scientifique
• Citations, références bibliographiques et gestion des sources
• Préparation de présentations scientifiques, propositions de recherche, affiches ou supports de soutenance
GESTION DE PROJET, MANAGEMENT DE L’INGÉNIERIE & EXÉCUTION PROFESSIONNELLE
• Objectifs du projet et critères de réussite
• Définition du périmètre et des exigences
• Structure de découpage du projet (WBS)
• Définition et séquencement des activités
• Diagrammes de réseau
• Méthode du chemin critique (CPM)
• Méthode PERT et incertitude liée aux échéanciers
• Jalons et livrables
• Planification et allocation des ressources
• Concepts d’estimation des coûts et de budgétisation
• Planification, suivi et contrôle des projets
• Identification, analyse et planification des réponses aux risques
• Analyse des parties prenantes
• Planification de la communication
• Suivi de la qualité et de la performance
• Gestion du changement
• Approches traditionnelles, Agile et hybrides
• Contextes de projets de construction et d’ingénierie
• Méthodes de travail avec Microsoft Project
• Planification et ordonnancement avec Primavera
• Diagnostic des projets en retard ou sous-performants
• Transformation d’objectifs complexes en plans d’action exécutables
• Principes du management de l’ingénierie et prise de décision technique
• Gestion d’équipes d’ingénierie, techniques et multidisciplinaires
• Arbitrage entre performance technique, coûts, délais, qualité, risques et ressources
• Opérations d’ingénierie, productivité et amélioration des processus
• Gestion de la technologie et de l’innovation
• Analyse décisionnelle et évaluation des alternatives techniques
• Principes de gestion de la qualité et d’amélioration continue
• Traduction des objectifs stratégiques en actions d’ingénierie et opérationnelles
STRATÉGIE DE CARRIÈRE, RECHERCHE D’EMPLOI & PRÉPARATION AUX ENTRETIENS
• Clarification de l’orientation de carrière et des objectifs professionnels
• Identification des compétences transférables
• Analyse des écarts de compétences
• Planification d’une transition de carrière
• Positionnement professionnel et proposition de valeur
• Stratégie de CV et de résumé professionnel
• Mise en correspondance de l’expérience avec les exigences d’un poste
• Préparation aux entretiens comportementaux
• Préparation aux entretiens techniques et analytiques
• Structuration de réponses fondées sur des preuves et des exemples concrets
• Méthode STAR et autres cadres de réponse
• Développement d’exemples et de récits professionnels convaincants
• Simulations d’entretien
• Identification des réponses faibles, imprécises ou peu convaincantes
• Communication concise d’expériences complexes
• Préparation aux questions portant sur les forces, faiblesses, conflits, leadership, échecs et résolution de problèmes
• Préparation aux entretiens pour des postes académiques, techniques, d’ingénierie, analytiques et de management
• Élaboration d’un plan réaliste de développement professionnel
• Stratégie de recherche d’emploi et identification ciblée des opportunités
• Développement du profil LinkedIn et positionnement professionnel
• Réseautage et développement des relations professionnelles
• Image de marque personnelle et visibilité professionnelle
• Stratégie de lettre de motivation
• Évaluation des opportunités d’emploi et des alternatives de carrière
• Préparation à une promotion, à une mobilité interne ou à une transition vers des fonctions de management
LEADERSHIP & DÉVELOPPEMENT PROFESSIONNEL
• Styles de leadership et leadership situationnel
• Direction d’équipes techniques, académiques et multidisciplinaires
• Communication, délégation, responsabilisation et rétroaction
• Motivation et performance des équipes
• Gestion des conflits et conversations difficiles
• Prise de décision en situation d’incertitude
• Résolution de problèmes et pensée critique dans les situations de leadership
• Intelligence émotionnelle et efficacité interpersonnelle
• Gestion du changement et des résistances organisationnelles
• Coaching, mentorat et développement des collaborateurs
• Présence professionnelle, crédibilité et capacité d’influence
• Transition d’un rôle de spécialiste technique vers des fonctions de supervision ou de management
Mon approche repose sur une logique structurée commune :
définir l’objectif → diagnostiquer la situation actuelle → identifier les contraintes → sélectionner la méthodologie appropriée → construire le plan → exécuter → suivre → évaluer → communiquer le résultat → améliorer
Nous pouvons travailler à partir de votre proposition de recherche, plan de mémoire ou de thèse, commentaires de votre superviseur, cadre conceptuel, questionnaire, chapitre méthodologique, échéancier de projet, WBS, registre des risques, fichier Microsoft Project ou Primavera, CV, description de poste, questions d’entretien ou défi de développement professionnel.
Je ne me contente pas de fournir des modèles génériques ou des réponses toutes faites. Je vous aide à comprendre pourquoi une méthode ou une stratégie convient à votre situation, sur quelles hypothèses elle repose, comment évaluer les différentes options, comment détecter les faiblesses et comment justifier clairement la décision finale.
L’intégrité académique et professionnelle est essentielle. Je propose un enseignement, un accompagnement méthodologique, une rétroaction critique, un soutien analytique, de la planification, du coaching et un mentorat de type supervision. Je ne rédige pas à la place des étudiants des mémoires ou des thèses évalués, je ne réalise pas d’examens pour autrui, je ne fabrique pas de résultats de recherche et je ne présente pas de manière trompeuse l’expérience d’un étudiant ou d’un professionnel.
Mon objectif est de vous aider à devenir véritablement responsable et autonome dans votre recherche, votre projet ou votre parcours professionnel, afin que vous puissiez expliquer vos décisions, gérer la complexité, communiquer clairement et progresser de manière indépendante.
Les mathématiques, les statistiques et l’analyse de données deviennent beaucoup plus accessibles lorsque les formules, le raisonnement, les calculs et l’interprétation de situations réelles sont clairement reliés entre eux.
Je suis ingénieur titulaire d’un doctorat, professeur universitaire, chercheur et tuteur multidisciplinaire, avec plus de 30 ans d’expérience dans l’enseignement, les méthodes quantitatives, la résolution de problèmes mathématiques, l’analyse statistique, la recherche, l’ingénierie, l’analyse de données et l’aide à la décision professionnelle.
Ce cours propose un parcours d’apprentissage structuré et personnalisé destiné aux élèves, aux étudiants universitaires, aux chercheurs aux cycles supérieurs, aux ingénieurs, aux professionnels et aux adultes en formation. Selon vos objectifs, nous pouvons nous concentrer sur un domaine précis ou combiner plusieurs domaines au sein d’un programme cohérent.
MATHÉMATIQUES
• Arithmétique, fractions, rapports, pourcentages et fondements mathématiques
• Expressions algébriques, équations, inéquations et systèmes
• Fonctions, graphiques et transformations
• Géométrie et géométrie analytique
• Trigonométrie
• Pré-calcul
• Limites et continuité
• Calcul différentiel et applications
• Calcul intégral et applications
• Suites et séries
• Calcul à plusieurs variables
• Algèbre linéaire, matrices, vecteurs et systèmes
• Équations différentielles
• Méthodes numériques
• Mathématiques appliquées et mathématiques pour l’ingénierie
STATISTIQUES, PROBABILITÉS & ÉCONOMÉTRIE
• Statistiques descriptives
• Règles de probabilité et raisonnement probabiliste
• Probabilités conditionnelles, indépendance, théorème de Bayes et méthodes de dénombrement
• Espérance mathématique, variance, covariance et propriétés des principales distributions de probabilité
• Variables aléatoires et lois de probabilité
• Échantillonnage et distributions d’échantillonnage
• Intervalles de confiance
• Tests d’hypothèses
• Corrélation et régression
• Régression multiple
• ANOVA, ANCOVA et MANOVA
• Méthodes non paramétriques
• Analyse statistique multivariée
• Économétrie et méthodes quantitatives
• Analyse des séries chronologiques et prévision
• Analyse de médiation et de modération
• Modélisation statistique et analyse prédictive
ANALYSE ET VISUALISATION DES DONNÉES
• Organisation des données et évaluation de leur qualité
• Nettoyage et préparation des données
• Transformation, filtrage, regroupement, fusion et restructuration des données
• Analyse des relations entre les variables et diagnostics graphiques et statistiques
• Valeurs manquantes, doublons, incohérences et valeurs aberrantes
• Analyse exploratoire des données
• Tableaux de synthèse et rapports analytiques
• Tableaux croisés dynamiques et agrégation des données
• Visualisation des données et sélection appropriée des graphiques
• Analyse des tendances et des structures
• Développement d’indicateurs clés de performance (KPI) et analyse de la performance
• Concepts de tableaux de bord et rapports d’aide à la décision
• Préparation des données de recherche et d’enquête
• Interprétation et communication des résultats analytiques
Selon vos besoins, les travaux pratiques peuvent faire appel à Excel, SPSS, Stata, R, SAS, Power BI, SQL, Python ou à d’autres outils analytiques pertinents. Les logiciels ne sont jamais considérés comme un substitut à la compréhension : j’explique le raisonnement qui sous-tend chaque méthode, les hypothèses associées, la signification des résultats obtenus et la manière de vérifier si les conclusions sont valides.
Mon approche pédagogique suit une progression claire :
comprendre le problème → identifier le concept ou la méthode appropriée → développer le raisonnement → calculer ou analyser → vérifier le résultat → l’interpréter → communiquer la conclusion
Nous pouvons travailler à partir de votre programme de cours, de votre manuel, d’exercices représentatifs, de sujets d’examen, d’un jeu de données, de résultats statistiques, d’une question de recherche, d’une feuille de calcul, d’un tableau de bord, d’une application d’ingénierie ou d’un problème analytique professionnel.
Que vous souhaitiez consolider vos bases en mathématiques, préparer un examen, étudier le calcul avancé, apprendre les statistiques, réaliser une analyse économétrique, interpréter des données de recherche ou développer des compétences pratiques en analyse de données, j’adapterai les séances à votre niveau, à vos objectifs et à votre rythme.
Mon objectif n’est pas simplement de vous aider à obtenir une réponse, mais de vous permettre de comprendre le raisonnement, de choisir les méthodes appropriées, de vérifier les résultats, d’interpréter correctement les conclusions et de résoudre de nouveaux problèmes de manière autonome.
Je suis ingénieur titulaire d’un doctorat, professeur universitaire, chercheur et tuteur multidisciplinaire, avec plus de 30 ans d’expérience dans l’enseignement, les méthodes quantitatives, la résolution de problèmes mathématiques, l’analyse statistique, la recherche, l’ingénierie, l’analyse de données et l’aide à la décision professionnelle.
Ce cours propose un parcours d’apprentissage structuré et personnalisé destiné aux élèves, aux étudiants universitaires, aux chercheurs aux cycles supérieurs, aux ingénieurs, aux professionnels et aux adultes en formation. Selon vos objectifs, nous pouvons nous concentrer sur un domaine précis ou combiner plusieurs domaines au sein d’un programme cohérent.
MATHÉMATIQUES
• Arithmétique, fractions, rapports, pourcentages et fondements mathématiques
• Expressions algébriques, équations, inéquations et systèmes
• Fonctions, graphiques et transformations
• Géométrie et géométrie analytique
• Trigonométrie
• Pré-calcul
• Limites et continuité
• Calcul différentiel et applications
• Calcul intégral et applications
• Suites et séries
• Calcul à plusieurs variables
• Algèbre linéaire, matrices, vecteurs et systèmes
• Équations différentielles
• Méthodes numériques
• Mathématiques appliquées et mathématiques pour l’ingénierie
STATISTIQUES, PROBABILITÉS & ÉCONOMÉTRIE
• Statistiques descriptives
• Règles de probabilité et raisonnement probabiliste
• Probabilités conditionnelles, indépendance, théorème de Bayes et méthodes de dénombrement
• Espérance mathématique, variance, covariance et propriétés des principales distributions de probabilité
• Variables aléatoires et lois de probabilité
• Échantillonnage et distributions d’échantillonnage
• Intervalles de confiance
• Tests d’hypothèses
• Corrélation et régression
• Régression multiple
• ANOVA, ANCOVA et MANOVA
• Méthodes non paramétriques
• Analyse statistique multivariée
• Économétrie et méthodes quantitatives
• Analyse des séries chronologiques et prévision
• Analyse de médiation et de modération
• Modélisation statistique et analyse prédictive
ANALYSE ET VISUALISATION DES DONNÉES
• Organisation des données et évaluation de leur qualité
• Nettoyage et préparation des données
• Transformation, filtrage, regroupement, fusion et restructuration des données
• Analyse des relations entre les variables et diagnostics graphiques et statistiques
• Valeurs manquantes, doublons, incohérences et valeurs aberrantes
• Analyse exploratoire des données
• Tableaux de synthèse et rapports analytiques
• Tableaux croisés dynamiques et agrégation des données
• Visualisation des données et sélection appropriée des graphiques
• Analyse des tendances et des structures
• Développement d’indicateurs clés de performance (KPI) et analyse de la performance
• Concepts de tableaux de bord et rapports d’aide à la décision
• Préparation des données de recherche et d’enquête
• Interprétation et communication des résultats analytiques
Selon vos besoins, les travaux pratiques peuvent faire appel à Excel, SPSS, Stata, R, SAS, Power BI, SQL, Python ou à d’autres outils analytiques pertinents. Les logiciels ne sont jamais considérés comme un substitut à la compréhension : j’explique le raisonnement qui sous-tend chaque méthode, les hypothèses associées, la signification des résultats obtenus et la manière de vérifier si les conclusions sont valides.
Mon approche pédagogique suit une progression claire :
comprendre le problème → identifier le concept ou la méthode appropriée → développer le raisonnement → calculer ou analyser → vérifier le résultat → l’interpréter → communiquer la conclusion
Nous pouvons travailler à partir de votre programme de cours, de votre manuel, d’exercices représentatifs, de sujets d’examen, d’un jeu de données, de résultats statistiques, d’une question de recherche, d’une feuille de calcul, d’un tableau de bord, d’une application d’ingénierie ou d’un problème analytique professionnel.
Que vous souhaitiez consolider vos bases en mathématiques, préparer un examen, étudier le calcul avancé, apprendre les statistiques, réaliser une analyse économétrique, interpréter des données de recherche ou développer des compétences pratiques en analyse de données, j’adapterai les séances à votre niveau, à vos objectifs et à votre rythme.
Mon objectif n’est pas simplement de vous aider à obtenir une réponse, mais de vous permettre de comprendre le raisonnement, de choisir les méthodes appropriées, de vérifier les résultats, d’interpréter correctement les conclusions et de résoudre de nouveaux problèmes de manière autonome.
Voir plus
Cours Similaires
Vidéo de Ammar
Contacter Ammar
Le premier cours est couvert par notre Garantie Le-Bon-Prof
Cours Similaires
Garantie Le-Bon-Prof
Contacter Ammar