Momar-dev/data-explorer-senegal

Analyse exploratoire des données éducatives du Sénégal (EDA) - Portfolio IA # 📊 Data Explorer Sénégal — Analyse des données éducatives 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. ## 🎯 Objectif 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. ## 📁 Dataset **World Educational Data** (Kaggle / World Bank) — 202 pays, 29 indicateurs : non-scolarisation par âge/genre, taux de complétion scolaire, alphabétisation, natalité, chômage, etc. ## 🔧 Méthodologie - 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 `NaN` pour éviter des conclusions erronées. - Comparaisons ciblées : Sénégal vs moyenne mondiale, Sénégal vs voisins régionaux ## 📈 Résultats clés | 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 | ## 🛠️ Technologies `Python` `Pandas` `NumPy` `Matplotlib` `Google Colab` ## 📓 Notebook Voir `Projet1_DataExplorer_Senegal_Education.ipynb` pour l'analyse complète. ## 👤 Auteur **Momar Diop** — Développeur Full-Stack en reconversion vers l'IA / Data Science LinkedIn · Portfolio