← Retour au site Télécharger le PDF

Oluwasola Oyinloye

Data scientist géospatial · Spécialiste de l'IA géospatiale

SIG · Télédétection · Cartographie par drone · IA géospatiale

Data scientist géospatial et spécialiste de l'IA géospatiale basé à Lagos, avec cinq ans d'expérience professionnelle en SIG et télédétection. Je prends en charge des relevés par drone au Nigeria, planifiés et réalisés en interne, et je travaille à distance à partir de données satellite pour des clients en Afrique et au-delà. Chaque résultat livré est accompagné de sa méthode de validation et du code qui l'a produit. Je travaille principalement en anglais ; vous pouvez m'écrire en français.

Services

  • IA géospatiale et machine learning
  • Cartographie par drone et photogrammétrie
  • Télédétection et observation de la Terre
  • RDUE : géolocalisation et contrôle de la déforestation
  • Évaluation de sites et choix d'implantation
  • Cartographie SIG et analyse spatiale
  • Risques d'inondation, climatiques et environnementaux
  • SIG web et tableaux de bord
  • Bases de données spatiales et ingénierie des données
  • Formation et renforcement des capacités

Réalisations

Comptage de palmiers à huile par imagerie aérienne

Pour une plantation commerciale en Afrique de l'Ouest : une chaîne de détection des couronnes YOLOv8 qui a cartographié 718 751 palmiers sur 12 166,6 ha répartis en 26 blocs. Les livraisons qui se chevauchaient ont été réconciliées pour que chaque hectare soit compté une fois, ce qui a supprimé 302 412 doubles comptages. Sur des tuiles de test mises de côté, le modèle a compté 519 palmiers contre 518 au comptage manuel.

Susceptibilité aux inondations GeoAID, Amuwo-Odofin (Lagos)

Un modèle ouvert avec un tableau de bord en ligne : susceptibilité structurelle, précipitations en quasi temps réel et exposition de la population, des écoles, des centres de santé et des routes. ROC-AUC d'environ 0,798 sur un découpage aléatoire et d'environ 0,642 en validation croisée spatiale, présentés côte à côte.

Où construire ensuite : la connectivité au Nigeria

Chaque km² habité du Nigeria classé selon ses besoins en haut débit (tests Ookla), et les centres de santé et écoles où installer de nouveaux sites : les 100 premiers touchent 3,12 millions de ruraux non couverts. DSN AI Bootcamp 2026.

Secteurs

Agriculture et plantations · Banque, assurance et financement agricole · Énergie, eau et réseaux · Pétrole, gaz et mines · Immobilier, construction et infrastructures · Transport et logistique · Télécommunications · Commerce de détail et grande consommation · Administrations et secteur public · Santé · ONG et développement international · ESG, environnement et climat · Éducation et recherche · Cabinets de conseil et d'ingénierie

Où

Sur site au Nigeria. À distance en Afrique et dans le monde.

Modes de collaboration

Pilote · Projet · Suivi · Conseil et stratégie · Formation. Périmètre écrit pour chaque mission ; accord de confidentialité sur demande.

Outils

Programmation et analyse : Python, SQL, Jupyter, pandas, NumPy, SciPy, statsmodels. Machine learning et IA : PyTorch, Ultralytics YOLOv8, scikit-learn, XGBoost, SHAP, OpenCV. Observation de la Terre : Google Earth Engine, geemap, Sentinel-1 SAR, Sentinel-2, SRTM, CHIRPS, NASA GPM IMERG, ESA WorldCover, WorldPop. SIG et données spatiales : QGIS, Google Earth Pro, PostGIS, GeoPandas, Rasterio, Shapely, PyProj, OpenStreetMap. Cartographie par drone : DJI Terra, Agisoft Metashape, WebODM / OpenDroneMap, Points de contrôle GNSS. Tableaux de bord et cartes web : Streamlit, Power BI, Plotly, Folium, Leaflet.

Formation

  • Master of Information Technology (MIT), spécialisation IA, Miva Open University
  • BSc Surveying and Geoinformatics, Université d'Ilorin

Enseignement et recherche

A enseigné Python pour l'analyse géospatiale à 1 500 personnes lors de séminaires.

Prépublication (en anglais) : Oyinloye, O. A. and Mustapha, I. O. (2026). GeoAID: An Explainable Geospatial Disaster Intelligence Framework for Urban Flood Risk in a Data-Poor Coastal Megacity. Preprints.org. doi.org/10.20944/preprints202609.1630.v1