Docteur en économie et banque, Moussa Garba dispose de compétences en théorie économique, en analyse de données et en modélisation économétrique en réglementation bancaire. Il travaille également en développement financier et en recherche sur les politiques prudentielles avec quelques compétences en informatique, notamment algorithmes et big data.
Il a dirigé plusieurs projets d’apprentissage automatique tels que le traitement de bout en bout de la preuve de concept mettant en œuvre l’architecture de séries chronologiques DataLake, la collecte de données et la construction d’algorithmes prédictifs et d’algorithmes de détection d’anomalies et de déséquilibres cibles (AdaBoost, Catboost, RUSBoost, SMOTEBoost) pour analyser et résoudre des problèmes commerciaux complexes.
Il dirige actuellement des projets de développement de produits en utilisant des données et en combinant le ML et l’inférence causale pour créer de nouvelles méthodes, des méthodes qui exploitent les forces des algorithmes de ML pour résoudre les problèmes d’inférence causale.
Il a également mené des projets de Business Intelligence tels que la conception de flux de données et la prévision de séries chronologiques dans le cadre de la prestation de services e-Qual à l’Unesco sur le suivi et l’évaluation de l’éducation.