À propos de Bruno
Je suis passionné par l'utilisation de data science et ML pour résoudre des problèmes complexes et améliorer les processus. J'ai un solide background en mathématiques et en informatique et je suis capable d'utiliser une variété d'outils et de techniques pour analyser et visualiser des données, développer des modèles de machine learning/deep learning et déployer des modèles en production. Je suis également intéressé par les outils de MLOps et je suis toujours à la recherche de nouvelles façons d’apporter de la valeur ajoutée.
Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
Accepte de travailler sur site
Genève (jusqu’à 15 km), Genève (jusqu’à 20 km), Neuchâtel (jusqu’à 20 km), Bâle (jusqu’à 20 km)
Expériences
- Cartes Bancaires CBData Scientistmars 2024 - Aujourd'hui (2 ans et 3 mois)Paris, FranceProjet :Mise en place d’un système de scoring et de détection de fraude sur un grand projet européen (EPI)Contexte :L'European Payment Initiative (EPI) et son wallet "Wero" vise à créer un système de paiement paneuropéen unifié pour les consommateurs et les commerçants, en offrant des solutions innovantes comme les paiements instantanés et un portefeuille numérique. Dans ce contexte, la prévention et la détection de la fraude sont essentielles pour assurer la sécurité et la confiance dans ces nouvelles méthodes de paiement.Missions :
- Définition de Data Catalog pour structurer les données (P2P et e/m-commerce)
- Assistance à l’intégrations des nouveaux data catalog dans les systèmes existants
- Création de règles de “cold start” pour pallier l’absence de données initiales
- Monitoring de l’activité et du scoring lors du lancement sur IBM Safer Payment
- Exploration et analyse des données pour une compréhension approfondies
- Développement de nouvelles règles de scoring en utilisant des modèles de machine learning et les retours de fraude des banques
- Veille technologique et présentation d’articles sur le sujet
Environnement technique :Python, SQL, Pyspark, Git, Apache Zeppelin, Hue, IBM - BNP PARIBASData Analystmai 2023 - novembre 2023 (6 mois)Paris, FranceProjet :Analyse des données issues des incidents historiques afin de cibler les zones à risques et de réduire les coûtsContexte :Au sein de la division Risk ORM de BNP Paribas, la gestion des risques opérationnels est cruciale pour la surveillance et la réduction des risques à travers toutes les activités bancaires. L'analyse des incidents historiques aide à identifier les zones de vulnérabilité.Missions :
- Analyse et explorations des données issues des incidents historiques.
- Analyse des corrélation entre les incidents historiques, leurs causes, type de risques et business unit défaillantes afin de cibler des zones à risque
- Analyse des contrôles mis en place
- Mise en parallèle des incidents historiques avec les contrôles mis en place afin de déterminer des périmètres à risque
- Exploitation et analyse des impacts de certaines business unit défaillantes
- Vulgarisation et restitution des résultats
Environnement technique :Dataiku, Python, SQL - CHU DE BRESTData ScientistSECTEUR MÉDICALoctobre 2022 - avril 2023 (6 mois)Paris, FranceProjet :Génération de données temporelles synthétiques et prédiction des événements d'hypertension intracrânienne.Contexte :Ce projet s’inscrit dans l’aide que le machine learning et deep learning peut apporter aux médecins du CHU pour prendre de meilleurs décision quant aux traitements des événements d’hypertension intracrânienne chez des patients.Les trois principales missions sur lesquels j’ai pu évolué ont été:
- La génération de données synthétiques de qualité afin d’enrichir les datasets.
- La prédiction des la pression artérielle et pression intracranienne chez les patients.
- La prédiction d'événements d’hypertension intracrânienne
Missions :- Veille technologique et synthétisation de l’état de l’art sur le sujet
- Utilisation d'un algorithme de deep learning (DGAN) pour générer des données synthétiques et définition de métriques (DTW) pour filtrer la qualité des données générées
- Extraction / nettoyage / préparation des données et feature engineering
- Prediction step by step à l’aide d’un modèle de deep learning
- Classification binaire à l’aide de modèles de machine learning
Environnement technique :Python, SQL, Sklearn, Pandas, Numpy, Keras, TensorFlow, Linux, Bitbucket, Docker
Recommandations
Soyez le premier à recommander Bruno
Contribuez à la réussite de ce freelance en partageant votre expérience de collaboration avec lui.
Ces profils de freelance correspondent également à vos critères
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Formations
- Master of ScienceEDC Paris Business School2022Master of Science - MSc, Data Science & Business Analysis
- Master, Mathématiques appliquées, Statistiques parcours Data scienceAix-Marseille Université2020Master, Mathématiques appliquées, Statistiques parcours Data science
Certifications
- Azure AI Engineer AssociateMicrosoft2023
- Data UpskillingBenjamin Dubreu2024