Description

Data scientist depuis plus de 20 ans, passionné par la data et la statistique en général.

Après 15 ans dans le service marketing d'Orange à créer puis produire plusieurs milliards de notes de scores par mois, j'ai participé ensuite pendant 4 ans, à l'aventure Prevision.io, startup française, qui a developpé une plateforme de data science de premier plan.

Sur mon temps libre, j'ai participé à de nombreuses compétitions de machine learning, notamment sur Kaggle, où j'ai été le meilleur français classé plusieurs années de suite.

Au cours de mes précédentes expériences professionnelles, j'ai travaillé sur des projets variés qui m'ont permis d'acquérir une grande expertise dans l'analyse de données, l'utilisation de techniques statistiques et l'application d'algorithmes d'apprentissage automatique. J'ai également eu l'occasion de travailler en équipe et de collaborer avec des experts en informatique et en affaires pour identifier des solutions efficaces aux problèmes de données.

Je suis passionné par le monde de la data science et j'aime relever des défis complexes en utilisant des outils et des techniques innovants. J'ai également une forte capacité à communiquer les résultats d'analyse de manière claire et concise à des publics techniques et non techniques.

Langues

Français
Bilingue ou natif

Préférences en matière de lieu de travail

Accepte de travailler sur site

Nantes (jusqu’à 50 km)

ORVAULT
Senior Data Scientist
décembre 2022 - Aujourd'hui (3 ans et 6 mois)
Pays de la Loire, France
- former la segmentation de nuages de points 3D (état de l'art) afin de catégoriser automatiquement les espaces professionnels
-participation à la labellisation et à l'amélioration de la qualité des comptes OA,
-mise en place d'Internal Analytics à partager avec tous les Denizens,
-mise en place de RTO pour le marketing pour la publication externe,
-contribution au hackathon You Wall not Pass. Analyses et informations
-Density Portfolio Square Feet Measurement (pour l'équipe marketing et pour l'équipe de direction afin de contribuer au KPI de Density,
-Density Portfolio Benchmark (pour CSM et Clients),
-analyses douanières (Ericsson, Apple, ...) pour les Clients,
-Polygones et zone de taille des murs extérieurs de Label Box pour plus de 550 plans d'étage.
ARCUEIL
DataScientist
avril 2016 - juillet 2019 (3 ans et 3 mois)
84100 Orange, France
l'intégration de nouvelles méthodologies afin de gérer tout le pipeline de machine learning amont/aval quelle que soit la source de données ainsi que l'intégration de nouvelles briques verticales métier,
-Enrichir les API du produit pour le rendre modulable,
-Faire rayonner la notoriété du produit et des communautés utilisateurs (en concert avec les opérations marketing),
-Elargir la communauté d'utilisateurs, mettre en place les ressources éducatives. Orange France 15 ans 2 mois DataScientist avril 2016 - juillet 2019 (3 ans 4 mois) Arcueil
-Scoring de l'insatisfaction client (projet Customer Experience Management) => mise en place d'une application R Shiny présentant les top variables explicatives par client.
-Soutien aux projets scoring Orange Banque (scores de préattribution / scores de richesse), DMP (scoring online de cookies), détection de la fraude.
-Beta Testeur de la solution de modélisation automatique Predicsis / Khiops avec notamment la modélisation multi-tables (schéma en étoile). Solution disponible en stand alone, Cloud (Solution As a Service), prochainement compatible Hadoop/Spark.
-Developpement d'une API automatisant les process de modélisation avec différents logiciels(Kxen, Khiops, Statmining, R Xgboost et H2o, Python Scikit learn, Vowpal Wabbit) et algorithmes (une trentaine d'algorithmes parmi lesquels : GBM, RF, DP, GLM, NB, SVM, KNN, ET) => ajout à l'étude de Keras, Regularized Greedy Forest
-Developpement d'une cinquantaine d'opérateurs Amadéa parmi lesquels : N stratified folds, Preprocessing Symbolic : One Hot Encoding, symbolic to factors, symbolic to count, symbolic to target rate, Preprocessing Numeric : Box Cox transformations, log, t-SNE, numeric to percentiles, Feature Selection (near 0 variance,duplicate columns, high missing rate, xgboost features importance), Replace NA by score, Features engineering : N-way interactions, counts, metadatas, clustering, dimension reduction, Blending / Stacking Recherche de niches
-Formation continue via les plateformes collaboratives (Coursera / EDX / FUN)
ARCUEIL
DataScientist
janvier 2014 - avril 2016 (2 ans et 3 mois)
- Dans le cadre du projet Digital BI, implication sur 2 POCS : (Erwan Le Nagard), caractérisation de la communauté Orange sur les réseaux sociaux (Facebook et Twitter), (Nicolas Gilot) campagnes sur clients optinés à partir de leurs données Facebook, programme de rapprochement des clients Facebook et Orange. Projet 2015 : mise en place d'un partenariat avec Facebook ?
-Exploration des nouveaux outils compatibles Hadoop permettant d'accéder au Hub France (2014 : Actian, projet 2015 : Talend, Ab Initio, Dataïku) afin d'identifier les outils nous permettant de travailler à la fois dans Hadoop et dans Teradata Dans le cadre des Explorateurs, test des nouveaux gisements de données disponibles dans le Hub France (en 2014 : datas mobile, projet 2015 : CEM).
-Dans le cadre du projet UTE, test de l'apport des données d'usages TV : conception du plan de test d'apport de ces données dans les scores d'appétence, 180 scores de généralisation à l'ensemble des foyers I et/ou M, mise en place de l'interface avec la Smart Data Factory, mise en évidence de la pertinence des scores d'appétence vs scores/marquages d'attraits thématiques, déploiement dès novembre 2014 des scores d'appétence incluant les données issues des logs TV. Début 2015 enrichissement complémentaire avec les données d'usages vod, svod et tvod. Les objectifs visés par ce projet :
-Réalisation de plus de 500 autres scores afin d'améliorer la connaissance client en généralisant l'information connue (ou utilisable car optinée) à l'ensemble des foyers I et/ou M, disponibles sur demande