À propos de Thibault
De formation ingénieur, j'ai travaillé dans l'Oil & Gas, dans l'enseignement avant de me former en Data Science avec Python. Je peux prendre en charge les missions suivantes :
- récupération de données : scraping, appel d'API
- traitement de données : lecture de nombreux formats (csv, txt, xls, json, netCDF, ...), nettoyage et préparation
- visualisation de données : avec les bibliothèques classiques de Python (Matplolib, Seaborn, Plotly, Bokeh), avec une bibliothèque de visualisation géographique (Folium) ou avec Tableau
- Machine Learning : classification, régression, apprentissage supervisé et non supervisé (Scikit-learn)
- création d'application avec Streamlit
Par ailleurs, j'ai une bonne plume, une bonne culture générale et un talent de vulgarisateur qui me permettront de répondre à des missions qui demanderaient plus que des compétences techniques.
N'hésitez pas pas à me contacter pour que nous voyons ensemble comment je peux vous aider !
Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
Allemand
Capacité professionnelle limitée
Accepte de travailler sur site
Versailles (jusqu’à 50 km)
Expériences
- Ocean HackathonProjet MeteoWindENERGIEnovembre 2021 - novembre 2021Champs-sur-Marne, FranceLe projet consistait à réaliser une visualisation géographique sur un périmètre restreint de données sur la vitesse du vent dans un objectif d'aide à la décision pour l'implantation d'éoliennes off-shore (https://www.campusmer.fr/all-challenges-cha05-meteowind-4385-52-0-0.html).En 48 heures, notre équipe de 5 personnes a dépassé l'objectif puisqu'elle a réussi à réaliser un outil interactif de visualisation géographique et temporelle de données météorologiques en mer. Voici les parties sur lesquelles je suis intervenu :● Récupération de données météorologiques à partir d'une API (Copernicus Marine Service)● Conversion de fichiers netCDF en fichiers plats● Data visualisation sous forme de graphiques et de cartes● Développement d'une application web StreamlitNotre équipe a remporté la 3ème place.
- DataScientestModélisation de la consommation électrique et de la production électrique éolienneEDUCATION & E-LEARNINGaoût 2021 - octobre 2021 (3 mois)● Création de jeux de données exploitables : recherche de données des réseaux électriques, de données météorologiques, de données sur les éoliennes installées, nettoyage et préparation des données● Data visualisation● Modèle de prédiction de la consommation électrique comme série temporelle (SARIMA)● Modèles de prédiction de la consommation électrique enrichi par les données météorologiques (KNRegressor, RFRegressor, Ridge, Lasso)● Modèles de prédiction de la production électrique éolienne (LinearRegression, Ridge, Lasso)● Développement d'une application web Streamlit
Avis
Recommandations
AU
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
- Diplôme d'ingénieurENSIC2007Diplôme d'ingénieur en Génie des procédés (Grade de Master)
Certifications
- Data ScientistDataScientest.com2021