Thierry B., Data Scientist / Machine Learning Engineer

Compétences clés

Autres compétences (5)

PhD en Sciences Humaines et Sociales avec une majeure en Stats appliquées, je cumule trois ans d'expérience en Data Science, durant lesquels j'ai acquis une expertise dans la conception de modèle de Machine Learning et de Deep Learning. Par ailleurs, je me suis spécialisé dans le déploiement de modèle de ML/DL en production (MLOps), afin de mettre ceux-ci à disposition des utilisateurs finaux.

⭐ Outils technique :

Programming : Python / SQL

ML / DL : Scikit-Learn / TensorFlow

Backend : Django / Streamlit (small project only)

Frontend : React JS

CI/CD : Git / GitHub / Docker

Provider : Google Cloud Platform

Dataviz : Tableau

POC (Proof of concept) #1

Interface de prédiction médicale

SECTEUR MÉDICAL

octobre 2020 - octobre 2020

Saas de prédiction médicale comprenant deux modules de pathologies (diabète, hypertension) entraînés avec des modèles de Machine Learning et d'un module de cancer entraîné avec un modèle de Deep Learning.

✅ End-to-End Project : De l'entraînement des modèles à la mise en production.

Disponible ici ➡️ http://medicare-aws.herokuapp.com/dashboard/

Deep Learning Heroku Docker Git GitHub MLOps

POC (Proof of concept) #2

Estimateur du prix de l'immobilier (web app)

IMMOBILIER

octobre 2020 - octobre 2020

Cet outil de démonstration se base sur un jeu de données ayant permis la création d'une interface de calcul en temps réel visant à estimer le prix de biens immobiliers afin de les acquérir ou les vendre au juste prix, et anticiper leur valorisation sur le marché.

Veuillez renseigner les paramètres suivants afin d'obtenir une estimation de l'intelligence artificielle pour le prix du bien que vous souhaitez estimer 🏠.

Disponible ici ➡️ https://real-estate-web-app-am.herokuapp.com/

Machine learning Heroku Git GitHub Docker Kubernetes

POC ( Proof of Concept) #3

Interface de prédiction pour accord de prêt

BANQUE & ASSURANCES

septembre 2020 - septembre 2020

Cette interface facilite l'accord d'un prêt et permet d'identifier les personnes présentant un risque de recouvrement. A partir d'un fichier de données provenant d'un établissement bancaire allemand, nous avons pu entraîner un algorithme de machine learning ayant obtenu 72 % de précision.

Disponible ici ➡️ https://accordepret-webapp.herokuapp.com/

Machine learning Heroku Docker Kubernetes Git GitHub

Jessy P. recommande Thierry

Doctorat en Information-Communication

Université des Antilles

2017

The Data Science Course - Complete Cootcamp

365 Data Science

2020

Data Science Data visualisation Big Data Deep Learning

Applied Machine Learning in Python

Coursera

2020

Supervised learning Unsupervised Learning Python