Description

Ayant commencé mon cursus par une classe préparatoire MP pour ensuite intégrer Télécom Sudparis , j'ai acquis une forte connaissances en mathématiques qui m'a ensuite conduit vers la datascience.

J'ai commencé ma première expérience à IBM ou j'ai conduit de nombreux projets de datascience allant de la maintenance predictive , text mining , reconnaissance d'images .Ensuite j'ai intégré les équipes de TNP en tant que Datascientist senior pour leader sur des problématiques datascience .

J'ai effectué ma première mission en tant que freelance à la société générale .

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 10 km), Paris (jusqu’à 10 km)

Société Générale
DataScientist Senior
BANQUE & ASSURANCES
avril 2020 - novembre 2022 (2 ans et 7 mois)
Paris, France
-Détection Anomalie : Identifier des comportements anormaux d'une personne sur ses notes de frais.
En utilisant l'analyse comportementale segmenté sur les départements et sur les catégories de notes de frais, on crée des indicateurs statistiques (le Z-score) permettant de mettre en exergue les personnes ayant un comportement atypique.
On restitue ensuite nos résultats sous forme de Dashboard afin que les contrôleurs puissent utiliser nos résultats plus facilement.

-Classification des factures : Déterminer si une facture a été attribué au bon compte comptable.
On détermine les classes de comptes existant pour ensuite prédire à l'aide des caractéristiques de la factures la classe du compte.
On monitore ensuite le modèle de machine learning via mlflow pour monitorer sa performance au cours du temps, les résultats sont ensuite restitués sous forme de Dashboard.

-Prédiction de la consommation de liquidité intradays de la banque
Analyse comportementale par contrepartie , type de flux.
Détection d'anomalies par famille en temps réel .
Docker Spark Airflow PostgreSQL
Tnp consultants
Senior Data scientist
CONSEIL & AUDIT
septembre 2018 - mars 2020 (1 an et 6 mois)
Neuilly-sur-Seine, France
Encadrement technique de l’équipe data science.
Recueil du besoin métiers ainsi que les spécifications fonctionnelles et
techniques.
Création de datalab aws sagemaker pour environnement de développement
-Développement d’une solution complète de dynamic pricing de voiture sur
le cloud intégrant une interface web et un modèle évolutif de machine
learning
Python Docker Amazon Web Services
IBM
Data scientiest
CONSEIL & AUDIT
janvier 2016 - septembre 2018 (2 ans et 8 mois)
Bois-Colombes, France
Maintenance prédictive : Renault (6 mois)
- Étude d’une chaine de fabrication de voiture afin d’améliorer le rendement des machines.
- Analyse séquentielle de messages d’erreurs, de warnings et d’informations pour déterminer une suite récurrente provenant avant une panne. Regroupement des pannes sous différents labels, analyses avec le métier du lag pertinent pour identification de séquence pertinente.
- Mise en production des séquences retenues.

Prévision de surconsommation d’énergie : EDF (4 mois)
- Enrichissement de la base de données avec des flux de données météorologique (IBM possédant Weather Company)
- Développement et déploiement du modèle permettant de prédire la surconsommation d’énergie.

Challenge interne : IBM (2 mois)
- Utilisation de la théorie des graphes sur le réseau RATP afin de définir le point de regroupement le plus proche pour 2 personnes.
-
Maintenance prédictive : Faurecia (1an)
- Étude de la fabrication de pièce de voiture à l’aide de données paramétriques.
- Analyse descriptive détaillés des différentes performances de chaque usine, machine et mise en production
de compte rendu PDF envoyé par mail quotidiennement.
- Détection d’anomalie paramétriques sur les machines afin d’alerter les opérateurs.
- Optimisation des paramètres (température, pression …) à l’aide d’arbres de décisions afin d’améliorer le rendement de pièces.
- Clustering multi paramètres pour détecter les patterns provenant avant une panne.

Classification de documents : Ministère des armées (6mois)
- Intégration de plusieurs solutions sur le marché (Proxem, ESRI …).
- Optimisation d’un moteur de recherche première génération avec des techniques NLP pour une meilleure réactivité /planification des officiers.
Python Docker