Description

Data Scientist avec 5 ans d’expérience, j’ai mené de nombreux projets personnels et clients en parallèle de mes missions et je suis disponible pour des missions à plein temps ou ponctuelles.

Après 10 années passées dans les départements simulation et calculs de constructeurs et d’équipementiers automobiles, j’ai entrepris une reconversion vers la data science il y a 6 ans.

Après une première expérience en CDI chez Neossys, où j’ai développé des scrapers et conçu les premières solutions de machine learning et de NLP de la startup, j’ai choisi de revenir au freelancing. J’ai ensuite accompagné C-Ways sur des sujets de connaissance client, développé des algorithmes d’anomaly detection pour la RATP, puis travaillé chez ArcelorMittal sur des projets de forecasting et de pricing.

Plus récemment, j’ai collaboré avec Mediaperformance sur des problématiques de mesure de performance marketing, de modélisation, d’A/B testing et de construction d’indicateurs décisionnels, ainsi qu’avec Veesion, où j’ai contribué à l’évaluation et au monitoring de modèles de machine learning en production dans un contexte de computer vision.

En parallèle, j’interviens régulièrement au bootcamp de data science d’Artefact, où j’anime deux semaines de formation, l’une dédiée au machine learning non supervisé et l’autre au NLP.

Enfin, j’ai mené plusieurs projets personnels et entrepreneuriaux : une application pour une agence de publicité permettant de construire des campagnes Google Ads via le scraping et l’IA, un projet d’accompagnement d’e-commerçants centré sur la performance et la connaissance client, ainsi qu’un SaaS d’enrichissement de données CRM B2C et de génération de personas grâce à la data science et à l’IA.

Je serais ravi de poursuivre ma carrière au sein de votre entreprise et d’y mettre à profit mon expertise en data science, au service de problématiques concrètes et à fort impact.

Domaines d’expertise

Langues

Anglais
Capacité professionnelle complète
Italien
Capacité professionnelle complète
Français
Bilingue ou natif

Préférences en matière de lieu de travail

Accepte de travailler sur site

Metz (jusqu’à 50 km), Paris (jusqu’à km), Luxembourg (jusqu’à 20 km)

Enree.ch
Développement d'applications data science / IA
E-COMMERCE
septembre 2024 - Aujourd'hui (1 an et 9 mois)
Enreech est une solution SaaS permettant aux entreprises d’e-commerce et aux agences avec qui elles travaillent de mieux comprendre leur base clients.
Pour cela, Enreech enrichit et segmente les bases de données clients à l’aide de sources externes et d’algorithmes de segmentation.

Stack technique et architecture
Streamlit pour l’interface utilisateur de l’application.
Next.js pour la homepage, les landing pages et le blog
API développées en Python (Flask) et déployées sur cloud run
Google BigQuery pour le stockage, la requêtage et l'agrégation des données client enrichies.
Pub/Sub pour la gestion de la messagerie asynchrone.
Déployé sur Google Cloud Run.
Algorithmes de segmentation client "maison" développés spécifiquement pour cet usage.
Authentification et gestion des utilisateurs via Firebase Auth.
Génération de rapports et de descriptions de personas via Gemini.
Fonctionnalités clés
Enrichissement automatique des profils clients en croisant des sources externes et internes.
Segmentation avancée basée sur les données enrichies et création de personas incarnés et riches.
Résultats
Développée en 3 mois (soir et week-end).
Déjà plusieurs marques e-commerce satisfaites.
Google cloud Python Next.js Streamlit Gemini intelligence artificielle IA générative Python Flask
ArcelorMittal
Data Scientist
INDUSTRIE MATIÈRES PREMIÈRES
avril 2024 - Aujourd'hui (2 ans et 2 mois)
Luxembourg, Luxembourg
Au sein du département CMO d'ArcelorMittal, l’équipe Data Science est chargée de développer des modèles permettant aux équipes commerciales d’optimiser les prix proposés aux clients. Elle est également responsable de la création de dashboards intelligents facilitant la prise de décision pour les équipes business. Dans ce cadre, je suis responsable du dashboard dédié à la projection des prix futurs, basé sur des indices de prix. Ce
dashboard intègre des prévisions de ces indices sur une période de trois mois, offrant un support stratégique aux équipes commerciales.
J’ai également développé un package de forecasting permettant de comparer et tester facilement différents modèles, d’optimiser leurs paramètres, et d’intégrer des variables exogènes issues de diverses sources. Ce package est actuellement en production et utilisé quotidiennement par les utilisateurs finaux.
Machine learning Time Series Forecasting Tableau software
RATP
Data Scientist
TRANSPORTS
mars 2023 - avril 2024 (1 an et 2 mois)
Paris, France
Dans le cadre du développement de l’application interne utilisée par les techniciens pour suivre la maintenance des trains, la RATP a fait appel à des data scientists afin de mettre en place des algorithmes d’anomaly detection pour identifier les interventions à effectuer parmi les nombreux messages de défauts envoyés par les trains.
Après une phase exploratoire portant sur l’analyse des données à disposition, j’ai construit un algorithme d’anomaly detection permettant d’identifier les codes de defaut les plus pertinents.
Dans le cadre de l’amélioration et la standardisation des pratiques dans l’équipe data science, j’ai participé au développement d’un package interne permettant aux data scientists d’analyser les données et de construire les modèles de manière plus rapide, robuste et reproductible. Ce qui permet de déployer ces modèles plus rapidement sur de nouvelles lignes et de nouveaux matériels.
Data science Anomaly Detection