À propos de Xuanzhou
Titulaire d’un Ph.D. en optimisation et statistiques appliquées, XuanZhou dispose de solides compétences en programmation, data management, analyse statistique et data science qui lui permettent d’évoluer avec agilité sur des sujets complexes.
XuanZhou maitrise les logiciels et langages Python, SQL et dispose de plusieurs expériences dans le secteur de l’industrie
Chinois
Bilingue ou natif
Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
Accepte de travailler sur site
Paris (jusqu’à 50 km)
Expériences
- ENGIE - Entreprises & CollectivitésData ScientistENERGIEfévrier 2020 - Aujourd'hui (6 ans et 3 mois)Paris, France- Acquisition, audit et interprétation des données d’ERL (Emetteur Radio Linky)- Études sur les courbes de charges- Proposition des méthodes et implémentation des algorithmes ML pour le service "Ma Conso +" : prévision mensuelle, désagrégation par usage, start & stop ...
- MHISData ScientistVINS & SPIRITUEUXoctobre 2019 - février 2020 (5 mois)Paris, France- Extraction des données de la captation des vignes- Identification des parcelles avec la méthode de clustering- Comparaison des différentes méthodes de contouring- Calcul des indicateurs permettant d'analyser le statut de vigne- Extraction et exportation des données sur l'environnement PROD Cloudera (HDFS)
- EuropcarData ScientistAUTOMOBILEjuillet 2019 - octobre 2020 (1 an et 3 mois)Paris, France- POC « One Group Customer »- Développement / Industrialisation des calculs de KPIs au sein du service « Connaissance Client »
Recommandations
Soyez le premier à recommander Xuanzhou
Contribuez à la réussite de ce freelance en partageant votre expérience de collaboration avec lui.
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
- Master en Électronique, Électrotechnique et AutomatiqueUniversité Paul Sabatier2010
- Ph.D. en Optimisation et Statistiques AppliquéesUniversité de Technologie de Troyes2013Cette thèse traite de la détermination de classes de systèmes selon leur mode de vieillissement dans l’objectif de prévenir une défaillance et de prendre une décision de maintenance. L’évolution du niveau de dégradation observée sur un système peut être modélisée par un processus stochastique paramétré. Un modèle usuellement utilisé est le processus Gamma. De plus, on s’intéresse au cas où tous les systèmes ne vieillissent pas identiquement et le mode de vieillissement est dépendant du contexte d’utilisation des systèmes appelé ensemble de covariables. Il s’agit alors de regrouper les systèmes vieillissant de façon analogue en tenant compte de la covariable et d’identifier les paramètres du modèle associé à chacune des classes
Certifications
- Dataiku DSS L2 AdvancedDataiku2019
- AWS Certified Cloud PractitionerAWS2022