À propos de Yann
J’aide les entreprises à réduire leurs pertes financières en détectant les anomalies et en anticipant les risques, avec des modèles réellement utilisés en production.
La plupart des modèles ne sont jamais exploités.
Mon rôle : transformer vos données en outils de décision concrets et utilisés au quotidien.
🎯 J’interviens sur :
- Détection d’anomalies (fraude, dérives, incidents)
- Scoring et modélisation du risque
- Prévision et anticipation (pannes, comportements, tendances)
💡 Exemples récents :
- Maintenance prédictive → réduction des arrêts machines
- Scoring → identification des profils à risque
- Monitoring → détection de dérives en production
⚙️ Approche :
De l’analyse à la mise en production (MLOps), avec un focus constant sur l’impact métier et l’adoption des modèles.
💡 Méthodologie : collaboration pragmatique, rituels simples et suivi concret de l’impact métier.
Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
Accepte de travailler sur site
Dijon (jusqu’à 50 km), Rochefort (jusqu’à 50 km), La Rochelle (jusqu’à 50 km), Les Sables d'Olonne (jusqu’à 50 km)
Expériences
- ELITE BEES
Sur Malt
Data ScientistAUTOMOBILEjanvier 2025 - Aujourd'hui (1 an et 5 mois)Missions récurrentes en data sur des opérations marketing ciblées à partir de bases clients volumineuses.Mes contributions :- Extraction, nettoyage et standardisation des bases clients via Python/Pandas, en respectant des critères complexes de sélection.
- Automatisation des tâches de manipulation, filtrage et export de données sous contraintes de qualité et de délai.
- Livraison des résultats sous formats Excel prêts à l’emploi, avec documentation claire pour le client.
- Objectifs qualitatifs atteints à 100 % (critères, déduplication) et objectif quantitatif dépassé de 15 %.
- Résultat : 3 clients sur 4 ont signé un bon de commande à l’issue des premières collaborations.
- DataTalks.ClubData Scientist – Data Engineering & MLOpsEDUCATION & E-LEARNINGseptembre 2024 - août 2025 (11 mois)Réalisation de 5 projets avancés dans le cadre des Zoomcamps DataTalks.Club, centrés sur l’industrialisation des modèles ML et l’ingénierie de données :
- MLOps – Mise en production complète d’un modèle ML avec pipeline automatisé (Prefect, Docker), suivi des expériences (MLflow) et monitoring (Evidently).
- Finance – Optimisation de portefeuilles – Pipeline cloud (dbt, BigQuery) pour la collecte et l’analyse de données financières, avec dashboard décisionnel.
- Finance – FinMLOps – Industrialisation d’un modèle de trading : ingestion automatisée (yfinance), suivi des expériences (MLflow) et CI/CD pour déploiement reproductible.
- Industrie – Modèle prédictif de défaillance d’équipements industriels à partir de données IoT, déployé via API.
- Finance/Risques – Modélisation de la détresse financière d’entreprises à partir de données historiques, avec tuning et interprétabilité des résultats.
- IndépendantChasseur de Valeurs – Data Scientist InvestisseurCAPITAL-INVESTISSEMENTjuillet 1994 - Aujourd'hui (31 ans et 11 mois)Dijon, FranceDéveloppement d’algorithmes d’investissement pour faire croître des portefeuilles défiscalisés (assurance-vie, PEA, PEA-PME).Mes contributions :
- Collecte de données sur ETF et OPCVM
- Allocation dynamique selon le profil de risque et le comportement des valeurs
- Arbitrages, purges et rééquilibrages hebdomadaires
- Performances sur 8 ans : +271% (assurance-vie), +243% (PEA), +42% (PEA-PME)
Avis
Recommandations
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
- Machine Learning ZoomcampDataTalks.Club2025La première partie du cours couvre les algorithmes d'apprentissage automatique implémentés en Python, notamment la régression linéaire, la classification, les arbres de décision, l'apprentissage d'ensemble et les réseaux neuronaux. La deuxième partie se concentre sur le déploiement de modèles à l’aide de frameworks tels que Flask, TensorFlow et Kubernetes, permettant une application pratique de l’apprentissage automatique dans des scénarios réels.
- Data ScientistOpenClassrooms2023Collecter, préparer, explorer et analyser les données avec Python Élaborer des modèles prédictifs et les déployer sur le cloud Communiquer les résultats grâce à des visualisations
Certifications
- Machine Learning ZoomcampDataTalks.Club2025
- Data ScientistOpenClassrooms / CentraleSupélec2023