Ismahen - Data Scientist SQL
Ref : 180618K001-
13013 MARSEILLE
-
Data Scientist (30 ans)
-
Télétravail uniquement
-
En profession libérale
EXPÉRIENCES PROFESSIONNELLES ( MISSIONS EN FREELANCE )
Septembre 2022 – Aujourd’hui Kedge Business School
Enseignante d’Intelligence Artificielle
Création d’une société de conseil
• Elaboration du syllabus
• Conception et planification des supports de cours et examens
Octobre 2021 – Aujourd’hui Solvay
Data Engineer / Data Scientist Senior
Optimisation de la tarification et maximisation de la marge
• Optimisation de la tarification et maximisation de la marge (Machine Learning)
• Recueil du besoin client et création d’une Webapp
• Mise en place d’une stratégie adaptée
• Extraction, mise en forme et exploitation de données
• Mise en place et gestion du planning projet
• Migration des données sur GCP
• Migration de projets vers Dataiku
• Extraction, mise en forme et exploitation de données
• Mise en place et gestion du planning projet
→ Augmentation du chiffre d’affaires de 210 millions d’euros pour l’année 2022
Juillet 2018 – Septembre 2021 TF1 GROUP - Gamned
Lead Data Scientist
Mission : Mise en place de la stratégie & de l’infrastructure Data
• Recueil et analyse des besoins métiers
• Évaluation, chiffrage des évolutions
• Rédaction de dossier de recherche scientifique en vue de brevet et CIR
• Choix des technologies (Analyse de coûts et performance)
• Conception de modèles prédictifs
• Création d’algorithmes d’automatisation de type RTB (Real Time bidding)
• Optimisation et supervision des jobs déjà existants
• Proposition de solutions afin d’améliorer le SI existant (revue de l’architecture applicative)
• Revue du code afin d’améliorer les performances
• Homologation fonctionnelle des évolutions
→ Gestion d’un budget de 7 millions d’euros. Augmentation de la marge nette de 37%
Avril 2018 - Juillet 2018 Capgemini
Data Scientist
Mission pour Webikeo : Mise en place de systèmes de recommandation
• Recueil du besoin
• Collecte et Nettoyage des données
• Consolidation, ACP et Factorisation de matrices
• Gestion des sparce matrices problems
• Mise en place d’un algorithme de type « content based »
• Mise en place d’un algorithme de type « filtrage collaboratif »
• Mise en place de solution « Hybrid combined »
• A/B testing
Mai 2017 - Septembre 2017 Blue DME
Data Scientist
Mission pour RENAULT : Scoring de chaleur en vue d’un reciblage (emailing et téléphonique)
• Collecte des données
• Nettoyage et Analyse des données
• Normalization des données
• Classification et prédiction avec les algorithmes de Data Mining
→ Reciblage de 91% des prospects potentiels. Augmentation des leads de 22%
Mission pour PGA MOTORS (Porsche, Audi, Volkswagen) : Segmentation de marché
• Collecte, Nettoyage et Analyse des données
• Normalisation de la data
• Web Scrapping
• Création de personae (méthode RFM + Machine Learning)
• Classification et prédiction avec les algorithmes de Data Mining
→ Segmentation de la clientèle des 600 000 clients annuels.
Septembre 2016 - Avril 2017 Chambre de Commerce et d’industrie
Data Scientist (Projet de fin d’études)
Mission : Digitalisation des procédures de la CCI
• Estimation de la valorisation des entreprises à céder
• Prédiction des cessions d’entreprises
• Système de recommandation
Entreprise : La Centrale
Poste : Data Scientist
Mission : 10/2014 (3 mois)
Mise en place d’un pricing automatisé :
Mission effectuée pour la société de vente de véhicules en ligne. Le but étant de prédire le prix des véhicules d’occasion en ligne à l’aide de la description des véhicules
(Marque, Modèle, Année…).
6% de MAPE obtenue (attente client : MAPE inférieur à 15%)
Technologies utilisées : Python, AWS
Entreprise : Webikeo
Poste : Data Scientist
Mission : 03/2015 (3 mois)
Systèmes de recommandation :
Réalisation de 3 systèmes de recommandation (inspirés du modèle Netflix), algorithme de popularité, content based algorithm ( basé sur le contenu des vidéos), collaborative filtering ( filtrage collaboratif : basé sur la similarité des client de la base de données)
Technologies utilisés : Python, HTML, CSS, JavaScript, PHP , KNN(ScikitLearn)
Entreprise : Renault (India)
Poste : Data Scientist
Mission : 09/2015 (6mois + 3mois)
Prédire l’achat d’un véhicule à partir du site web :
Scoring de chaleur : A partir du parcours client sur le site web prédire la probabilité
que ce dernier achète un véhicule. A la suite de l’algorithme prédictif, 82% de bonnes
prédictions (Attente client : 75% de bonnes prédictions)
Technologies utilisées : Python, MongoDB, AWS, Hadoop
Entreprise : PGA MOTORS
Poste : Data Scientist
Mission : 09/2017 (4 mois)
Segmentation de marché :
Segmentation du marché des clients de PGA Motors Dans le but d’affiner le mailing et d’augmenter la connaissance du client, approche microéconomique : analyse des comportements du client et recoupe des comportements similaires
Algorithmes utilisés : J'ai utilisé, entre autre : K-means ,KNN (Python, ScikitLearn)
Entreprise : Solutions Makers
Poste : Data Scientist
Mission : 09 /2014 -
Participation au lancement d’une startup d’edition de logiciels, Collecte et analyse statistique des données, Web scrapping, Data Vizualisation, Optimisation de problems.
Technologies utilisés : Python, MongoDB, MySQL
PROJETS ÉTUDIANTS
Projet de fin d'études : Chambre de Commerce Et D’Industrie (6 mois)
- Estimer la valorisation d’une entreprise à céder
- Prédire la cession d’une entreprise
- Système de recommendation hybride
Projet première année : CNRS
Insertion des pays de la Zone Euro
Participation à la publication d’un papier sur l’integration au sein la zone euro du Dr Gilles Dufrenot ( Analyse Econométrique)
COMPÉTENCES
Logiciels SAS / STATA / Gretl / Rats
Programmation
Langages : Python, R, Ecosystème HADOOP( Spark, Hive, Pig), Scala
Bases de données : SQL, MySQL, PostgreSQL, MongoDB, Redshift
Gestion de versions : GIT
Systèmes Windows, Linux / UNIX
Techniques Analyse statistique des données (analyse en composantes principales), Algorithmes de régression (régression linéaire et polynomiale),
Machine learning / Prédiction (SVM linéaire et non-linéaire, régression logistique, réseau de neurones, boosting/bagging, arbres de décision,
notions en apprentissage profond, etc.), Algorithmes de « groupement »
(k-means et mean-shift), Optimisation de problèmes (descente de gradient, problèmes quadratiques, etc.) Algorithmes de détection d'anomalies (outliers).
FORMATION
09/17 Ecole Centrale Marseille – Finance et Assurance
Diplôme d'ingénieur généraliste (Finance de marché, Actuariat, Informatique, mathématiques appliquées)
09/14 Magistère Ingénieur Economiste (GREQAM / CNRS) (Double Cursus)
Spécialité Big Data, Finance, Econométrie, Statistiques, Mathématiques, Microéconomie, Finance Internationale, Economie de l’Innovation