Saïd - CDO /Head of data /Expert SAS/Expert Data science & Artificiel Intelligence
Ref : 030605A003-
75016 PARIS
-
Assistant à maîtrise d'ouvrage, Data Scientist (51 ans)
-
Totalement mobile
-
Freelance
Expérience professionnelle de 20 ans
YOBITRUST DEPUIS AOUT 2017
Chief Data Ofcer (Equipe entre 35 et 45 Ingénieurs et Phd)
1. Leadership, approche business et opératonnelle,DevOps , Méthode Agile (scrum).
2. Créaton du centre de Formaton «Big Data, Data Science &AI »
3. Encadrement de Stage de fn d'étude (PFE Master et Ingénieur)
4. Créaton d’un Data Innovaton Lab’s (DSAI Lab’s)
5. Créaton d’une chaire DSAI en partenariat avec l'université (UTM)
6. Développement de partenariat
Directon fonctonnel et technique de projets Industrie 4.0 et Cybersécurité
7. Mise en place d'une architecture Big Data pour le traitement de données multmédia et
multmodales en grande dimension.
8. Concepton d’un robot intelligent mult-capteur (reconnaissance facial, vocal, obstacle).
9. Développement d’algorithmes d'apprentssage automatque de détecton d'intrusion
dans les systèmes Scada.
10. Développement d'algorithmes IA embarquées de détecton d'objets.
11. Développement d'algorithme de détecton d'intrusion via le Machine& Deep Learning.
12. Concepton d'objets connectés (IoT) pour la détecton du son» via le Deep Learning.
13. Système de sécurité embarquée basé sur la reconnaissance vocale .
14. Implantaton d'une plateforme embarquée (Edge Computng & HybrideCloud) pour le
traitement, l’analyse et le stockage de données industrielle hétérogènes en temps réel.
Directon fonctonnel et technique de projets en Biotechnologie
15. Développement d'une API (cross plateforme) pour le traitement des données médicales
dans un environnement IA et Big Data.
16. Développement d’algorithme pour le traitement des données structurées et non
structurées (texte, image) dans un cadre médicale et biométrique.
17. Implémentaton de classifcateurs via le Machine& Deep Learning dans un
environnement technique Big Data et IOT dans le domaine de la santé.
ENVIRONNEMENT TECHNIQUE :
MULTIVARIATES EXTREME VALUE,MACHINE LEARNING & DEEP LEARNING,MASSIVE PARALLEL PROGRAMMING ON GPU
DEVICES FOR BIG DATA (SCIKIT LEARN, PYTORCH, THEANO, KERAS , TENSORFLOW ,CNTK).HADOOP & SPARK (MAPREDUCE,
YARN, HDFS,HIVE ,HBASE PIG,PYSPARK, SPARKSQL, MLLIB, GRAPHX, SCALA,KAFKA…) EDGE COMPUTING & IOT VIA
KUBERNETES,REACT NATIVE,NODE JS,MONGO DB
Yobitrust depuis aout 2017
Chief Data Officier (Equipe entre 22 et 35 Ingénieurs et Phd)
1. ManagementDevOps
2. Création du centre de Formation «Big Data, Data Science &AI »
3. Création d’un Data Innovation Lab’s (DSAI Lab’s)
4. Création d’une chaire DSAI en partenariat avec l'université de Tunis el Manar (UTM)
********-2611-utm-chaire-scientifique-et-industrielle-dans-le-domaine-de-la-science-des-donnees-et-de-l-intelligence-artificielle
5. Développement de partenariat
Direction fonctionnel et technique de projets en Biotechnologie
1. Développement d'une API cross plateforme pour le traitement des données médicales dans un environnement Big Data.
2. Développement d’algorithme pour le traitement des données structurées et non structurées (texte, image) dans un cadre médicale et biométrique.
3. Implémentation de classificateurs via le Machine Learning et le Deep Learning dans un environnement technique Big Data et IOT dans le domaine de la santé.
Direction fonctionnel et technique de projets Industrie 4.0
6. Mise en place d'une architecture Big Data pour le traitement de données multimédia et multimodales en grande dimension pour l'industrie 4.0.
7. Conception d’un robot intelligent multi-capteur (reconnaissance facial, vocal, obstacle).
8. Développement d’algorithmes d'apprentissage automatique de détection d'intrusion dans les systèmes Scada (industrie 4.0 et cybersécurité).
9. Développement d'algorithmes « IA embarquées » de détection et de reconnaissance d'objet en industrie 4.0.
10. Développement d'un algorithme de détection d'intrusion via le Machine Learning et Deep Learning (Cybersécurité).
11. Conception d'objets connectés (IoT) pour la détection du « son » via le traitement du signal et le Deep Learning.
12. Système de sécurité embarquée basé sur la reconnaissance vocale (Cybersécurité).
13. Implantation d'une plateforme embarquée (Edge Computing & HybrideCloud) pour le traitement, l’analyse et le stockage de données industrielle hétérogènes en temps réel.
Environnement technique :
MULTIVARIATESEXTREME VALUE,MACHINE LEARNING & DEEP LEARNING,MASSIVE PARALLEL PROGRAMMING ON GPU DEVICES FOR BIG DATA(SCIKIT LEARN, PYTORCH, THEANO, KERAS , TENSORFLOW ,CNTK).HADOOP ET SPARK (MAPREDUCE, YARN, HDFS,HIVE ,HBASE PIG,PYSPARK, SPARKSQL, MLLIB, GRAPHX, SCALA,KAFKA…)
Co-fondateur de la SAS Maison des mathématiques (MDM) Depuis Mars 2012
Directeur Scientifique et Innovation
1. Management du risque – identification des risques projet & mise en place d’une méthodologie (classification, plan d’actions et capitalisation sur les résultats) 2. Étude de faisabilité & analyse des risques (coûts, qualité, délais) 3. Calcul du ROI (amélioration continue) 4. Formalisation des reporting sur le suivi d’avancement (plannings & livrables) 5. Animation des instances & gestion de la communication 6. Définition des axes stratégiques à développer – choix & préconisation de l’architecture.
Chief Data Scientist Officer
7. Construction de l’architecture BIG DATA – 10 <> 100 Tera Octets. 8. Prétraitement & calibrages des données 9. Conception et implémentation de l'architecture Big Data du groupe SCOR (2016- 2017) 10. Conception du programme et mise en œuvre de la Formation «Big Data,Data Science » pour le compte de la société FITEC, Pôle emploi et SSII (150 personne entre 2015-2016) 11.Implémentation de solutions pour la détection des comportements malveillants au sein du Cloud via des méthodes d'apprentissage statistique appropriées (2013-1014) 12.Initiateur du projet H2020 Scissor en 2014( Security In trusted SCADA and smart-grids ********/?p=424)
Environnement technique:
MULTIVARIATESEXTREME VALUE,MACHINE LEARNING & DEEP LEARNING,MASSIVE PARALLEL PROGRAMMING ON GPU DEVICES FOR BIG DATA(SCIKIT LEARN, PYTORCH, THEANO, KERAS , TENSORFLOW ,CNTK).HADOOP ET SPARK(MAPREDUCE, YARN, HDFS,HIVE ,HBASE PIG,PYSPARK, SPARKSQL, MLLIB, GRAPHX, SCALA,KAFKA…)
FITEC JANVIER 2016
Formateur Big Data
Projet : formation Big Data pour ingénieurs expérimentés
DOMAINE D’INTERVENTION :
Conception du programme (cours et Tp)
Ecosystéme Hadoop (MapRecude, Yarn,HDFS,Hive,HiveQL,PIG,Python)
Ecosystéme Spark (spark Core,spark SQL,Mlib,GraphX,Scala,R,Ptython)
Base de données NoSQL (MongoDB,Hbase,OrientDB,Redis,Elasticsearch..)
ENVIRONNEMENT TECHNIQUE : LINUX, VIRTUALBOX, AWS
ALLIANZ ACTUARIAT SEPTEMBRE 2015- DECEMBRE 2015
Consultant Solvability II
Projet : TECHDB conception des items solvability II
DOMAINE D’INTERVENTION :
spécifications fonctionnelles
membre du comité de pilotage
implémentation des indicateurs via SEG
Recette & déploiement
ENVIRONNEMENT TECHNIQUE : WINDOWS, MVS, SAS GUIDE, SAS V9, SAS/BASE-MACRO-STAT, SAP.
MDM DEPUIS MARS 2012
Directeur de projet (Chief Data Scientist officier )
Projet: Cybersécurité
Implémentation d’une solution pour la détection de comportements malveillants au sein du Cloud. Pour répondre à cet objectif, notre programme scientifique et technique est centré sur des nouvelles méthodes de modélisation statistiques et d’algorithmes appropriées aux données hétérogènes (structurées et non structurées) en très grandes dimensions.
DOMAINE D’INTERVENTION :
Chief Data Scientist officer
Définition des axes stratégiques à développer – choix & préconisation de l’architecture
Choix des partenaires éditeurs de logiciels, notamment Open source
Management du risque – identification des risques projet & mise en place d’une méthodologie (classification, plan d’actions et capitalisation sur les résultats)
Étude de faisabilité & analyse des risques (coûts, qualité, délais)
Calcul du ROI (amélioration continue)
Suivi budgétaire, allocation des ressources & gestion de la planification
Formalisation des reporting sur le suivi d’avancement (plannings & livrables)
Animation des instances & gestion de la communication
Data Scientist (spécialiste de la donnée)
Construction de toute l’architecture BIG DATA – 10 <> 100 Tera Octets
Prétraitement & calibrages des données – données structurées et non structurées
Reporting – requête et restitution de donnée (contrôle et homogénéisation de la qualité)
Modélisation statistique
Tests et validation de la solution
ENVIRONNEMENT TECHNIQUE :
ECOSYSTEMEHADOOP (MAPRECUDE,YARN,HDFS,HIVE,HIVEQL,PIG,PYTHON),
ECOSYSTÉME SPARKE (SPARK CORE,SPARK SQL,MLIB,GRAPHX,SCALA,R,PTYTHON)
BASE DE DONNEES NOSQL (MONGODB, HBASE,ORIENTDB,REDIS,ELASTICSEARCH..)
CLOUD COMPUTING
EOLEN SEPTEMBRE 2011 –FEVRIER 2012
Directeur de la practice BI
Ex de projet pour Natixis : Audit et modélisation du paramètre « Perte en cas de défaut »
DOMAINE D’INTERVENTION
Management d’un département (aspects humains, budgétaires, organisationnels et techniques)
Management de projets (Estimation des charges, gestion du planning, du budget, des hommes, qualité des livrables, garant du respect des engagements pris avec le client)
Veille économique et technologique, étude et négociation de projets
Développement de la gamme d’offres de prestations de services
Développement de partenariat
ENVIRONNEMENT TECHNIQUE : LINUX, WINDOWS, SAS V9 SAS/BASE-MACRO-STAT-IML, SAS ENTERPRISE MINIER, SAS ENTERPRISE GUIDE, QLIKVIEW, MS PROJECT
E-BUSINESS MLBM OCTOBRE 2010-AOUT 2011
Chef de Projet MOA/MOE
Projet : Analyse comportementale des visiteurs du site et Modèle prédictif d’achat en ligne
DOMAINE D’INTERVENTION :
Rédaction des spécifications fonctionnelles
Modélisation statistiques & implémentation du code SAS
Recette & déploiement
ENVIRONNEMENT TECHNIQUE : WINDOWS, SAS/BASE-MACRO-STAT, SAS IML, SAS EM
FNAIM JUILLET 2010- SEPTEMBRE 2010
Directeur de Projet MOA/MOE
Projet : Modélisation et analyse statistique de la base de données du prix de l’immobilier
DOMAINE D’INTERVENTION :
Rédaction des spécifications fonctionnelles
Conduite de projet, animation et encadrement des différents acteurs du projet (métiers, organisation, informatique, utilisateurs...)
Recette et formation utilisateur
ENVIRONNEMENT TECHNIQUE : WINDOWS, SAS V9 SAS/BASE-MACRO-STAT, SAS IML, SAS ENTERPRISE MINIER
ALLIANZ OCTOBRE 2009–JUIN 2010
Chef de Projet (Work Stream Leader)
Projet : Mise en place du nouveau système d’information et intégration des bases comptable
DOMAINE D’INTERVENTION :
Implémentation de programme d’analyse statistique et comptable
Conduite de projet, animation et encadrement des différents acteurs du projet (métiers, organisation, informatique, utilisateurs...)
Formation utilisateur
ENVIRONNEMENT TECHNIQUE : WINDOWS, MVS, SAS V9.2 SAS/MACRO-STAT, MS PROJECT
ARVATO SERVICE JUILLET 2009–SEPTEMBRE 2009
Chef de Projet Marketing Analytique
Projet : Création d’un Datamart marketing, classification des données et implémentation du modèle de score
DOMAINE D’INTERVENTION :
Implémentation de programme d’analyse statistique et comptable
Conception du «Datamart»
Segmentation du marché via des méthodes de « classification »
Création d’un modèle de score implémenté sur toute la base d’étude
Réalisation de rapports finaux
ENVIRONNEMENT TECHNIQUE : WINDOWS XP, SAS V9 SAS/BASE-MACRO-STAT SAS IML, SAS ENTERPRISE MINIER, SPAD7, SPSS, MS PROJECT
CONSORTIUM CAP DIGITAL : THALES, EADS, CEA, IBM… AOUT 2007-JUIN 2009
Directeur de Projet R&D
Projet : ******** vise à mettre en place une plate-forme qui couvre les grands domaines fonctionnels et techniques de l’analyse de l’information que sont la recherche et l’indexation, l’extraction de connaissances et la fusion d’informations multimédias hétérogènes.
DOMAINE D’INTERVENTION :
Rédaction des spécifications fonctionnelle
Modèle statistique en vue de la Recherche, l’Extraction, l’Analyse et la Fusion d’informations (Image vidéo, texte, voix, numérique).
ENVIRONNEMENT TECHNIQUE : LINUX, SAS/MACRO-STAT, SAS IML, SAS EM, R, PYTHON,
GROUPAMA ASSURANCES NOVEMBRE 2008-FEVRIER 2009
Chef de Projet Etude Quantitative
Projet : Enquête d’opinion et étude quantitative du verbatim
DOMAINE D’INTERVENTION :
Suivi quotidien des taux de retour et intégration des bases
Paramétrage Ethnos intégration des bases et validation
Préparation du classeur d’analyses statistiques
Intégration des fichiers de saisie finaux dans Ethnos
Analyse du verbatim (text mining)
Recette et Formation utilisateur
ENVIRONNEMENT TECHNIQUE : WINDOWS XP, SAS V 8.2 SAS/BASE-MACRO-STAT, SPAD7, ETHNOS 5.5
GIE CARTE BANCAIRE RISQUE MANAGEMENT AVRIL 2007–JUILLET 2007
Expert Statisticien/SAS
Projet : Analyse comportemental de la fraude via les moyens paiements électroniques sur le web
DOMAINE D’INTERVENTION :
Audit des fichiers historique de la fraude
Rédaction des EDB & élaboration de modèles prédictifs pour détecter la fraude
Recette et Formation utilisateur
ENVIRONNEMENT TECHNIQUE : WINDOWS XP, SAS V9 SAS/BASE-MACRO-STAT, SAS IML, SAS ENTERPRISE MINIER, R
L’OREAL DECEMBRE 2005-MARS 2007
Chef de Projet Statisticien MOA/MOE
Projet : Création d’un logiciel de modélisation prédictif pour traiter les délais des brevets
DOMAINE D’INTERVENTION :
Rédaction des spécifications fonctionnelle détaillée
Création et implémentation de modèle statistique prédictif avec interface orienté objet
Recette et formation utilisateur
ENVIRONNEMENT TECHNIQUE : WINDOWS, SAS V9 SAS/BASE-MACRO-STAT, SAS IML, SAS
ENTERPRISE MINIER, ENTERPRISEGUIDE 4.0, R, VISUAL STUDIO 2003, C#, VB.NET
GAZ DE FRANCE R&D OCTOBRE 2005 - FEVRIER 2006
Chef de Projet statisticien MOA/MOE
Projet : Construction de modules de prétraitement et d’analyse de données pour la prévision de la consommation des ménages
DOMAINE D’INTERVENTION :
Rédaction des spécifications fonctionnelle
Implémentation complexe d’algorithme de modèle prédictif.
Recette
ENVIRONNEMENT TECHNIQUE : WINDOWS, SAS V9SAS/BASE-MACRO-STAT, SAS IML, SAS ENTERPRISE MINIER, R
ORANGE MARS 2005–JUIN 2005
Chef de Projet MOA et Administrateur fonctionnel
Projet : « Baudelaire » est un système d’information OLAP (cube SAS) dédié aux reporting et à la gestion du recouvrement
DOMAINE D’INTERVENTION :
Choix et validation (expression des besoins, recette, évolution)
Coordination des intervenants métiers
Formations utilisateurs
Garantir la cohérence globale du projet en point de vue métier
Validation de la conception des domaines fonctionnels (cubes métiers)
Administration des utilisateurs et de leurs habilitations, des cubes métiers, des rapports et tableaux de bord et tout objet métiers.
ENVIRONNEMENT TECHNIQUE : WINDOWS, SAS/BASE-MACRO-STAT,SAS ETL 9.1, SAS MANAGEMENT CONSOLE 9.1, SAS INFORMATION MAP STUDIO 2.1, SAS OLAP CUBE STUDIO 9.1, ENTREPRISE GUIDE ADMINISTRATOR , ENTREPRISE GUIDE 3.0
BERST &LSTA OCTOBRE 2003– FEVRIER 2005
Statisticien Risque
Projet : Modèle des risques en assurance et gestion des risques crédit
DOMAINE D’INTERVENTION :
Modélisation statistique avancée sur les statistiques de la sécurité civile et de la police nationale afin de mesurer les risques d’assurance dommage (Processus empirique, Processus stochastiques, Analyse des données sur courbe).
Tarification en assurance vie et non-vie
Traitement des données Risk
Backtesting du modèle statistique d’estimation de la PD
Refonte du modèle statistique d’estimation de la PD par analyse factorielle discriminante, régression logistique et arbre de décision.
Mise en place de nouvelles classes homogènes de risques.
Notation des risques
Analyse et reconstruction de la matrice de transition.
Analyse des corrélations de défaut des clients du portefeuille.
Application de la copule de Lévy pour l’estimation des facteurs de corrélation du portefeuille.
ENVIRONNEMENT TECHNIQUE : LINUX, WINDOWS, SAS V9 SAS/BASE-MACRO-STAT-IML, ENTREPRISE GUIDE, R, MATLAB
ASSOCIATION AUXILIAIRE DE L’AUTOMOBILE DECEMBRE 2002–SEPTEMBRE 2003
Consultant Statisticien SAS
Projet: Conception d’une application Web en vue du traitement statistique et de la restitution automatique des données via SAS
DOMAINE D’INTERVENTION :
Extraction et prétraitement des données
Création d’un DataMart
Reporting et analyse statistique des données
Développement d’une interface Web via SAS/INTRNET
Assistance technique et Formation des utilisateurs
ENVIRONNEMENT TECHNIQUE : UNIX, ORACLE8I WINDOWS, SAS/BASE-MACRO-STAT, SAS/ACCESS TO ORACLE, SAS/ACCESSTOPCFILES,SAS/ODBC,SAS/CONNECT, SAS/INTRNE
SOCIETE GENERALE JUIN 2002-NOVEMBRE 2002
Consultant Statisticien SAS
Projet : Prétraitement des bases marketing et réalisation d’un crédit scoring
DOMAINE D’INTERVENTION :
Réalisation d’un dossier d’expression des besoins en vue d’une amélioration d’une base de données marketing.
Développement de programmes SAS, pour l’exploitation automatique de la base de données marketing.
Crédit Scoring : Classification de clients en fonction de la probabilité d’être un bon ou mauvais payeur.
Assistance technique et Formation des utilisateurs.
ENVIRONNEMENT TECHNIQUE : WINDOWS XP, SAS V8.2 SAS/BASE-MACRO-STAT, SAS IML, SAS/ACCESS TO PCFILES, SAS/CONNECT, SAS ENTERPRISE MINIER
ONIC AVRIL 2002–MAI 2002
Consultant statisticien SAS
Projet : Réalisation d'une étude comparative sur les technologies SAS, BO, HYPERION MICROSTRATEGY dans but de réaliser des travaux en CRM &Data Mining
DOMAINE D’INTERVENTION :
Préconisation de produit en fonction des jeux de données.
Création d’univers via BO, Reporting et Data Mining via SAS et BO
ENVIRONNEMENT TECHNIQUE : WINDOWS XP, UNIX, SAS V8.2 SAS ENTREPRISE MINIER, BO BUSINESS MINER, REPORTER, DESIGNER
DANONE JANVIER 2002-MARS 2002
Consultant statisticien SAS
Projet : Effet de la consommation d’un produit sur l’organisme humain
DOMAINE D’INTERVENTION :
Calcul du nombre de sujets nécessaire pour un essai thérapeutique
Conception du plan d’analyse statistique
Analyse statistique (analyse de la variance, test statistique).
Implémentation du code SAS
ENVIRONNEMENT TECHNIQUE : WINDOWS NT, UNIX, SAS V8 SAS/BASE-MACRO ENTREPRISE MINIER
AGF SERVICE INFOCENTRE JUILLET 2001–DECEMBRE 2001
Consultant SAS
Projet: Automatisation des règles de gestion pour calculer les intéressements des correspondants
DOMAINE D’INTERVENTION :
Développent et maintenance de programmes SAS, (Assurance VIE, AUTO, IARD, Réassurance)
Développent et maintenance d’application SAS pour le calcul et la gestion des intéressements pour la direction commerciale
ENVIRONNEMENT TECHNIQUE : WINDOWS NT, MVS, ORACLE, DL1, DB2, SAS V6 ET V8 SAS/BASE-MACRO-STAT, SAS/ACCESS TO ORACLE, SAS/ACCESS TO PCFILES, SAS/ODBC, SAS/CONNECT
SANOFI-SYNTHELABO JANVIER 2001–JUIN 2001
Consultant statisticien SAS
Projet : Réalisation d’un « data management report » sous SAS
DOMAINE D’INTERVENTION :
Développent de programmes SAS en collaboration avec le service statistique et médical, pour l’exploitation et la gestion des données clinique issue des bases de données relationnelles
Réalisation d’un « Data management Report » qui fait apparaître l’historique et le suivie de l’étude clinique d’un médicament (Phase IV)
ENVIRONNEMENT TECHNIQUE : WINDOWSNT, SAS V8 SAS/BASE-MACRO-STAT
GMF JUILLET 2000–DECEMBRE 2000
Consultant SAS
Projet : Réalisation d’un pilote technologique pour la GMF
DOMAINE D’INTERVENTION :
Développement de plusieurs maquettes dont l’objectif est de mettre à disposition des tableaux de bord permettant la sélection et la navigation Multidimensionnelle
Présentation des maquettes aux services Informatique et Utilisateur pour permettre le choix d’une technologie dans le cadre d’un projet de mise à disposition de tableaux de bord via internet
ENVIRONNEMENT TECHNIQUE: WINDOWSNT, SYSTEME SASV6 SAS/BASE-MACRO, SAS/AF-FRAME-SCL, SAS/EIS, SAS/INTRNET, WEBEIS, WEBAF, OLAP, ENTREPRISE GUIDE, ENTREPRISE REPORTER, SAS/ ACCESS TO ORACLE, SAS/ ACCESS TO PCFILES, SAS/ ODBC, SAS/ CONNECT, SAS/ MDDB
UNIVERSITE PANTHEON SORBONNE SEPTEMBRE 1998–SEPTEMBRE 1999
Moniteur Etudiant
Projet : Formation logiciel statistique
DOMAINE D’INTERVENTION : STATISTIQUE VIA SAS, SPAD, GAUSS
Compétences
Compétences fonctionnelles
Management de projet : - DevOps , Méthode Agile (scrum)
Cybersécurité : - Expertise en Protection des Entreprises et Intelligence économique
Banque et finance : - Risque Management, Bâle II et III, Asset and Liability Management
Assurance : - Actuariat vie et non vie,Solvency II
Marketing et CRM : - Marketing Analytics & Scoring
Compétences techniques
Data Science & AI: - High-Dimensional Satistics, Machine Learning & Deep Learning (scikit learn, pytorch, keras, tensorflow)
Quantum AI : - Qiskit (IBM) ,Cirq Google NoSQL & SQL: -Ecosystem Hadoop et Spark(mapreduce, yarn, hdfs,hive ,hbase, pig,pyspark,sparksql, mllib, graphx, scala, kafka, mongodb, redis ELK, cassandra) & Oracle,MySql.
Programmation: - Python,R,Clojure (Hpc&GPU Nvidia),SAS
Cloud Computing: - Exoscale, Ovh, Aws, Azure Edge Computing & IoT: - FPGA, Raspberry Pi, MQQT,Kafka,Hive IoT OS: - Linux,Unix,Mvs,Windows
Formation
2016 Institut national des hautes études de la sécurité et de la justice Session nationale spécialisée : « Expertise en Protection des Entreprises et Intelligence économique INHESJ Ecole Militaire Paris
********.do?cidTexte=JORFTEXT000034976303&categorieLien=id
2014 Master’s Degree Mathematics for Big Data & Data Science
École polytechnique Palaiseau
2008 Doctorant Statistiques &Probabilités
École Doctorale de Mathématique de Paris Centre
Université UPMC en co-tutelle avec Thales Communication
2004 DEA (Master’s Degree) Statistiques &Probabilités
École Doctorale de Mathématique de Paris Centre UPMC
2002 Cycle C (Ingénieur): Statistiques approfondie &Data Mining
Conservatoire Nationale des arts et métiers Paris
2000 Diplôme d’Études Supérieurs Techniques Statistique (DEST)
Conservatoire Nationale des Arts et Métiers Paris