CV/Mission AMAZON EMR freelance

Exemple des emplois de Michaël,
freelance AMAZON EMR habitant les Hauts-de-Seine (92)

• DATA SCIENCE

  Jan 2020 - Jan 2021

  Projets type professionnel OpenClassrooms-CentralSupélec
  Déploiement d’un modèle dans un environnement Big Data
  Mise à l’échelle d’une chaine de traitement d’images, développements et tests sur instances EC2, mise à l’échelle via Spark sur cluster EMR.
  Création de features par transfer learning, réduction de dimensions et classification, stockage distant.

  Amazon EMR, EC2 et S3, Apache Spak, PySpark, Spark SQL, Spark Mlib, Tensorflow, Keras

• ENSEIGNEMENT 14 ans
  2004 - 2018

  Enseignement des mathématiques Ed. Nat. 2007-2018
  Evaluation par notes et par compétences en collège, coordination interdisciplinaire, communication interne et externe .

• Enseignement des mathématiques et statistiques

  Agriculture
  2004 - 2007

  Niveau BTS, théorie et application à l’évaluation et la décision.

• aujourd'hui

  Implémentation d’un modèle de scoring, déployé dans un dashboard interactif
  Création d’une métrique métier pour mettre en place un score d’attribution d’octroi de crédits, monitoring des modèles, création d’une interface utilisateur expliquant les inférences.

  Scikit-Learn, ImbLearn, scikit-lego, SciPy, LGBM, Neptune.ai, Optuna, SHAP, Streamlit

• aujourd'hui

  Classification automatique d’articles à partir de photos et descriptif
  Extraction de caractéristiques par NLP et Computer Vision, création de clusters pour implémenter une classification automatique à partir d’un descriptif et de photos.

  Scikit-Learn, NLTK, UMAP, OpenCV, SIFT, ORB, Keras

• aujourd'hui

  Segmentation des clients d’un site de e-commerce
  Agrégation de tables, features engineering suivi d’un clustering afin de définir des actions marketing distinctes. Monitoring temporel des métriques de qualité du modèle et estimation du cycle de maintenance.

  Scikit-Learn, Plotly

• aujourd'hui

  Prédiction de consommations énergétiques et émissions de GES
  Modélisation des besoins énergétiques et des rejets associés de GES : data analyse, feature engineering sur des caractéristiques de bâtiments, choix des métriques.
  Entrainement, optimisation des hyperparamètres et évaluation de différents algorithmes.

• aujourd'hui

  Etude de faisabilité d’une application prédictive du Nutriscore
  Préparation de données. Analyses statistiques, validation d’une PoC de prédiction du Nutriscore de produits alimentaires à partir de leur composition partielle.

  Pandas, Numpy, Scikit-Learn, StatsModel