Data scientist Grenoble : Trouvez vite les meilleurs freelances disponibles

Exemple de missions de Bezeid,
Data Scientist freelance

• Data Scientist

  - Atos
  Jan 2021 - Jan 2022

  La poste : Analyse Automatique des enquêtes de satisfactions :
   Extraction des réponses sur les enquêtes à partir de Survey Monkey et
  applications des règles métiers sur les réponses aux enquêtes.
   Développement d’un pipeline de traitement pour la vectorisation des
  données Textuelles :
  • Nettoyage + Lemmatisation
   Développement de différentes approches NLP pour la classification des
  réponses au enquêtes :
  • TFIDF + Régression logistique
  • Word Embedding
  • Bert
   Développement d’un algorithme NLP pour l’analyse de sentiment sur les
  réponses.
   Mise en place d’un algorithme de topicmodeling (LDA).
   Automatisation de l’ingestion, l’inférence et l’entrainement des différents
  algorithme NLP sur GCP (Cloud function + Bigquery).
   Dashbording et recherche textuelle interactive en utilisant Google Data
  Studio.
  ❖ Analyse des données démographiques et déploiements d’algorithme ML
   Extraction Traitements de données avec Power BI.
   Déploiement d’algorithme de machine learning en utilisant FastAPI et
  Docker.

• Data Scientist

  - Atos
  Jan 2021 - Jan 2022

  Principaux Travaux :
  Docker, FastAPI, PowerBI.
  Colissimo : Classification des secteurs d’activités des clients :
   Scraping des pages d’accueil des sites Web des clients.
   troubleshooting d'erreurs de logs
   Mise en place d’une Pipeline d’algorithmes de nettoyage et traitement pour la
  vectorisation des données Textuelles :
  • Tfidf – Ngram – Word2vec
   Mise en place d’algorithmes de machine Learning pour la classification du secteur
  d’activité de chaque client :
  • Régression Logistique
  • Xgboost
  • LSTM
  ❖ Green AI :
   Benchmarking des outils de calcul de l’empreinte CO2, lors de l’entrainement
  des algorithmes de machine Learning.
   Mise en place d’une étude statistique comparative des empreintes CO2 de
  différents algorithmes de classifications d’images.
   Mise en place d’un pipeline pour la construction d’une Base d’apprentissage pour
  l’entrainement des modèles de prédictions de L’empreinte CO2.
   Mise en place d’un modèle de machine Learning pour la prédiction de
  L’empreinte CO2.

  Environnement: Python JupyterLab, VScode, Pytorch, GCP, Bigquery, Google data studio,

• Data Scientist

  - Atos
  Jan 2021 - Jan 2021

  Principaux Travaux :
  ❖ PSA Banque : Churn des Clients Particuliers PSA Banque France
   Etude de la qualité des données des remboursements anticipés (RPA).
   Traitement et analyse statistique des données RPA.
   Mise en place d’une Pipeline d’algorithme de machine Learning pour
  l’anticipation des RPA.
   Mise en place d’un d’algorithme de machine Learning pour la prédiction des
  moments des RPA.
   Explicabilité détaillées des résultats des algorithmes de machine Learning en
  utilisant SHAP.
  ❖ Développement d’un outil de data mining pour répondre, à partir de la
  littérature existante, aux questions scientifiques prioritaires sur le Covid19 :
   Traitement des données Textuelles issu du corpus CORD 19, mise en place par
  l’OMS et ces partenaires.
   Mise en place d’un algorithme de machine Learning d’extraction des Keywords
  et key sentences à partir des questions posées.
   Mise en place d’un algorithme de NLP pour l’extraction des réponses les plus
  pertinentes, à partir des documents du CORD19, aux questions posées.

  Environnement Python, R studio, JupyterLab, VScode, Keras, Web scrapping, NLP.

• Data Scientist

  - Atos
  Jan 2020 - Jan 2020

  Principaux Travaux :
  ❖ Détection de logo sur des retransmissions de match de rugby
   Traitement, extraction et labélisation des données images à partir des
  vidéos.
   Traitement des données sémantiques et visuelles
   Mise en place de plusieurs algorithmes de Deep Learning pour la détection
  d’objets :
  • SDD
  • Retinanet
  • Mask R-CNN
   Développement d’un Pipeline de détection de logos sur les vidéos de match
  en utilisant les algorithmes entrainés précédemment.
  ❖ Développement du cognitive data center.
   Traitement des données temporelles des logs serveurs.
   Mise en place d’algorithme de machine Learning pour la prédiction des
  pannes sur les serveurs :
  ✓ Linearregression
  ✓ Random Forest
   Développement de tests unitaires.
   Intégration des algorithmes dans le Pipeline de développement.
   troubleshooting d'erreurs de logs.
  ❖ Indexation Vidéo en utilisant les méthodes de Deep Learning (Challenge
  Life-Log)
   Traitement des données sémantique et visuelle.
   Mise en place d’algorithme de Deep Learning pour la détection
   d’objet.
   Publication d’un working note des résultats obtenus et méthodes mise en
  place.

  Environnement Python, JupyterLab, VScode, Dataiku, Keras, NLP.

• Data Scientist

  - Atos
  Jan 2018 - Jan 2019

  Principaux Travaux :
  ❖ Cnes : Prédictions des téléchargements sur la base de données du Cnes :
   Etude de la qualité des données des remboursements anticipés (RPA).
   Traitement et analyse statistique des données RPA.
   Mise en place d’une Pipeline d’algorithme de machine Learning pour
  l’anticipation des RPA.
   Mise en place d’un d’algorithme de machine Learning pour la prédiction des
  moments des RPA.
   Explicabilité détaillées des résultats des algorithmes de machine Learning en
  utilisant SHAP.
  ❖ Prédiction des Volumes de ventes SKF
   Analyse approfondie de l’historique de ventes SKF.
   Preprocessing des données pour qu’elles soient injectable dans le logiciel PO
  (Predictive Object de TellmePlus).
   Mise en place d’une serie d’algorithme de prédiction de volumes de ventes au
  différent niveau de grouping de client :
  ✔ Linear regression
  ✔ Random Forest
  ✔ Gradient Boosting

  Environnement Python, JupyterLab, VScode, Keras, Deep learning, Docker, Jenkis.

• Data Scientist

  - Atos
  Jan 2018 - Jan 2018

  Principaux Travaux :
  ❖ SUEZ: Détection des compteurs d’eau bloqués (Sous comptage) :
   Mise en place d’un Pipline d’extraction et de Nettoyage des données à partir d’un
  cluster Hadoop.
   Preprocessing et analyse des données de consommations de clients avec
  Pyspark.
   Mise en place d’un Dashboard, de visualisation, pour les indicateurs métiers de
  consommations d’eau des clients.
   Analyse et détection des cas de fraudes sur la consommation.
   Mise en place d’un algorithme de classification supervisée pour la détection des
  compteurs bloqués.
   Explicabilité des résultats de l’algorithme de machine learning.
  ❖ Covea : Anticipation des pannes sur le site internet du GMF:
   Corrélation des données client avec les données Google analytics.
   Détection d’exfiltrations du site internet à l’aide de tests statistiques.
   Mise en place d’une série d’algorithmes de classification supervisée pour la
  détection des pannes.
   Réalisation d’un Dashboard Tableau en temps réel pour la visualisation des
  prédictions des pannes.

  Environnement Python, R studio, JupyterLab, Telmeplus - Predictive Object.

• : Data Scientist

  - FastConnect
  Jan 2017 - Jan 2017

  Principaux Travaux :
  ❖ Airbus : Développement d’un outil d’analyse prédictive d’impacts dus à des
  modifications sur des éléments de configuration :
   Analyse des données de l’historique des modifications.
   Sélection des variables les plus discriminantes.
   Mise en place d’un algorithme d’apprentissage (KNN) pour :
  • La prédiction de l’impact du changement d’un composant sur un autre.
  • La prédiction de l’impact du changement d’un cluster de composants sur
  un autre cluster.
   Détection des similarités des configurations relative aux changements des
  composants.
  ❖ Eurosatory : Détection des profils à risques sur des données provenant des
  conversations téléphoniques :
   Nettoyage et traitement statistique des données.
   Sélection des variables les plus discriminantes.
   Détection des profits à risques à l’aide d’un algorithme de classification
  supervisée (arbre de décision et Randomforest).
   Text mining sur les textes des conversations des individus.
   Dashbording des données avec Spotfire et Kibana.

  Environnement Python, Pyspark, Hive, Impala, Tableau.

• Data Scientist -

  FastConnect
  Jan 2016 - Jan 2016

  Principaux Travaux :

  Environnement Python, R, Kibana.