Notre base de 143984 CV vous permet de trouver rapidement un Data scientist Marseille freelance. Recevez gratuitement et sous 24h maximum les CV des meileurs intervenants disponibles.
1. Consulté et travaillé avec les équipes de développement pour déterminer,
exécuter et fournir des solutions pertinentes.
2. Analyser les anciennes architectures d'information et contribuer à la
conception et au développement des nouvelles.
3. Fournir des informations, des commentaires et des conseils aux clients
pour soutenir la prise de décision liée à la technologie.
4. Implémentation des algorithmes de prédiction pour améliorer
l'intervention rapide.
5. Utilisation des algorithmes de Machine Learning pour identifier le
gaspillage financier et réduire les dépenses.
. Développement de prototypes de machine learning de bout en bout et
mise à l'échelle pour qu'ils s'exécutent dans des environnements de
production. Augmentation de l'efficacité de 23%.
2. Contribution à des améliorations significatives des modèles
d'apprentissage automatique existants grâce à des recherches
soigneusement dirigées.
3. Des informations exploitables dérivées d'ensembles de données
volumineux avec un support minimal.
4. Contribution à la collecte de nouvelles sources de données et au
raffinement de celles existantes afin d'améliorer l'analyse et le
développement de modèles.
1. Collaboré avec tous les membres de l'équipe pour optimiser la base de
données de gestion de la relation client pour une entreprise immobilière.
2. Réduction de 57 % du temps perdu au téléphone et aux e-mails.
3. Construisez un système basé sur l'apprentissage automatique pour faire
correspondre les clients avec des opportunités d'investissement sur
mesure.
4. Augmentation de la fidélisation de la clientèle de 30%.
Conception, développement, formation et déploiement de deux solutions
d'apprentissage automatique à grande échelle. Planification des tournées
des véhicules pour 200 magasins à travers la Tunisie. Prévision de
commande pour 1,5 million de clients faisant des achats à domicile en
fonction de l'historique d'achat.
Développement d'un système de recommandation pour l'envoi d’alertes
emplois aux candidats, avec un taux de conversion de 9%. Modèles
d'apprentissage profond formés (CNN, RNN, LSTM, word2vec, seq2seq)
pour analyser les CV et les descriptions de poste des candidats, à l'aide
d'instances de GPU Google. Modèle déployé pour analyser les CV des
candidats en temps réel lors de leur inscription, offrant une meilleure
expérience candidat et un taux de rebond inférieur sur le formulaire
d'inscription.
1. Réalisation de tests A/B pour résoudre les problèmes rencontrés par les
clients dans les plates-formes d'apprentissage, et identification et
recommandation de solutions pour résoudre les feuilles de route peu claires
des plates-formes, ce qui a réduit le taux de rebond de 62 %.
2. Données extraites de 7 sources disparates et agilité et précision accrues
avec un système centralisé.
3. Construction d'arbres de décision pour optimiser les algorithmes
nécessaires afin de mieux cibler le public d'apprentissage de 15 %.
4. Implémentation des algorithmes de classification des clients et
d'évaluation de la satisfaction chez eux.
1. Déterminé, à l'aide des méthodes de clustering Python, des groupes
d'états où les modèles de souscription étaient sous-performants et des
améliorations détenues pour augmenter les bénéfices de 4 %.
2. Identification des domaines procéduraux d'amélioration grâce aux
données clients pour aider à améliorer la rentabilité d'un programme de
fidélisation à l'échelle nationale de 8%.
3. Développement et gestion des rapports pour un programme de rétention
à l'échelle nationale à l'aide de Python, SQL et Excel, économisant en
moyenne 60 heures de travail chaque mois
1. Développement et propriété de rapports pour un programme de
rétention à l'échelle nationale avec Python, SQL et Excel, économisant
environ 90 heures de travail mensuel.
2. Identification des domaines procéduraux d'amélioration grâce aux
données client, en utilisant SQL pour aider à améliorer la rentabilité d'un
programme de fidélisation à l'échelle nationale de 8%.
3. Modèles et données appliqués pour comprendre et prévoir les coûts de
réparation des véhicules sur le marché, et présentation des résultats aux
parties prenantes
Objectifs: créer un outil client/serveur pour la collection, le sauvegarde,
l'analyse et la visualisation des données générées par les machines CMS.
1. Automatiser la collection de données
2. Création d'une base de données adéquate pour la sauvegarde structurée
des données.
3. Implémentation des requêtes SQL pour la récupération et le filtrage de
données.
4. Visualisation des données et communication avec le département.
5. Communication avec des rapports les résultats trouvés et leurs indications
Publications Scientifiques :
1er) Conférences :
1- ******** Labidi, Mohsen Maraoui, Mounir Zrigui: Study for Automatic
Classification of Arabic Spoken Documents. ICCCI (2) 2017: 459-468
DOI:10.1007/978-3-319-67077-5_44
2- M. Labidi, N. Terbeh, M. Maraoui and M. Zrigui, "Semantic indexing of
continuous speech," 2015 5th International Conference on Information &
Communication Technology and Accessibility (ICTA), Marrakech, 2015, pp.
1-3.
DOI: 10.1109/ICTA.2015.7426912
3- M. Labidi, M. Maraoui and M. Zrigui, "New birth of the Arabic phonetic
dictionary," 2016 International Conference on Engineering & MIS (ICEMIS),
Agadir, 2016, pp. 1-9.
DOI: 10.1109/ICEMIS.2016.7745322
4- Naim Terbeh , ******** Labidi, Mounir Zrigui: Automatic speech
correction: A step to speech recognition for people with disabilities.
ICTA2013: 1-6
5- A. N. H. S. Benltoufa et al., "From smart campus to smart city: Monastir
living lab," 2017 International Conference on Engineering and Technology
(ICET), Antalya, 2017, pp. 1-6.
DOI: 10.1109/ICEngTechnol.2017.8308196.
6- M. L. Bellagha, M. Labidi and M. Maraoui, "Speaker segmentation using
adapted GMMs," 2017 International Conference on Engineering & MIS
(ICEMIS), Monastir, 2017, pp. 1-6.
DOI: 10.1109/ICEMIS.2017.8273020.
7- R. Ayed, M. Labidi and M. Maraoui, "Arabic text classification: New
study," 2017 International Conference on Engineering & MIS (ICEMIS),
Monastir, 2017, pp. 1-7.
DOI: 10.1109/ICEMIS.2017.8273037
2e) Journaux :
1- ******** Labidi, Mohsen Maraoui et Mounir Zrigui:
« Study for Automatic Classification of Arabic Spoken Documents »
LNCS,2017. (IF: 1.17)
2- ******** Labidi, Mohsen Maraoui et Mounir Zrigui:
« New Combined Method to Improve Arabic POS Tagging »
Journal of Autonomous Intelligence, 2019