Data scientist Saint-Étienne : Trouvez vite les meilleurs freelances disponibles

Exemple de missions de Jérome,
Data Scientist freelance

COMPETENCES
&#61623 Machine Learning : approches supervisées, (classifications,
régressions, random forests, boosting, stacking…), nonsupervisées (PCA, K-means, DBScan, Isolation Forests…),
séries temporelles (ARIMA, VAR…)
&#61623 Deep Learning : NN, CNN, RNN et LSTM
TECHNOLOGIES
&#61623 Core/Viz : Numpy, Pandas, Matplotlib, Seaborn, NLTK
&#61623 Machine learning : Scikit-Learn, PySpark, XGBoost,
Catboost, LightGBM, Hyperopt
&#61623 Deep Learning : PyTorch, Tensorflow, Tensorflow v2, Keras
&#61623 Langages de programmation: Python, C/ C++, Java, PHP,
Flash, XML, XSL, CSS, HTML, IDL, Java RMI, C#, .NET,
Spotfire
&#61623 Simulation : Witness, Siman, Matlab/Simulink
&#61623 Modélisation : UML, SysML, Merise, SQL, MySQL, Rational
Rose, Rhapsody, Enterprise Architect, Topcased, Eclipse,
Matlab, Visual Studio, Dreamweaver, CORBA
PRINCIPALES REFERENCES
&#61623 Core For Tech : Senior Data Scientist (en cours)
&#61623 La Vie Saine : Senior Data Scientist (7 mois)
&#61623 CMA-CGM : Senior Data Scientist (6 mois)
&#61623 Airbus : Data Scientist Expérimenté (2 ans)
&#61623 Airbus : Data Scientist (2 ans)

MISSIONS SIGNIFICATIVES

Core For Tech (01/2022-en cours)
Rôle Senior Data Scientist
Mission Développement d’un modèle de détection d’oulier
&#61623 Réalisation d’un algorithme de détection d’outliers de positions GPS du
véhicule surveillé dans le but d’améliorer la précision des features front-office
du produit Core For Tech
Développement de modèles prédictifs de détection de somnolence
&#61623 Dans le cadre de la Software République, définition d’une solution de
planification temps de conduite/ temps de pause visant à anticiper les risques
de somnolence des conducteurs de véhicule
&#61623 Génération de features et de modèles de prédictions pour anticiper la
somnolence au volant à partir de données de sources différentes :
o Les données comportementales du véhicule (données GPS et issues du
bus CAN)
o Les données physiologiques du conducteur (battements cardiaque)
&#61623 Données utilisées : historiques issues de différentes campagnes de tests
mixant conduites réelles et simulateur. Hétérogénéité des données
enregistrées (comportementales, physiologique). Qualitatives (ressenti
utilisateur KSS/ OSS) et quantitative (données issues de capteurs).
&#61623 Principaux algorithmes utilisés : Random Forest, KNN, Logistic Regression
Technologies Scikit-learn, KNN, Random Forest, Logistic Regression
Infrastructure utilisée : plateforme AWS (S3, Lambda, SageMaker)
La Vie Saine (02/2022-09/2022)
Rôle Senior Data Scientist
Mission Développement d’un modèle de recommandations pour les clients La Vie Saine
&#61623 Prétraitement des données :
o Concaténation des différentes tables issues de la base marketing
o Identification des clients actifs
o Cleaning des données (homogénéisation des champs texte, correction
orthographique, suppression des rayons non pertinents…)
&#61623 Normalisation des données pour atténuer les habitudes d’achats de
personnes au profil totalement différents (famille nombreuse/ célibataire) et
atténuer les fréquences d’achats de produits de grande consommation que
peuvent être le pain par rapport à la lessive.
&#61623 Calcul de la matrice d’appétence
&#61623 A/B testing : Exploitation de la matrice d’appétence et des données de
campagne promotionnelle pour rendre compte des performances de
l’algorithme
Technologies Python, Scikit-learn, Pandas, Numpy, Surprise
Infrastructure utilisée : plateforme AWS (S3)
Mickaël DIEVART
Senior Data Scientist
CMA-CGM (06/2021-12/2021)
Rôle Senior Data Scientist
Mission Développement de modèles prédictifs de détection de fraudes
&#61623 Réalisation de modèles de détections de fraudes dû à la non déclaration ou la
mauvaise classification de transport de matières dangereuses
&#61623 Analyse des données, implémentation des pipelines de transformation des
données, optimisation des modèles de détection de fraudes, évaluation de
leur qualité
&#61623 Données utilisées : historique des demandes de prise en charge/transport de
containeurs mixant données structurées et descriptions textuelles du contenu
du containeur par les déclarants
&#61623 Principaux algorithmes utilisés : Random Forest, Gradient Boosting, Isolation
Forests, NLP
Technologies Spark via l’api PySpark en Python scikit-learn, PyTorch, CATBoost, NLTK
Infrastructure utilisée : plateforme Dataiku de la CMA-CGM

Airbus (2019-2021)
Rôle Data Scientist Expérimenté
Mission Développement de modèles prédictifs de maintenance prédictive
&#61623 Réalisation de modèles de maintenance prédictive destinés à anticiper les
pannes sur les avions et à optimiser les opérations de maintenance
&#61623 Analyse des données, implémentation des pipelines de transformation des
données, optimisation des modèles prédictifs, évaluation de leur qualité
&#61623 Données utilisées : séries temporelles des capteurs embarqués IoT, historique
des opérations de maintenance, rapports textuels des intervenants
&#61623 Principaux algorithmes utilisés : Random Forest, Gradient Boosting, LSTM,
ARIMA
Technologies Spark via l’api PySpark en Python scikit-learn, XGBoost, Tensorflow v2 pour les
modèles LSTM, Hyperopt, stats-model pour les modèles ARIMA, FoundryTS
(librairie propriétaire Palantir pour les time series)
Infrastructure utilisée : plateforme Palantir (foundry) de Airbus (Skywise)
Airbus (2017-2019)
Rôle Data Scientist
Mission Modélisation des patterns récurrents et maintenance prédictive
&#61623 Analyse des données de défaillance multi-sources (airlines, support…) et multitypologie (rapports, bases de données, séries temporelles…) pour identifier des
patterns récurrents et guider l’identification des causes
&#61623 Modélisation et anticipation des futures occurrences des pannes
&#61623 Prototypage en Python, présentation des résultats au Bureau d’étude, suivi et
amélioration des algorithmes
&#61623 Principaux algorithmes utilisés : régression logistique, polynomiale, isolation
forest, PCA, Hodrick-Prescott
Technologies Python, Scikit-learn, Pandas, Numpy, SciPy infrastructure utilisée : AWS, Palantir,
Spyder
Mickaël DIEVART
Senior Data Scientist
Missions complémentaires en ingénierie (2010-2017)
Rôle Ingénieur système
Missions Depuis 2010 j’ai conçu et mis en œuvre de nombreux systèmes et solutions de
maintenance et de diagnostic de pannes dans le secteur aéronautique :
&#61623 2016 : Ingénieur conception système Prognostic & Heath Management pour le
futur programme avion 2025
&#61623 2014-2016 : Ingénieur conception d’une solution mobile de maintenance PMAT
sur les programmes A380/A350 et A320-iD
&#61623 2012-2013 : Ingénieur conception système Prognostic & Heath Management sur
projet R&T @MOST
&#61623 2012 : Ingénieur architecte plateforme NSS A380
&#61623 2011 : Ingénieur IVV sur projet R&T @MOST
&#61623 2010 : Ingénieur Architecture sur projet R&T @MOST