Bienvenue sur le profil Malt de Alison !
Localisation et déplacement
- Localisation
- Nice, France
- Télétravail
- Effectue ses missions majoritairement à distance
Préférences
- Durée de mission
-
- ≤ 1 semaine
- ≤ 1 mois
- entre 1 et 3 mois
- entre 3 et 6 mois
- ≥ 6 mois
Vérifications
Charte du freelance Malt signée
Consulter la charte
Langues
Catégories
Compétences (12)
- Data Science
-
Débutant Intermédiaire Confirmé
-
Débutant Intermédiaire Confirmé
-
Débutant Intermédiaire Confirmé
-
Débutant Intermédiaire Confirmé
-
- Tous
-
Débutant Intermédiaire Confirmé
-
Débutant Intermédiaire Confirmé
-
Débutant Intermédiaire Confirmé
Alison en quelques mots
J'ai été également amenée à intégrer des données pour un grand groupe télécom.
Passionnée de data science, je suis sérieuse, curieuse et adore relever de nouveaux défis sur de nouvelles problématiques.
Je donne depuis plusieurs années divers séminaires (dont certains en anglais) autour de la data science et notamment du Deep Learning avec le framework TensorFlow.
Expériences
Datacorp innovation
Agence & SSII
Consultante
MBDS
Education & e-learning
Intervenante - En tant que freelance
J'encadre également des élèves sur la réalisation de leurs projets d'années sur le thème de la santé et l'analyse d'images.
MBDS
Secteur médical
Data Scientist
Durant la première partie de mon stage, j’ai pris en main l’environnement Oracle du projet avec Hadoop et Hive. J’ai ensuite montré la corrélation entre la qualité de l’air et son impact sur la santé en réalisant divers algorithmes avec le langage R (clustering avec K-means, Maps, Random Forest).
Durant la seconde partie de mon stage, j’ai automatisé la prise de décision : définir si une personne présente un risque ou non selon sa pathologie (son profil) et le taux de pollution. Ici, j’ai utilisé le framework Tensorflow et la surcouche Keras avec Python. J’ai entrainé un réseau de neurones multicouches à prédire si une personne était à risque ou non.
Durant ma dernière année universitaire, j’ai continué à travailler sur ce projet durant 8 mois. Nous avons créé une application mobile où l’utilisateur pouvait entrer diverses informations le concernant. Nous avons également réalisé un web service allant chercher les données sur la qualité de l’air. J’ai ensuite réalisé une étude croisée en temps réel afin de prédire si la personne présentait un risque selon la pathologie et la qualité de l’air actuelle. J’ai réalisé cet algorithme avec le langage R après avoir fait une comparaison des différents algorithmes (Random Forest, SVM, k-neigbors …). En cas de risque, l’utilisateur se voit notifié sur son mobile.
Net Solution Partner
E-commerce
Data Scientist
Les problématiques principales des clients sont les suivantes : comment optimiser le ROI (retour sur l’investissement), pouvoir cibler les campagnes marketing selon les habitudes et préférences des personnes.
Durant mon alternance, j’ai donc été amenée à travailler sur diverses problématiques et cela m’a demandé de m’adapter aux différents métiers abordés afin de me mettre à la place du client pour répondre au mieux à ses besoins.
Sur tous les projets sur lesquelles j’ai travaillé, j’ai tout d’abord réalisé des procédures stockées avec Microsoft SQL Server en T-SQL dynamique ainsi que des Job SQL permettant d’automatiser ces scripts. J’ai moi-même réalisé les algorithmes de ces procédures afin de nettoyer les données et de faire un pré-traitement afin d’avoir le format souhaité pour l’analyse (et seulement les données pertinentes).
J’ai ensuite, avec le langage R et Python, mis en place et appliqué différents algorithmes de Machine Learning. Dans un premier temps, j’ai fait du clustering non supervisé avec la technique de partitionnement K-means. J’ai fait du prédictif avec la technique Random Forest afin de prédire le comportement des clients.
J’ai ensuite présenté les différents résultats aux clients.
La seconde partie de mon alternance a consisté en l’implémentation de trois solutions marketing dans la solution web de NSP. J’ai donc développé côté serveur des algorithmes en Adobe ColdFusion et côté client des rapports et graphiques (visualisation de données) en JavaScript avec les librairies Highcharts et D3js.
Recommandations externes
Consultez les recommandations qu'a reçues Alison