- Prédiction de Taux de Click: J'ai augmenté le taux de click moyen en utilisant les modèles "d'Online Learning" qui s'adaptent parfaitement aux situations de big data avec de faible taux de succès (<1%)
Techniques Utilisées: Java, Python, Online Logistic Regression, Hashing, Apprentissage Multi-Task
Les principaux projets sur lesquels j'ai travaillé
- Conception d'une plateforme de tests AB : cette plateforme nous a permis de mettre des centaines de tests AB en parallèles en production tout en garantissant que la meilleure version sera choisie après la période d'apprentissage. Les coûts de mise en place du test et de sélection de la meilleure version ont été réduits de plus de 30%.
Techniques Utilisées : Statistique Bayésienne, Thompson Sampling, Java Python
- Recommendation d'encarts publicitaires à destination de nos managers de campagne, afin de les aider à résoudre le problème : "sur quels encarts dois-je placer une nouvelle publicité sur laquelle je n'ai aucune information afin de maximiser son taux de conversion ?"
Techniques Utilisées : Collaborative Filtering, Java, Python
Stage faisant partie de mon cursus à Harvard dans les premiers mois d'une startup à succès. Catalant permet aux entreprises de trouver des étudiants en MBA spécialisés dans certains domaines afin de réaliser des missions courtes. J'ai implémenté de A à Z la première version d'un moteur de recommendation permettant de matcher les étudiants aux entreprises en utilisant des algorithmes collaboratifs (Machines de Factorisation, Collaborative Filtering).
J'ai développé un outil de recommendation marketing à destination des nouveaux clients d'un site e-commerce. En utilisant de l'apprentissage non-supervisé sur les données des clients ayant déjà acheté sur le site d'e-commerce, j'ai pu crée des groupes de potentiels acheteurs (clustering) plus ou moins sensibles à certains moyens marketing (mail, pub mobile, etc.).
J'étais assistant structurer dans l'équipe actions. Mon rôle consistait à réaliser des analyses backtests et prédictionnelles.