Rechercher un freelance Déposer un projet
Malt welcom

Bienvenue sur le profil Malt de Charles !

Malt vous permet d'accéder aux meilleurs consultants freelances pour vos projets. Contactez Charles pour échanger sur votre besoin ou recherchez d'autres profils sur Malt.

Charles Tremblay

data scientist senior ensae | actuaire associé

Peut se déplacer à Paris, Nantes

  • 48.8546
  • 2.34771
Proposer un projet La mission ne démarrera que si vous acceptez le devis de Charles.
Proposer un projet La mission ne démarrera que si vous acceptez le devis de Charles.

Localisation et déplacement

Localisation
Paris, France
Peut travailler dans vos locaux à
  • Paris et 30km autour
  • Nantes et 20km autour

Vérifications

Charte du freelance Malt signée
Consulter la charte

E-mail vérifié

Langues

Catégories

Compétences (20)

Charles en quelques mots

Ingénieur ENSAE, ingénieur AgroParisTech et Actuaire associé à l'Institut des Actuaires, mes expériences en tant que Data Scientist, Actuaire Pricing, Product Owner et responsable de la R&D m'ont apporté une solide maîtrise de la réalisation et du management de projets Data.

En Data Science, j'accélère le delivery des projets grâce à une réelle expertise en Machine Learning, et ma connaissance des méthodes d'interprétabilité en IA conduit à des résultats informatifs, essentiels pour développer une stratégie cohérente.
En Actuariat, l'expérience de l'actuariat Produit et Vie m'apporte une connaissance transverse de l'assurance.

Mes compétences en économie (industrielle, agricole, de l'assurance) et les qualités relationnelles pour lesquelles j'ai été PO Data Science (des plateformes On-premise et Cloud de Crédit Agricole Assurances) me permettent d'autre part de travailler en bonne intelligence avec les métiers, de poser les problèmes de façon adaptée à vos besoins et de livrer un conseil stratégique.

N'hésitez donc pas à me contacter, ce sera un plaisir d'échanger sur vos problématiques et vos questionnements.

A bientôt!

Expériences

Kobia

Conseil & audit

Chief Data Scientist | Co-fondateur

Paris, Ile-de-France, France

mars 2020 - Aujourd'hui (2 ans et 6 mois)

Kobia est une société de conseil indépendante spécialisée dans l'Intelligence Artificielle pour la prédiction.

• Crédit Agricole Assurances :
- Responsable de la R&D Machine Learning du Centre d'Expertise Data Science.
- Formateur aux méthodes avancées d'interprétabilité des modèles.
- Accompagnement technique sur plusieurs projets.

• Agrial :
Prédiction de rendements agricoles : réduction de plus de 70% des erreurs de prédiction sur les rendements annuels à partir de données historiques et météo.

• DualCat : Stratégie Data | Entretiens techniques des candidats.

Crédit Agricole Assurances - Groupe Crédit Agricole

Banque & assurances

Senior Data Scientist

Paris Area, France

juin 2019 - mars 2020 (9 mois)

Consultant Interne - Centre d’Expertise Data Science

• Product Owner Data Science pour les plateformes On-Premise et Cloud :

- Définition de la plateforme cible avec les équipes métier, data engineering et infra, arbitrage des solutions de marché.
- Encadrement des data engineers pour la mise en service de la plateforme.
- Coordination avec les équipes RGPD, sécurité informatique, DMO.

• Encadrement technique de projets DS | Conférences internes
• Missions

Crédit Agricole Assurances - Groupe Crédit Agricole

Banque & assurances

Data Scientist

Paris

octobre 2017 - mai 2019 (1 an et 7 mois)

Consultant Interne - Centre d’Expertise Data Science

Exemples de missions réalisées de 2017 à 2020 :

• Anticiper le comportement client à long terme - SU Finances

Objectif : Définir une nouvelle segmentation client qui prédise mieux le comportement des épargnants sur le long terme.
Résultats : +40% de précision sur l’estimation des encours futurs | Gain de temps important pour les équipes d’actuariat grâce à une méthode de calibrage simplifiée.
Enjeux Méthodes : Modifications importantes des méthodes de travail en place. Les choix méthodologiques défendus ont été in fine soutenus par l’équipe de Contrôle Actuariel.

• Optimiser la stratégie globale client - BU Assurances Dommages

Objectif : Optimiser le système de bonus/malus sur l’ensemble du portefeuille d’assurances.
Résultats : Un modèle qui permet d’éviter le malus aux clients rentables pour le concentrer sur les clients surconsommateurs, voire fraudeurs. Le modèle permet d’identifier des clients 4 fois plus coûteux que la moyenne.
Enjeux Méthodes : Reconstituer la profitabilité totale et le niveau de risque global de chaque client à partir de données hétérogènes sur un périmètre large.

• Anticiper les résiliations - BU Assurances Emprunteur

Objectifs : Face à une concurrence accrue sur le marché des assurances de prêts, identifier les clients mobiles pour adapter le pricing.
Résultats : Une vision claire des facteurs de résiliation et des risques d’érosion du portefeuille à long terme. Mais du fait d’un signal faible, un modèle insuffisamment précis pour atteindre le seuil de rentabilité d’une campagne de ciblage.
Enjeux Méthodes : L’analyse des graphes au sein des données a montré que les clients assurés formaient des réseaux d’influence (parents-enfants, associés…), ouvrant de nouvelles pistes pour la prédiction.

---- - Ministère de l'intérieur - ST(SI)²

France - Kirghizstan à vélo

mars 2017 - août 2017 (5 mois)

1 mission Malt

(1 avis)

Consultez les avis de fin de mission de Charles

1 recommandation externe

Consultez les recommandations qu'a reçues Charles

Formations

Certifications