You're seeing this page as if you were . The main menu is still yours, though. Exit from immersion
Charlotte B.CB

Charlotte B.

Ph.D, Data Scientist - MLOps - Dataiku - Python

750 €/jour
Paris, FR
8-15 ans

Délai de réponse moyen : 1h

À propos de Charlotte

Fort de 8 années d’expérience en Data Science, dont 2 ans dédiés au MLOps, je me situe à l’intersection des statistiques et de l’informatique. J’ai développé une solide expertise dans les environnements cloud, notamment sur AWS et Google Cloud. Grâce à ma philosophie de travail orientée MLOps, je suis efficace dans les fonctions de Machine Learning Engineer au quotidien. Je suis spécialisée dans l’utilisation de Dataiku (depuis 5 ans) pour l’acquisition de données, l’automatisation et l’optimisation de pipelines analytiques, ainsi que leur déploiement en production.

Je suis également à l’aise en anglais, tant à l’oral qu’à l’écrit, ce qui me permet de collaborer efficacement dans des environnements internationaux et de mener à bien des projets avec des équipes diversifiées.

Enfin, en matière de Data Visualization, j’ai acquis une expertise solide dans l’utilisation de Tableau et Power BI pour créer des dashboards interactifs, analyser des ensembles de données complexes et fournir des visualisations intuitives. Ces outils me permettent de transformer des données brutes en insights visuels pertinents, facilitant ainsi la prise de décision pour les parties prenantes.

Une de mes motivations supplémentaire réside dans l’industrialisation des solutions de machine learning. En alliant expertise technique et pragmatisme, je suis capable de fournir des solutions fiables, alignées avec les besoins métiers et optimisées pour la production.


Je suis également co-animatrice du Podcast @DataKdemy 🎙️🎧
  • Français

    Bilingue ou natif

  • Anglais

    Capacité professionnelle complète

En télétravail uniquement
Travaille majoritairement à distance

Expériences

  • L'Oréal (AE)
    ML Engineer - Prévision de stocks
    MODE & COSMÉTIQUES
    octobre 2023 - février 2024 (5 mois)
    Paris, France
    Contexte : Industrialisation d’un système de prévision des volumes de stocks sur un horizon de 18 mois, destiné à optimiser la planification, la production et la logistique globale.

    Tâches réalisées :

    • Mise en production d’un algorithme prévisionnel (modèles de séries temporelles, régression, optimisation) développé en Python et adapté aux contraintes opérationnelles du Supply Chain Planning.
    • Industrialisation et automatisation de la chaîne ML :
    - Containerisation des modules ML avec Docker,
    - Déploiement sur une architecture Kubernetes (GKE) pour une exécution scalable et robuste,
    - Mise en place de pipelines orchestrés (batch + monitoring).
    • Gestion du cycle de vie des modèles : monitoring des performances, recalibrage périodique, gestion de la dérive (data drift / model drift).
    - Collaboration étroite avec les équipes Data, Supply et IT pour intégrer le modèle dans les systèmes internes et les workflows métier.
    - Création de dashboards Power BI mettant en valeur les prévisions, les écarts, les tendances et les indicateurs de performance logistique.* Documentation technique complète : architecture, data pipeline, procédures de déploiement, guide utilisateur.

    Résultats obtenus : Réduction des surstocks de ~15 % grâce à une meilleure anticipation des volumes et une stabilisation des prévisions

    Technologies : Python, Git, Power BI, GCP (GKE, BigQuery), Kubernetes, Docker, outils de monitoring ML.
    Google cloud Python Microsoft Power BI Gitlab CI/CD Kubernetes
  • BNP Paribas
    Data Scientist - risque de credit - Référente Dataiku
    BANQUE & ASSURANCES
    février 2024 - Aujourd'hui (2 ans et 4 mois)
    Paris, France
    Contexte : Développement, automatisation et industrialisation de solutions internes de scoring, de data quality et de reporting réglementaire au sein de l’équipe Risque de Crédit BCEF.

    Tâches réalisées :

    • Développement d’un algorithme de scoring RWA interne en Python : conception du modèle, engineering des features, optimisation et intégration complète dans Dataiku pour exécution automatisée.
    • Déploiement du scoring RWA sur l’Automation Node de Dataiku, avec gestion des dépendances et planification des runs.
    • Contribution aux travaux ESG : intégration d’indicateurs environnementaux, sociaux et de gouvernance dans les pipelines de risque, enrichissement des expositions via APIs et sources internes/externes.
    • Automatisation avancée des workflows (Python, SQL, Dataiku) : création de plugins Python, développement de custom triggers pour orchestrer les scénarios et déclencher automatiquement les reportings mensuels et trimestriels.
    • Mise en place de contrôles de data quality (cohérence, complétude, anomalies) et analyses approfondies des expositions (PD, LGD, EAD, RWA).
    • Préparation et industrialisation des reporting en vue de leur mise en production
    • Création de Dashboard des reportings réglementaires sous Tableau (Desktop & Server).
    • Suivi et monitoring des datalab Teradata des équipes.
    • o Migration Macros VBA, reports Excel vers Dataiku
    o Membre de la communauté Dataiku interne BNP
    o Accompagnement d'un alternant Data scientist
    • Rédaction de documentation et formation des équipes métier aux outils Dataiku et Tableau.

    Résultats obtenus
    • Amélioration de la précision et de la cohérence des reportings RWA et ESG.
    • Réduction significative des efforts manuels grâce à l'automatisation (gains de temps mensuels et trimestriels).

    Technologies : Python, SQL, Git, Tableau Desktop, Serveur, Dataiku, Teradata, Jira, Concluence
    Dataiku DSS SQL Git Tableau Teradata
  • THALES LAS France
    Data Scientist/Analyst - Surveillance et Calibration d'algorithme de maintenance prévisionnelle
    DÉFENSE & ARMÉE
    novembre 2022 - octobre 2023 (11 mois)
    Élancourt, France
    Contexte : Conception et déploiement d’un pipeline analytique complet pour la maintenance prédictive

    Tâches réalisées :
    • Création d’un pipeline analytique de bout en bout
    • Sélection et préparation des features avec Python
    • Automatisation du pipeline de données (tests unitaires, intégration, contrôles, métriques)
    • Versioning des données et des modèles avec Git
    • Création de Dashboard de surveillance (Bokeh)
    • Mise en place de tests de contrôle et détection d’anomalies
    • Calibration des algorithmes de maintenance prévisionnelle
    • Déploiement automatisé via Automation
    • Documentation

    Résultats obtenus : L’automatisation et l’optimisation des processus ont permis de réduire le temps de travail des équipes de 7 jours à seulement 2 jours

    Technologies : Dataiku, Python (POO), SQL, Git, Bokeh, Splunk, GitLab CICD, Linux, Docker
    Python (Programming Language) Gitlab CI/CD Splunk Dataiku Data science

Recommandations

Soyez le premier à recommander Charlotte

Contribuez à la réussite de ce freelance en partageant votre expérience de collaboration avec lui.

Ces profils de freelance correspondent également à vos critères

AgathaA

Agatha Frydrych

Backend Java Software Engineer

4.7

(3)

2

BaptisteB

Baptiste Duhen

Fullstack developer

4.6

(4)

5

AmedA

Amed Hamou

Senior Lead Developer

4

(2)

7

AudreyA

Audrey Champion

Web developer

4.3

(3)

4

Formations

  • Docteur Mathématiques appliquées Statistiques
    Université de Limoges
    2019
  • Master Statistique et traitement de données
    Université de Clermont-Ferrand
    2016

Certifications

Compétences

Catégories