Balayez pour voir le profil suivant

Christophe Labrousse

data scientist senior

Toulouse, France

  • 43.6043
  • 1.4419
Proposer un projet

Vérifications

Rejoignez la communauté Malt pour découvrir le profil complet de Christophe Labrousse
Rejoignez la communauté Malt pour découvrir le profil complet de Christophe Labrousse

Découvrez ce que recherche Christophe

Déplacement
Peut faire la totalité d'une mission dans vos locaux
Zone d'activité
Recherche des missions à Toulouse et 20km autour

Christophe en quelques mots

Ingénieur en informatique et mathématiques appliquées, j’ai commencé ma carrière en étant tour à tour consultant, fondateur de startup, responsable de système d’information, et développeur freelance ; expériences grâce auxquelles j’ai acquis une forte culture « data ».

Depuis 7 ans en tant que consultant et formateur en data science j’ai développé et mis en place des solutions basées sur le machine learning avec Python, scikit-learn, et diverses plateformes cloud. Formateur passionné et pédagogue, j’aime également enseigner à des profils variés la puissance de ces techniques quand elles sont mises en œuvre sur les bons jeux de données.

Passionné, je cherche aujourd’hui un nouveau projet avec de nouvelles données à explorer et à exploiter, pour en retirer toute leur valeur ajoutée.

Expériences

octobre 2017 - Aujourd'hui | Paris, France

Conseil & audit

Human Coders

Formateur data science

Animation des formations Machine Learning, Deep Learning et Machine Learning Avancé via l’organisme de formation Human Coders en inter et intra entreprises. Animation de 20 formations en 2018 avec une note moyenne de 4,88/5 sur la pédagogie du formateur sur plus de 40 évaluations.

o Conception du contenu : contenu pédagogique progressif alternant explications théoriques, mise en pratique en Python et sur BigML (plateforme de Machine Learning qui ne nécessite pas de code), et retours d’expérience de cas réels.
o Animation : pédagogie progressive et adaptable selon le profil des participants : développeurs, chercheurs, product owners…
juillet 2018 - décembre 2018 | Toulouse, France

Energie

Groupe Atlantic

Data scientist senior

A partir des données techniques des pompes à chaleur du Groupe Atlantic, des données d’intervention des opérations de maintenance et des données du call center, j’ai développé un modèle prédictif pour permettre à l’équipe de planification des maintenances annuelles de prioriser leurs interventions. Le modèle final était basé sur des réseaux de neurones récurrents (LSTM) permettant la prévision (forecast) de séries temporelles.

o Cadre du projet : Analyse des données, implémentation des pipelines de transformation des données, optimisation des modèles prédictifs, évaluation de leur qualité
o Technologies utilisées : Scikit-learn, Keras, XGBoost, Catboost, Hyperopt, BigML
o Infrastructure utilisée : serveurs CPU et GPU loués sur FloydHub ; Infrastructure BigML
o Ma contribution : j’ai implémenté la solution en intégralité ; j’ai aidé l’équipe métier à définir le modèle et son cadre d’utilisation ; et j’ai récupéré toutes les données potentiellement utiles auprès des différents services, qu’ils soient métier ou technique.
février 2019 - juillet 2019 | Toulouse, France

Aéronautique & aérospatiale

Airbus

Data scientist senior

Avec une équipe de 4 personnes et en tant que data scientist senior, j’ai réalisé un modèle prédictif destiné à anticiper les pannes sur le système de pressurisation cabine (bleed) et optimiser les opérations de maintenance, en se basant sur les séries temporelles des capteurs embarqués ainsi que sur l’historique des opérations de maintenance. En tant qu’expert en Machine Learning, j’ai piloté les compétences complémentaires de l’équipe (data scientist junior, ingénieur système, développeur) pour transformer les données brutes en provenance des avions en prédictions fiables sur les défaillances du système de pressurisation.

o Cadre du projet : Analyse des données, implémentation des pipelines de transformation des données, optimisation des modèles prédictifs, évaluation de leur qualité
o Technologies utilisées : Spark via l’api PySpark en Python ; scikit-learn, Keras pour les modèles LSTM, XGBoost, Hyperopt, stats-model pour les modèles ARIMA, FoundryTS (librairie propriétaire Palantir pour les time series)
o Infrastructure utilisée : plateforme Palantir (foundry) de Airbus (Skywise)
o Ma contribution : J’ai participé à toutes les phases du projet : analyse, implémentation, modélisation et ai guidé les actions de l’équipe en identifiant les pistes à explorer et en utilisant au mieux des compétences de chacun

Recommandations externes

Formations

Langues

shortlist-dynamic-search-heade
charter modal image

Notre succès est une oeuvre collective

Contribuez à cette réussite et au sérieux de la communauté en signant la charte du freelance Malt.

Signer la charte