À propos de Frédéric
👨🏻💻 Mon profile:
Data Scientist orienté résultats, j’accompagne les entreprises de la compréhension du besoin métier jusqu’à la mise en production de modèles de Machine Learning, en transformant les données en décisions à fort impact business.
Spécialisé en Machine Learning appliqué aux séries temporelles, avec une forte orientation MLOps, je couvre l’ensemble de la chaîne : cadrage, modélisation, industrialisation, déploiement en production, CI/CD, monitoring et documentation.
Avec plus de 3 ans d’expérience en Data Science et 10 ans de pratique Python, j’ai mené 4 missions réussies, en livrant des solutions robustes et maintenables.
🔧 Expertises techniques
🧪 Data Science & Machine Learning
- Machine Learning supervisé: régression, classification (churn, scoring), détection d’anomalies
- Séries temporelles & forecasting: Gradient Boosting (XGBoost, LightGBM, CatBoost), SARIMAX, Prophet, LSTM, GRU
- Clustering: K-Means, DTW
- Feature engineering, évaluation des modèles (ROC-AUC, precision/recall, MAE, RMSE), interprétabilité
🏗️ MLOps & Industrialisation
- Pipelines ML : préparation des features, entraînement, déploiement
- Déploiement en production : APIs Python (FastAPI, Django)
- CI/CD, versioning, monitoring, reproductibilité
☁️ Data Engineering & Cloud
- Pipelines data : ingestion, transformation, orchestration (Pandas, Polars, Airflow, dbt)
- AWS (S3, compute, services managés)
- Bases de données SQL / NoSQL
- Traitement de données à grande échelle (Spark)
📊 Data Apps & Visualisation
- Streamlit, Dash
- Exposition via APIs REST
⚡️ Énergie & Industrie
- Modélisation et optimisation de systèmes énergétiques
- Analyse de consommation (résidentiel, tertiaire, industriel)
- Oil & Gas, énergies bas carbone
- Recherche opérationnelle
🤝 Soft skills
- Vulgarisation des enjeux techniques
- Autonomie, rigueur, delivery en contexte complexe
- Leadership, excellent relationnel produit / IT / métier
- Vision 360° (recherche, startups, grands groupes)
Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
Allemand
Capacité professionnelle complète
Accepte de travailler sur site
Paris (jusqu’à 50 km)
Expériences
- TotalEnergies TOTSAData Scientist - Software EngineerENERGIEnovembre 2024 - décembre 2025 (1 an et 1 mois)Paris, France🎯Mission:
- Développement d’un outil automatisé d’analyse des causes de torchage non routinier à l’échelle de l’ensemble des actifs, combinant des traitements de séries temporelles en SQL et Python avec des techniques de détection d’anomalies. Conception d’une interface Streamlit pour visualiser les tendances de torchage, la conformité à la politique de torchage et des indicateurs statistiques (ex. z-score) afin d’identifier les actifs nécessitant des ajustements opérationnels.
- Conception et développement d’un outil d’estimation des émissions de GES liées au dégazage sur l’actif Barnett, reposant sur un traitement de bout en bout de grands jeux de données de séries temporelles et une intégration basée sur des règles avec le système BEST.
- Rôle de Product Owner pour LCS Advisor, le catalogue des solutions bas carbone du groupe, incluant la définition des spécifications fonctionnelles et le pilotage de la mise en œuvre d’un chatbot interne basé sur une approche RAG, destiné à soutenir la prise de décision interne.
- FLEXUSData Scientist - Machine Learning - Time Series forcastingENERGIEjuin 2024 - octobre 2025 (1 an et 4 mois)Paris, France🎯Mission:
- Développement de pipelines de prévision de séries temporelles de bout en bout afin de soutenir le rôle de Flexus en tant qu’agrégateur de flexibilité pour RTE. Conception d’un workflow de données basé sur dbt et structuration de l’ensemble des données de consommation clients dans un entrepôt de données SQL hébergé sur AWS, permettant des prévisions fiables à 1 à 7 jours.
- Segmentation des clients par K-Means pour regrouper les profils de consommation, extraction de motifs saisonniers et de facteurs exogènes à l’aide de GAMs, et entraînement de modèles XGBoost pour des prévisions multi-horizons sur des typologies de clients hétérogènes, avec une erreur inférieure à 10 % après optimisation complète des hyperparamètres.
- Déploiement du pipeline de prévision sur AWS avec des pratiques de CI/CD, automatisation de l’infrastructure et monitoring de niveau production, garantissant la scalabilité, la maintenabilité et la robustesse de la solution.
- FlunovaData Scientist - Software EngineerENERGIEmai 2023 - mai 2024 (1 an)Paris, France🎯Mission:
- Conception et déploiement d’une application web full-stack (Django, JavaScript, SQL) intégrant un questionnaire bâtiment de 30 questions, avec la mise en œuvre de règles métier claires et d’une architecture logicielle modulaire inspirée du Domain-Driven Design (DDD) et des principes d’architecture hexagonale. Développement d’un moteur d’estimation du DPE basé sur XGBoost, entraîné sur des jeux de données nationaux publics, et intégré à la plateforme afin de soutenir l’acquisition et la conversion des utilisateurs.
- Contribution à la stratégie business par l’analyse des besoins utilisateurs, l’exploration de canaux d’acquisition clients et la mise en place de partenariats au sein de l’écosystème de la rénovation énergétique, positionnant Flunova comme opérateur délégué. Déploiement de l’application complète et de son pipeline de prédiction sur un VPS.
Avis
Recommandations
Soyez le premier à recommander Frédéric
Contribuez à la réussite de ce freelance en partageant votre expérience de collaboration avec lui.
Ces profils de freelance correspondent également à vos critères
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Formations
- Diplôme d'ingénieurCentrale LyonEcole d'ingénieur généraliste - spécialisation dans la data
- Double-Diplôme - MasterTechnical University of MunichData science, Optimisation, modélisation de système d'énergie