À propos de Gabriel
Je suis un Data Scientist avec un fort background mathématique.
Mes études ainsi que mon expérience pratique de la data science me permettent de répondre à une grande variété de problèmes:
De l'établissement d'une procédure de classification des Equations Différentielles Stochastiques - - et de modèles de pricing, au web scraping et à l'utilisation des APIs Google Analytics, Facebook et Instagram pour collecter et analyser les données clients.
La passion et la motivation en terme de Data Science est appuyée par le grand nombre de projets personnels dans lesquels j'ai été impliqué au cours des années - modèle de prédiction pour le tennis, émergence du langage entre agent d'apprentissage par renforcement, participation à Data For Good France etc...
Ces dernières années, j'ai acquis de l'expérience dans les technologies suivantes:
- Python (pandas, sciit-learn, matplotlib) avec Jupyter and PyCharm
- Spark
- Tensorflow
- R
- Hive
- Amazon AWS et son API boto
- Les APIs Google Analytics, Facebook et Instagram.
Quelque soit votre demande, je peux m'adapter pour y répondre !
Anglais
Capacité professionnelle complète
Français
Bilingue ou natif
Accepte de travailler sur site
Paris (jusqu’à 50 km)
Expériences
- LAJAVANESSResearch and Development Data ScientistAGENCE & SSIImars 2017 - septembre 2017 (6 mois)Paris, FranceEn tant que R&D Data Scientist, j'étais en charge du développement de modèles de machine learning répondant au problématiques de nos clients:- NLP et développement d'une API permettant le traitement automatique d'emails envoyé au service client.- NLP et Deep Learning pour extraire des adresses postales à partir d'emails.- Maintenance d'un modèle développé en Spark et designé pour identifier les heures optimales auxquelles appeler les clients.- Développement d'un modèle de pricing de réductions agissant en temps réel durant des négociation.Technologies:- Python (pandas, scikit-learn, nltk)- Tensorflow- Spark- Javascript
- CheerzData ScientistE-COMMERCEjuin 2016 - novembre 2016 (6 mois)Data Scientist InternDurant mon expérience chez Cheerz, j'ai fait de nombreuses choses:Identifications de moyens d'augmenter la conversion sur le site web et l'application. Pour se faire, j'ai travaillé avec de multiples sources de données:- Les données internes de l'entreprise.- Les APIs Google Analytics (tracking data) et Facebook.J'ai également construit un algorithme récoltant les comptes d'influenceurs potentiels sur Instagram et potentiellement intéressés par les produits de Cheerz, en utilisant l'API d'Instagram.De plus, j'ai réalisé des analyses sur les données clients et fait des dashboards afin d'appuyer les décisions du département marketing.Finallement, j'ai implémenté un outil d'A/B Testing utilisant une approche Bayésienne au lieu de l'approche fréquentiste usuelle. Le but de cet outil était de contrer les comportements de peeking et de early-stopping.
- Laboratoire d'Analyse et de Mathématiques appliquéesRecherche en Machine LearningCENTRES DE RECHERCHEmai 2015 - octobre 2015 (6 mois)Paris, FranceEn tant que chercheur stagiaire, j'ai développé une méthode de classification des Equations différentielles Stochastiques en deux étapes, en utilisant le classifieur de Bayes:- D'abord, estimer les paramètres de l'équation différentielle stochastique en utilisant un maximum de vraisemblance.- Ensuite, en utilisant les valeurs estimées, construire une approximation de la fonction de bayes et prendre une décision basée dessus.
Recommandations
Soyez le premier à recommander Gabriel
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
- Master Probabilité et StatistiquesUniversité Paris-Est Marne la Vallée2015Durant mon master orienté recherche, j'ai étudié les probabilités et les statistiques théoriques et appliquées: - Chaînes de Markov - Processus stochastiques - Probabilités - Statistiques - Statistiques computationnelles: méthodes de monte-carlo, monte-carlo markov-chain methods - Séries temporelles - Calcul stochastique
- Master Spécialisé Data ScienceENSAE ParisTech2016Ce master m'a donné une approche plus pratique de la Data Science: - Machine Learning et Data-Mining -Database et web -Statistiques Computationelles (Monte Carlo Markov Chain) - Econométrie du Marketing - Analyse Statistique des données de graphs - Outils pour l'analyse de de données massives - Spark, Pig. -Hadoop -Bootstrapping et resampling - Statistiques Bayésiennes De plus, j'ai eu de nombreux projets impliquants la pratique de python, python pour la data science - scikit-learn, pandas, matplotlib - Spark, Pig, SQL et R.