À propos de Hermann
Vous souhaitez exploiter vos données pour améliorer vos prévisions, automatiser vos analyses, détecter des anomalies ou optimiser vos décisions ?
Je vous accompagne dans la conception de solutions de Data Science et d’intelligence artificielle adaptées à vos enjeux métiers.
J’interviens notamment sur :
- le développement de modèles de Machine Learning ;
- la prévision des ventes, coûts, risques ou performances ;
- la détection d’anomalies et de signaux faibles ;
- l’optimisation de processus industriels et opérationnels ;
- l’automatisation d’analyses et de traitements de données ;
- l’évaluation et l’amélioration de modèles existants.
Mon approche associe compréhension métier, analyse statistique et développement Python. Avant de construire un modèle, je clarifie le besoin, évalue la qualité des données et définis des indicateurs permettant de mesurer la valeur créée.
J’ai travaillé sur des projets dans les secteurs de l’énergie, de l’industrie, de la mobilité et de l’automobile, notamment autour de la prévision, de l’optimisation, de la maintenance, de la détection d’anomalies et de l’analyse des risques.
Je peux intervenir sur :
- un audit ou diagnostic de données ;
- une étude de faisabilité IA ;
- un prototype ou une preuve de concept ;
- un modèle prédictif ;
- un pipeline de préparation des données ;
- une automatisation Python ;
- la validation, la documentation ou l’industrialisation d’une solution.
Compétences : Python, Pandas, NumPy, Scikit-learn, Machine Learning, séries temporelles, forecasting, optimisation, statistiques, détection d’anomalies, feature engineering et visualisation de données.
Je suis cofondateur de Quasarzero, studio spécialisé en IA et Data Science. J’interviens personnellement sur chaque mission avec un objectif clair : livrer une solution fiable, documentée et exploitable par vos équipes.
Anglais
Capacité professionnelle complète
Français
Bilingue ou natif
En télétravail uniquement
Travaille majoritairement à distance
Expériences
- BMW franceData Scientist ConsultantAUTOMOBILEoctobre 2025 - juin 2026 (8 mois)Paris, FrancePrévision des coûts de maintenance & modélisation de la valeur résiduellePilotage de la modélisation prédictive sur les coûts de maintenance : construction de modèles de régression et probabilistes pour prévoir les coûts long terme et calibrer les seuils de la stratégie de garantie, avec un objectif d'optimisation de la fiabilité.Poursuite et industrialisation des travaux initiés en 2024 sur l'analyse de la pente de valeur résiduelle et les modèles de pricing véhicule (segments Premium & BEV).Stack technique
- Modélisation : Python (scikit-learn, statsmodels) — régression, modèles probabilistes, calibration de seuils
- Data engineering : SQL, pipelines de préparation et d'agrégation des données véhicule/maintenance
- MLOps : Docker, CI/CD pour le déploiement et la reproductibilité des pipelines
- Cloud AWS : ECR pour le registre d'images, App Runner/Fargate pour le déploiement des services de scoring, S3 pour le stockage des données et artefacts
Résultats clés- Modèles de coûts de maintenance utilisés pour ajuster la stratégie de garantie
- Continuité méthodologique sur l'analyse de valeur résiduelle (Premium & BEV), avec passage à un pipeline industrialisé et reproductible
- La Française des Jeux (FDJ)Data Scientist Consultant — Optimisation de la rétention joueursseptembre 2024 - septembre 2024Paris, FranceConception d'un système prédictif pour identifier en amont les joueurs à risque de désengagement, permettant de cibler les actions de rétention sur les profils les plus stratégiques et d'améliorer l'efficacité des campagnes digitales.
- Modèles de churn (Python + SQL) déployés en production pour prioriser les actions de rétention sur les canaux digitaux
- Segmentation des profils joueurs (persistants vs. éphémères) à partir de leurs parcours de jeu, pour affiner le ciblage
- Framework de suivi dans le temps pour vérifier que les modèles restent fiables au fil des mois, évitant les pertes de performance silencieuses en production
- Ajustement des seuils de décision pour équilibrer précision des ciblages et volume d'actions, avec mise en production directe sur les pipelines
- Étude prospective sur des algorithmes d'allocation dynamique (bandits) pour optimiser la distribution de bonus
- BMW France,Data Scientist Consultantjanvier 2024 - juillet 2024 (6 mois)Paris, FranceRefonte du modèle de pricing véhicule sur les segments Premium & BEV, avec un gain de précision de 12 % par rapport à la baseline 2023 — directement exploité par les équipes métier pour leurs décisions tarifaires.
- Analyse de la dépréciation des véhicules (SAS + Python) pour affiner les grilles de prix sur les segments Premium & BEV
- Comparaison rigoureuse de plusieurs approches de modélisation (régression linéaire, Ridge, polynomiale, splines, Linear Forest) pour retenir la plus performante
- Livraison de grilles de pricing par kilométrage × âge, intégrées directement dans les outils de décision des équipes commerciales
Recommandations
Soyez le premier à recommander Hermann
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
- Double MSc in Statistical Engineering and Data Science & in StatisticsSorbonne University – ISUP (Paris Institute of Statistics)2020
- Financial Risk Management (FRM) CandidateGARP2026Financial Risk Management (FRM) Candidate