Bienvenue sur le profil Malt de Hortense !

Malt vous permet d'accéder aux meilleurs consultants freelances pour vos projets. Contactez Hortense pour échanger sur votre besoin ou recherchez d'autres profils sur Malt.

Hortense Monnard

data scientist - biologiste

Peut se déplacer à Nice

  • 43.7018
  • 7.2683
Nouveau
Proposer un projet La mission ne démarrera que si vous acceptez le devis de Hortense.
Proposer un projet La mission ne démarrera que si vous acceptez le devis de Hortense.

Localisation et déplacement

Localisation
Nice, France
Peut travailler dans vos locaux à
  • Nice et 50km autour

Vérifications

Langues

Catégories

Compétences (13)

  • NLP
  • Frameworks
  • Débutant Intermédiaire Confirmé
  • Tous
  • Débutant Intermédiaire Confirmé

Hortense en quelques mots

Mon expérience dans la recherche m'a familiarisé avec l'analyse de données et les statistiques, et m'a permis de développer de bonnes capacité de résolution de problèmes.
Récemment, j'ai appliqué mes compétences en data science à la création d'une application pour le Ministère de la Santé.
Je suis passionnée par la data science et j'ai hâte d'entendre vos propositions.

***********************************************************************
I previously worked in research, so I am very familiar with data analysis and statistics, and I have good problem solving skills.
Recently, I applied my data science skills to creating an application for the French Health Ministry.
I am passionate about data science and I'm looking forward hearing from you.

Expériences

OpenClassrooms - Openclassrooms

Education & e-learning

Data Scientist en Formation

mai 2020 - septembre 2021 (1 an et 4 mois)

• Designing an application:
Programming, Data preprocessing and Statistical analysis - Python, Scikit-learn.

• Creation of a Prediction Model:
Statistical analysis, Feature engineering, Optimisation of model's hyperparameters and Selection of an optimal model - Python, Scikit-learn.

• Segmentation of a Population:
Feature engineering, Clustering, and Temporal analysis - Python, Scikit-learn.

• Conception of an Automated Classification Engine:
Text and images treatment and classification - Python, Scikit-learn, NLTK, BoW, OpenCV, BoVW, Keras, TensorFlow.

• Creating a scoring model and deploying it in a dashboard:
Automated feature engineering with relational datasets, Creation of metrics, and Bayesian optimisation - Python, Scikit-learn, XGBoost, Shap, Streamlit, Heroku.

• Deploying a deep learning model in a big data environment:
Creation of a scaled ETL pipeline - PySpark, Keras, TensorFlow, AWS.

Recommandations externes

Consultez les recommandations qu'a reçues Hortense

Formations