Bienvenue sur le profil Malt de Lewis !
Localisation et déplacement
- Localisation
- Paris, France
- Peut travailler dans vos locaux à
-
- Paris 16e Arrondissement et 50km autour
- Paris et 30km autour
Préférences
- Durée de mission
-
- ≤ 1 semaine
- ≤ 1 mois
- entre 1 et 3 mois
- Taille d'entreprise
-
- 1 personne
- 2 - 10 personnes
- 11 - 49 personnes
- 50 - 249 personnes
Vérifications
Charte du freelance Malt signée
Consulter la charte
Influence
Chargement...
Langues
Catégories
Compétences (11)
- Data Science
-
-
-
-
- Tous
-
-
-
-
Lewis en quelques mots
Avec plus de 5 années d'expérience en datascience dont l'essentiel en consulting, j'ai travaillé sur des missions alliant le technique et le fonctionnel afin de mieux répondre aux besoins d'analyses et de pédagogie attendus.
Si les algorithmes de Machine Learning tels que GBM, RF, XGBOOST et DL constituent aujourd'hui des incontournables chez un datascientist, je suis attaché aux techniques d'analyses et d’interprétations qui aident à mieux cerner le contenu des données comme les techniques de réduction de dimensions (ACP, ACM, AFC, etc.), les tests statistiques, les séries temporelles, les techniques d’échantillonnage et d'enquêtes et de textmining.
Expert et formateur en R, mon environnement technique compte aussi du Python, Spad, SPSS, du SQL etc...
Si les algorithmes de Machine Learning tels que GBM, RF, XGBOOST et DL constituent aujourd'hui des incontournables chez un datascientist, je suis attaché aux techniques d'analyses et d’interprétations qui aident à mieux cerner le contenu des données comme les techniques de réduction de dimensions (ACP, ACM, AFC, etc.), les tests statistiques, les séries temporelles, les techniques d’échantillonnage et d'enquêtes et de textmining.
Expert et formateur en R, mon environnement technique compte aussi du Python, Spad, SPSS, du SQL etc...
Expériences
Consulting pour Renault - Groupe Renault
Automobile
Datascientist
- Préparation et normalisations des données extraites de plusieurs bases (sous R et SQL)
- Traitement et Analyse des données de la base client MyRenault et MyDacia pour un périmètre d'une trentaine de pays (SAS, R)
- Création des reportings et tableaux de bord (sous Spotfire)
- Analyse des données avec des méthodes de machine learning : Arbre de décision, Régression logistique et KNN (sous R)
- Analyse des verbatims issus des plaintes : Texmining (sous R)
- Interlocuteur pour les instituts d'enquêtes : (IPSOS par ex)
- Powerpoint de restitution et de diffusion des résultats des analyses
- Traitement et Analyse des données de la base client MyRenault et MyDacia pour un périmètre d'une trentaine de pays (SAS, R)
- Création des reportings et tableaux de bord (sous Spotfire)
- Analyse des données avec des méthodes de machine learning : Arbre de décision, Régression logistique et KNN (sous R)
- Analyse des verbatims issus des plaintes : Texmining (sous R)
- Interlocuteur pour les instituts d'enquêtes : (IPSOS par ex)
- Powerpoint de restitution et de diffusion des résultats des analyses
Secteur de l'Energie
Energie
Datascientist
Lead Datascientist au Marketing
- Analyses sur le churn, le churn précoce, le churn par Canal d'acquisitions, par Offres etc.
- Mise en place d'un portail de visualisation de données avec R Shiny
- Scoring de risque des clients susceptibles de quitter le portefeuille : R H2O
- Xgboost, GBM, RF, Régressions Linéaires, Régressions Logistiques
- Analyses des enquêtes : R survey
- Séries temporelles sur les données d'acquisitions et de résiliations
- Création des packages R pour :
_ Automatiser les livraisons d'extractions récurrentes
_ Reproduire facilement les analyses récurrentes
_ Nettoyer/Recodage des bases de données
- Mise en production des applications issues des analyses via Docker
- Accompagnements de consultants
- Analyses sur le churn, le churn précoce, le churn par Canal d'acquisitions, par Offres etc.
- Mise en place d'un portail de visualisation de données avec R Shiny
- Scoring de risque des clients susceptibles de quitter le portefeuille : R H2O
- Xgboost, GBM, RF, Régressions Linéaires, Régressions Logistiques
- Analyses des enquêtes : R survey
- Séries temporelles sur les données d'acquisitions et de résiliations
- Création des packages R pour :
_ Automatiser les livraisons d'extractions récurrentes
_ Reproduire facilement les analyses récurrentes
_ Nettoyer/Recodage des bases de données
- Mise en production des applications issues des analyses via Docker
- Accompagnements de consultants
Recommandations externes
Consultez les recommandations qu'a reçues Lewis