Bienvenue sur le profil Malt de Michal !
Localisation et déplacement
- Localisation
- Paris, France
- Télétravail
- Effectue ses missions majoritairement à distance
Vérifications
Charte du freelance Malt signée
Consulter la charte
Langues
Catégories
Compétences (21)
- Databases
-
- Data Science
-
Débutant Intermédiaire Confirmé
-
-
-
-
-
- Tous
-
Débutant Intermédiaire Confirmé
Michal en quelques mots
Expériences
Warner Bros. Entertainment
Divertissements & loisirs
Senior Analytics Engineer - En tant que freelance
- implémentation de modèles de données pour répondre à différents besoins (data scientists, analystes, applications...)
- panorama des données pour identifier les opportuniés de structuration
- transformation et intégration de données issues d'une grande variété de sources (emails, fichiers excel, API, scraping ...)
- orchestration de l'ingestion des données (airflow)
- optimisation de requêtes et de bases de données (Mysql)
- enrichissement des données pour alimenter les dashboards et les modèles de prévision : apport d'idées et exécution
- Création d'applications pour utilisateurs permettant l'upload de données à intégrer dans les bases de données (Flask)
- harmonisation des données, et "évangélisation" sur les données disponibles
Dashboards:
- création de dashboards
- ateliers de création de dashboards avec différents métiers (Finance et marketing principalement). Dialogue avec les experts pour façonner les différents dashboards et sourcer les données
- intégration de prévisions dans les dashboards
- optimisation de tables et requêtes SQL pour améliorer l'expérience utilisateur et le coût des requêtes
Simundia
Conseil & audit
Senior Analytics Engineer - En tant que freelance
- Partage des bonnes pratiques de maintenance et de modification du code source de l'outil Apache Superset
- Façonnage de KPI et vues à suivre pour gérer l'activité
- Construction de Dashboard autour de ces propositions
Accenture - ACCENTURE ORGANISATION
Conseil & audit
Data Scientist
Le projet a été réalisé du sourcing des données à sa mise en production :
- revue du catalogue des données et échange avec les équipes commerciales sur leur pertinence pour le modèle
- extraction des données et entraînement du modèle
- mise en production du modèle sur AzureML (résultats du modèles fournis par API, consommée par les terminaux des employés du groupe)
- mise en place d'un dashboard pour la surveillance du modèle
- Technique : à l'aide du service IT (disponibilité, scalabilité, erreurs)
- Statistique : Performance du modèle au cours du temps, distribution des valeurs prédites et des données d'entrées.
La priorisation des visites commerciales à plus forte probabilité de vente a permis une augmentation de 5 % du taux de rentabilité des équipes commerciales, sur les trois premiers mois de vie du modèle
Accenture - ACCENTURE ORGANISATION
Conseil & audit
Data Scientist
Rencontre de différents métiers pour la formulation d'opportunités de Machine Learning, avec pour chacun:
- revue du catalogue de données
- revue de la sensibilité des données et de leur accès
- formulation du problème
- élaboration de croquis d'architectures de la solution
Sélection d'un projet "pilote" respectant les aspects suivants (quick-win):
- données accessibles
- facilité d'intégration
- projet réplicable (problème facilement compréhensible, étapes réplicables, technologies flexibles)
Le projet choisi a été réalisé à l'aide d'outils traditionnels de Machine Learning (Python et libraires de Machine Learning courantes).
Banque de france
Banque & assurances
Economètre
- Estimation du coût de la non-appartenance à l'UE (Brexit) par un modèle économétrique de gravité
- Création d'indicateurs d'évolution de prix internationaux (estimation des données manquantes/aberrantes par modèles bayésiens hiérarchiques, et exploration de plusieurs méthodes pour le traitement des outliers)
kaggle
Divertissements & loisirs
Participation à une compétition
23ème sur 6381
Accenture - ACCENTURE ORGANISATION
Conseil & audit
Data Scientist
Principales tâches :
- Etude statistique du comportement des clients
- Segmentation des clients
- Mesure de l'adoption de nouveaux canaux par les clients
- Identification d'obstacles dans le parcours client, ainsi que d'opportunités inexploitées)
- Développement d'une application RShiny pour la présentation des résultats
Sibila.ai
Conseil & audit
Fondateur
Sibila donne vie aux algorithmes de machine learning au sein des entreprises autour de 3 axes: la performance du modèle, son interprétabilité, et sa mise en production
1 recommandation externe
Consultez les recommandations qu'a reçues Michal