Michal Gala

senior data scientist, du concept à la production

Peut se déplacer à Paris, Paris, Lyon, Lille, Marseille

  • 48.8546
  • 2.34771
Proposer un projet La mission ne démarrera que si vous acceptez le devis de Michal.
Proposer un projet La mission ne démarrera que si vous acceptez le devis de Michal.

Localisation et déplacement

Localisation
Paris, France
Peut travailler dans vos locaux à
  • Paris et 50km autour
  • Paris et 100km autour
  • Lyon et 100km autour
  • Lille et 100km autour
  • Marseille et 100km autour

Vérifications

Langues

Compétences (21)

Michal en quelques mots

Je travaille avec passion sur toute la chaîne de valeur d'un projet de Data Science, du sourcing des données, en passant par la modélisation, à la mise en production du modèle.

Ma double formation en Ingénierie Statistique et en École de commerce et mon expérience en application de modèles de Machine Learning, me permet de traduire vos problèmes métier en problématique statistique avec facilité. Durant toutes les étapes de mon travail, je garde toujours en tête l'objectif final du modèle, sa mise en production pour servir l'entreprise. Je porte donc une attention particulière :

- au sourcing des données, qui doit être réalisable dans un contexte de production.
- à la modélisation, dont la performance est non seulement indiquée par la métrique statistique à optimiser, mais aussi les critères d'application dans un contexte réel (scalabilité, explicabilité, facilité de ré-entraînement)
- l'explicabilité des modèles. Pour la conformité avec le cadre du RGPD, pour une adoption plus douce par les différents acteurs de l'entreprise concernés, pour une meilleure surveillance du modèle en production, et enfin pour permettre une interaction homme machine.
- la mise en production. Avec une notion de cycle de vie du modèle, surveillant sa performance au cours du temps, ses prédictions, les données injectées, l'orchestration de son ré-entraînement.

Pour la mise en production, je suis capable de m'adapter à votre architecture interne, de proposer de nouveaux outils (création d'API ...) , ainsi que de mettre en place des outils de visualisation/dashboard (application flask, dashboard superset/metabase)

Issu d'une formation en économétrie, et particulièrement intéressé par les méthodes bayésiennes d'analyse de données, je suis capable de mener des analyses d'impact/sensibilité.

Expériences

Accenture - ACCENTURE ORGANISATION

Conseil & audit

Data Scientist

Paris, France

mars 2017 - septembre 2017

Scoring d'opportunités commerciales, pour le compte d'un groupe industriel du CAC40.

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

Paris, France

avril 2018 - juin 2018

Mission de diffusion de la pratique du Machine Learning pour le compte d'une grande banque commerciale (CAC40).

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

Paris, France

novembre 2015 - novembre 2016

Au sein de la direction des études microéconomiques et structurelles (recherche) :
- 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

juillet 2019 - septembre 2019

1 recommandation externe

Formations

Certifications

charter modal image

Notre succès est une oeuvre collective

Contribuez à cette réussite et au sérieux de la communauté en signant la charte du freelance Malt.

Signer la charte