Bienvenue sur le profil Malt de Nicolas !
Localisation et déplacement
- Localisation
- Paris, France
- Peut travailler dans vos locaux à
-
- Paris et 50km autour
Préférences
- Durée de mission
-
- ≤ 1 semaine
- ≤ 1 mois
- entre 1 et 3 mois
- entre 3 et 6 mois
- Secteur d'activité
-
- Banque & assurances
- Conseil & audit
- Industrie pharmaceutique
- Taille d'entreprise
-
- 1 personne
- 2 - 10 personnes
- 11 - 49 personnes
- 50 - 249 personnes
- 250 - 999 personnes
+2 autres
Vérifications
Charte du freelance Malt signée
Consulter la charte
Langues
Catégories
Compétences (9)
- Data Science
-
-
-
- Tous
-
-
-
-
-
Nicolas en quelques mots
De formation scientifique, je me suis spécialisé en finance.
Mes compétences sont variées :
Récupération de données :
- scraping de site internet avec beautifulsoup, selenium, scrapy, ...
- appel API, websocket, ou smart contract sur blockchain
Traitement de données :
- lecture de fichiers de tout format : json, csv, text, excel...
- nettoyage et traitement de données avec pandas et numpy
- stockage de données dans des bases mongoDB
Visualisation de données
- génération de dashboard interactif avec dash et plotly
Analyse et prediction par modele de deep-learning
- utilisation de sklearn et de statsmodels pour analyser les données
- entraînement de modèle de deep-learning avec tensorflow pour de la prediction de prix par recurrant neural network, ou classification de sentiment (NLP)
Expériences
Singularity DAO
Data Scientist
•Backtested those strategies including price impact for trading on DEXs
BNP Paribas ALM Treasury
Data Scientist
•Optimized the model using particle swarm algorithm and tested robustness with Monte Carlo simulations
•Engineered a model to replicate clients' rates with financial assets to lock down the margin
•Coded Vasicek model in C++ to simulate interest rates
•Built a news sentiment analysis using BERT and recurrent neural network (RNN) to classify news
•Built a second RNN taking news sentiment and other structured data to predict interest rates
•Created a dashboard with dash in Python to easily upload any data, visualize them to check corrupted datapoints and built predictive models
Quantitative Management Associates
Machine Learning Summer Intern
•Created chaotic time series to compare the RNN model accuracy with an ARIMA model one
•Applied the models to financial data and analyzed the performances based on several criteria
Recommandations externes
Consultez les recommandations qu'a reçues Nicolas