Description

Docteur en statistiques et application à Télécom paris tech, j'ai une expertise de plus de 10 ans dans l'analyse de données et le Machine Learning. De plus, au cours de ces derniers années, j'ai acquis de très bonnes connaissances en développement. Ce qui m'a permis de mettre en place des traitement automatisés de pipeline de data à des fin business, mais également de superviser les équipes sur ces sujets.

ces deux dernières années, je me suis aussi intéressé à la mise en place de la stratégie data pour une entreprise. Mais également tout ce qui concerne la gouvernance de data. Depuis la construction des data catalogue à la mise à disposition des outils de monitoring de la qualité des data en passant par le développement d'outils pour être compilant vis à vis de la RGPD.

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
Allemand
Notions

Préférences en matière de lieu de travail

En télétravail uniquement

Travaille majoritairement à distance

PSA
Chief Data scientist
AUTOMOBILE
avril 2018 - Aujourd'hui (8 ans et 2 mois)
Poissy, France
Concevoir et Développer de nouvelles pipelines de données (ingestion, traitement, apprentissage, exposition) du véhicule connecté.
Industrialiser ces pipelines en utilisant Pyspark et toute la Stack de d'intégration continue : GitHub, sonarcube, teamcity ainsi que les outils d'ordonnancement et de monitoring: airflow, libanais etc...
Mise en place des modèles de machines Learning pour prédire les défaut en après vente
Prévision des stock des pièces de rechange en utilisa tant des algorithmes de séries temporelles
PySpark python Machine learning Airflow GitHub Kibana TeamCity Scikit-learn
OUI SNCF
Lead data scientist
TRANSPORTS
octobre 2015 - avril 2018 (2 ans et 6 mois)
Paris, France
J'ai occupé le rôle de lead data scientist chez oui snif pendant 3 ans. L’objectif était de proposer des offres taillées sur mesure pour nos 19 millions de clients en nous basant sur des segmentations adaptées, des scoring pertinents et des recommandations de plus en plus personnalisées.
Dans ce contexte, j' ai pu mettre en place des pipelines automatisées sous Pyspark pour récupérer les data en provenance de diverses sources (CRM, données d'achat de billet de train, données de visites sur les sites, données de cracking d'activités sur nos sites etc...) et les agrégées dans des data frame afin de faciliter les analyses.
PySpark Jenkins GitHub Artifactory Python Apache Kafka algorithme de recommandation
Adomik
Lead Data scientist
EDITION DE LOGICIELS
février 2013 - octobre 2015 (2 ans et 8 mois)
Paris, France
optimiser d'algorithme de bidding pour le RTB (real time bidding).
Mise en place d'une pipeline d'import, de traitement et de stockage de data dans S3.
Configuration d'EC2 sur AWS et mise en place d'algorithme de machine learning pour générer et optimiser le prix des enchères.
AWS S3 Python Machine learning EC2 GitHub Travis CI