Vincent Boisbourdain

data scientist, phd, expert python

Paris, France

  • 48.8569
  • 2.32
Proposer un projet

Vérifications

Rejoignez la communauté Malt pour découvrir le profil complet de Vincent Boisbourdain
Rejoignez la communauté Malt pour découvrir le profil complet de Vincent Boisbourdain

Découvrez ce que recherche Vincent

Déplacement
Travaille en partie dans vos locaux et en partie en télétravail
Zone d'activité
Recherche des missions à Paris et 100km autour, Caen et 100km autour
Compétences
Recherche des missions en Python, Data science, statistiques, Machine learning, Business intelligence
Durée de mission
Recherche des missions ≤ 1 mois, entre 1 et 3 mois, entre 3 et 6 mois, ≥ 6 mois
Secteur d'activité
Recherche des missions dans les secteurs Banque & assurances, Centres de recherche, Conseil & audit, E-commerce, Edition de logiciels et 26 autres
Taille d'entreprise
Recherche des entreprises de 1 personne, 2 - 10 personnes, 11 - 49 personnes, 50 - 249 personnes, 250 - 999 personnes et 2 autres

Vincent en quelques mots

Docteur en Physique, avec une importante expérience de programmation (20 ans) et de conseils (14 ans, depuis 2006) sur des sujets scientifiques avancés, avec une formation de Centrale Supelec - OpenClassrooms en data sciences, je suis intervenu récemment sur plusieurs projets stratégiques:
1°) Développement d'un algorithme de machine learning pour la prédiction des cours financiers,
2°) Tarification dynamique pour une grande surface,
3°) Audit des algorithmes de pricing d'une grande banque,
4°) Analyse d'un réseau de consommateurs à des fins de marketing ciblé,
5°) Développement d'un moteur de détection de données erronées avancées.

A l'aide des outils des data sciences, je peux vous aider à extraire et visualiser des données pertinentes, à repérer des failles ou des anomalies et finalement à définir des actions ciblées pour améliorer votre business. En mathématisant vos objectifs et vos contraintes, je peux formaliser rationnellement vos problèmes de stratégies et rechercher les meilleures solutions accessibles en fonction des données disponibles. Vous disposerez alors de solutions optimales en profitant des dernières avancées des méthodes d'apprentissage automatique et de l'intelligence artificielle.

Mon expérience, ma formation initiale en physique théorique et les calculs intensifs sur les supercalculateurs du CNRS, me permettent aussi de vous accompagner pour auditer, rationaliser, refondre, accélérer ou améliorer vos algorithmes (en Python, R, Matlab, Java, C++ ou dans d'autres langages).

Expériences

avril 2019 - septembre 2019 | Paris, France

Chimie

Air Liquide

Data Scientist for Innovation & Growth Strategy Team

Design of new business model, with the objective of providing a first illustration of final deliverables, possibly on a different country than the target deployment country. It help business team refine the analysis and visualisation they need to support their decision making.
● Formulate and iterate over hypothesis with business team
● Set-up back-testing methodology
● Run first simulations of impact on revenues and profitability if x% of customers would have turned to the new revenue model with different price points
● Visualisation of results

Iterate over back-test tool on target country and refined business model. The objective is to benchmark different business models with different price points regarding their impact on revenues and profitability.
● Integrate target countries data (2 different countries)
● Implement back-testing methodology as specified during PoC
● Collaborate with business teams to help compare scenarios and recommend price points
● Visualisation of results

A quantitative survey will be run to a sub-segment of customers to evaluate their appetence and willingness to pay for the different business models. Results may require an update with fine-tuned parameters of the simulations.
● Final refined simulations with fine-tuned parameters
avril 2019 - décembre 2019 | Le Bourget-du-Lac, France

Energie

CMDL - MANASLU Ing

Data scientist

Reprise, simplification et amélioration d'un algorithme en Python de détection d'erreurs de capteurs (aberration, absence, valeurs anormales, variations brutales...) à l'aide de méthodes statistiques et de visualisation des données, avec des problématiques d'optimisation des temps de calculs. Mise en place d'un rapport d'erreurs automatique.
mars 2015 - Aujourd'hui | Paris, France

Banque & assurances

Carmignac Gestion

R&D en mathématiques financières

Afin de montrer les possibilités offertes par des algorithmes statistiques ou d'apprentissage automatiques pour améliorer les stratégies de gestion de portefeuille de Carmignac Gestion, une librairie orientée objet a été développée en Python. Elle a, par la suite, été utilisée pour tester de nombreux modèles mathématiques de modélisation des cours et le moteur de calcul a été rendu accessible via un interface web.

Initialement, le projet a démarré par l'audit, la fiabilisation et l'accélération d'un algorithme écrit en R par un chercheur de l'école Polytechnique. Par la suite, une architecture object a été développée afin d'isoler les modèles statistiques, les stratégies financières, les calculs des indicateurs de risques, les tests sur de longues périodes passées, et la comparaison des modèles ou de stratégies entre elles.

Ce "banc d'essai" pour modèles financiers a ensuite servit pour évaluer la pertinence de nombreux modèles. En particulier:
1°) Modèle de student multi-variée à copule de Student
2°) Lois d'échelle temporelles statistiques pour réaliser des prédictions à long terme
3°) Un réseau de neurones LSTM
4°) Une optimisation rendements vs risques extrêmes (CvaR)
5°) L'intégration de contraintes de limitation des volumes de ventes et d'achat dans les stratégies

Ces travaux ont permis de challenger les traders par des propositions de réallocation des portefeuilles sous gestion, ainsi que de faire évoluer les méthodes utilisées par les ingénieurs quantitatifs.
septembre 2018 - novembre 2018 | Paris, France

Restauration

La Marmite

Détection d'anomalies dans une base de données

2 missions Malt

Satisfaction des clients Malt : 4.0/5 (1 avis)

4 recommandations externes

Formations

Langues

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