Zakarya I.
Paris (75) 350 €/jour Expérience : 1-3 ans Répond en 4h
Data scientist Python R Spark Data Science Machine Learning Deep Learning Statistiques Econométrie
En quelques mots
Bonjour,
Data Scientist freelance, je m’adapte aux problématiques propres à votre secteur d’activité et nous déterminons ensemble la meilleure façon de traiter votre problème.
Je vous accompagne dans vos projets et problématiques autour de la data :
- Analyse : mise en évidence des leviers disponibles pour améliorer vos performances
- Visualisation : présentation de vos données pour une meilleure compréhension
- Machine-learning : Analyse prédictive et classification de vos données
- Web-scrapping : extraction, traitement et intégration des données disponibles sur internet
- Enrichissement de vos données : ajouts de données publiques, géolocalisation…
- Traitement : mise en forme et nettoyage de vos données pour les rendre exploitables
N'hésitez pas à me contacter pour discuter de votre projet.
Outils :
- Languages : Python, SQL
- DataViz & Business Intelligence : Tableau Software
- Machine-learning / Deep Learning : Scikit-learn, XGBoost , Random Forest, Keras, Tensorflow ...
- Natural Language Processing (NLP) : NLTK
- Traitement de données : Pandas, Numpy, Scipy, Scikit-image
Références
Modis France
De Juin 2017 – Octobre 2017
Projet Préparation et traitement des bases de données/Analyse de comportement clients
Mission(s) et réalisations:
Data cleaning
Transformation et manipulation des données
Mise en évidence des corrélations et extractions des éléments significatifs,
Détection des clients susceptibles de changer d’assureur.
Environnement: Python.
*****************************************************
Janvier 2017 (durée 2 mois)
Projet: Optimisation de la consommation d’énergie
Développement des outils et des modèles statistiques efficaces afin de réduire la consommation et les dépenses énergétiques sans travaux de rénovation. Les modèles réalisés permettent à Oze Energies d’obtenir des procédures optimisées et réduire à la fois les coûts et les émissions de gaz à effet de serre.
Mission(s) et réalisations:
Un feature engineering basé sur l'observation des données et le bon sens : Nettoyage et traitement de la base des données, création de nouvelles variables
L'utilisation des modèles et d'algorithmes performants : GLM, Gradient Boosting, Random Forrest,
Le tuning de ces algorithmes en utilisant des méthodes automatisées (optimisation bayesienne)
L'ensembling de plusieurs modèles afin de combiner leur capacité à capter de l'information.
Environnement R, Python.
*****************************************************
Laboratoire de Recherche Beta Strasbourg
De Mars 2016 – septembre 2016
Projet: Modélisation du comportement individuel/ménage face à la décision de départ à la retraite anticipée.
Mission(s) et réalisations
Nettoyage de la base des données,
Mise en évidence des corrélations et extraction éléments significatifs
Conception et réalisation d’un algorithme permettant l’optimisation et l’estimation du modèle de la Micro-Simulation dynamique (sous R).
Analyse des préférences individuelles au sein du ménage, dans le cadre d'un arbitrage entre le maintien en activité (choix de la consommation) ou le départ à la retraite (préférence au loisir),
Déterminer les différents facteurs socioéconomiques affectant la décision de départ à la retraite anticipée : Effet d’entrainement au sein du couple, Effet de la différence de l’âge, Effet des études longues…
Réalisation des simulations et scénarios d’impacts.
Environnement R, Stata, SAS
Etudes
Ingénieur Statisticien de l'INSEA en 2014 et diplômé d'un Master 2 en Statistique Économétrie de l'université de Strasbourg.