Développement de modèle d'early-detection de pannes dans les centrales électriques.

Consultant Data Scientist, actuellement en mission chez Pernod-Ricard et l'Oréal.

Developpement d'un procédé d'AB testing entièrement automatisé pour éprouver des changements en jeu. Prédiction sur des timeseries pour inférer la LTV des joueurs à la première connexion dans le but d'automatiser l'acquisition d'utilisateurs. Génération automatique de publicités par transfert de style à partir de cycle-GANs.

Durant ces 6 mois j'ai travaillé en R&D sur un outil d'étude automatique des communautés de joueurs sur les réseaux sociaux, que j'ai aidé à développer en proposant et en implémentant un pipeline permettant de tester et d'évaluer l'impact de changements dans le paramétrage de l'outil sur les résultats obtenues, dans un environnement à l'origine complètement non supervisé.Ceci m'a permis de travailler à tous les niveaux de la gestion de produit de machine learning:- La réflexion produit sur les utilisateurs, leurs attentes et ce qu'on souhaite leur délivrer- La phase d'ingénierie de la donnée afin d'identifier les sources possibles de données et de les connecter à nos outils de travail de manière dynamique- La réflexion scientifique sur la meilleur manière mathématique d'exploiter les données à notre disposition pour obtenir les résultats souhaités- Le développement en Python de modèles de machine learning et la mise en package réutilisable et connecté à un environnement plus large (sklearn)

Adaptation d'un algorithme de détection de dual-sims à Apache Spark via l'interface R Sparklyr, afin qu'il soit appliqué à de grands volumes de données (data-sets de 200Gb).Je suis parti de zéro sur ce projet et aie été amené à effectuer des recherches documentaires étendues sur la gestion de la mémoire sous Apache Spark, ainsi qu'à implémenter directer les résultats de ces recherches.

Mission stratégique sur le recyclage des déchets d'un groupe chimique, étude du marché des engrais azotés avec une approche biologique.