Data Scientist

: Agorithmeset RGPD
Laboratoire de Recherche Informatique LRI Paris-
Développement pour la SATT et la « Marie de Vanves » d'un outils de mapping/Liage automatique des bases de données. Algorithmes Liage, Sackey, Frisk. Dépôt de brevets en cours.
- Dans un réseau de bases, identification des Données à caractères personnels (DCP), recherche de clefs.

- Détermination des centres d'intérêts des users.

- Création d'une chaine de processde la Data Acquisition, Curation, Analysis, Usage
- Génération des requêtés pré-calculées avec leurs jointures

- Lancement parallélisé des requêtes sur les bases, agrégation inter-base des DCP

- Création d'une Api python et d'un front Reactjs de recherche DPO des DCP
2019/03 Compétition Kaggle deep learning: Predict future sales
L'objectif est de prédire lesprochainesventes d'articles d'une chaîne de magasin.
- Modèle autoregressif Arima, lightgbm, Xgboost, Réseau de neurones récurrents
LSTM

- Publication sur Kaggle d'une solution combinant Xgboost et LSTM.
- Doc de présentation et dossier Data Science
2019/01 Détection de changements urbains ou environnementaux par Cartes auto-adaptatives (Self-organizing map) avec la librairie Mini-Som.
A partir de séries temporelles d'images satellite Landsat, de données démographique et environnementales (niveau des mers, mesures de surface des Glaciers) de 1984 à
2016.
- Etude démographique des villesde Brisbanes,Las Vegas,Comté de Miami

- Etude environnementale du glacier de Columbia en Alaska
- Doc de présentation et dossier de Data Science
2018/12 Projet Deep Learning d'identification automatique de 120 races de chiens
Modélisation avec bags of features Sift,Gradient Morphologique.
- Transfer learning CNN avec lesmodèles Vgg16,Vgg19,Resnet50
- Ajout de couches Relu,Polling,Convolution. Optimizer SGD,Adam

- Remplacement de la couche Fully-connected par softmax.
- Création d'un batch d'identification des images.
- Doc de présentation et dossier de Data Science

EXPERIENCES (suite)

2018/10 Projet Catégorisation automatique / NPL de questions StackOverFlow
- ML non supervisé LDA, Allocation de Dirichlet Latente, calcul de la matrice de probabilité de présence de chaque mot
- L supervisé, classification multi class avec la stratégie One Versus Rest (OVR)
- Modèles Logistique avec pénalité de Ridge, SVM, RN multilayer perceptron, Random Forest, Gradient Boosting classifier, réduction des dimensions avec PCA.
- Création de deux Api de catégorisation, non supervisé et supervisé, Rédaction d'un document de Datascience

2018/09 Projet Datazone, Segmentation automatique des clients.
- Recherche de la classification/segmentation client optimale, Clustering Kmean++ , Score RFM
- Sélection du meilleur classifieur : Précision, taux de bon classement, matrice de confusion, courbe ROC.
- Hyperparamètres optimaux obtenus par Cross-validation
- Modèle Regression Logistique avec pénalité, Gradient Boosting classifier, Random Forest classifier, SVM Support Vector
Machine ou Séparateur à Marges Maximales, Classifieur à réseau de neurones multi-layer perceptron
- Appli python de classification des clients, Dossier de Datascience