Data Analyste

Intégration de l'équipe PMO pour piloter la modernisation des processus de reporting et l'intégration de solutions d'IA générative à destination de l'ensemble des équipes.

• Conception et déploiement de 7 dashboards Power BI couvrant les domaines clés du PMO (certifications, budgets, timelines, KPIs).
• Automatisation du reporting mensuel des coûts via Power Automate, réduisant de manière significative le temps de traitement manuel et fiabilisant les mises à jour récurrentes.
• Développement d'une solution d'extraction automatique de noms fournisseurs depuis des factures en intégrant Power BI MCP et Claude, démontrant l'application opérationnelle de l'IA générative.
• Mise en place d'un pipeline ETL complet (Power Query, consolidation multifournisseurs) pour fiabiliser les données offshores et alimenter les tableaux de bord décisionnels.
• Intégration de visuels Python dans Power BI pour réaliser des analyses avancées (clustering, visualisations personnalisées) au-delà des capacités natives de l'outil.

Réalisation d'une étude approfondie sur les biais et le cadre légal des systèmes d'IA de reconnaissance faciale, en examinant leur fonctionnement et leur équité algorithmique.

• Étude des biais dans les algorithmes de reconnaissance faciale et analyse de leur cadre légal et éthique.
• Conception et coordination d'une enquête terrain (protocole, ateliers, collecte de données) pour évaluer l'équité et l'impact algorithmique.
• Réalisation d'une analyse qualitative et quantitative des données collectées lors des ateliers terrain.
• Développement d'outils de suivi centralisés pour visualiser l'avancement du projet et faciliter le reporting.

Réalisation d'un projet complet de machine learning visant à prédire la survie des passagers du Titanic en appliquant les bonnes pratiques de data science.

• Développement d'un modèle de classification (Decision Tree) pour prédire la survie selon des variables démographiques.
• Mise en œuvre d'un algorithme de clustering (K-Means) pour segmenter les passagers.
• Nettoyage des données et ingénierie des features pour optimiser la qualité prédictive.
• Évaluation de la performance du modèle et documentation des résultats.