Data Scientist

Intégration de l'équipe IA d'une plateforme de centre d'appels pour concevoir et déployer des solutions d'orchestration intelligente basées sur LLM.

• Conception et prototypage de solutions VoiceBot IA intégrant l'architecture SIP Trunk avec orchestration LLM pour la gestion automatisée des appels et le routage intelligent.
• Développement d'un dashboard interactif avec Streamlit connecté à Google Sheets via API, permettant la visualisation en temps réel des métriques du centre d'appels.
• Mise en place de workflows ETL automatisés pour l'extraction de données serveur toutes les 2 heures, leur traitement et intégration dans le tableau de bord analytique.
• Implémentation de recommandations IA via l'API Google Gemini pour générer des insights actionnables et optimiser les opérations du centre d'appels.

Rôle de data scientist pour développer des pipelines d'analyse de données textuelles et de rapports décisionnels à partir de sources variées.

• Conception de pipelines de données ETL conteneurisés pour l'exploitation de données issues des réseaux sociaux et des actualités.
• Réalisation de l'analyse de données textuelles multilingues non structurées et mise en place de pipelines NLP pour l'analyse de sentiment, l'identification de thématiques et la reconnaissance d'entités nommées.
• Élaboration de 6 rapports mensuels Power BI pour le suivi des indicateurs et l'aide à la prise de décision.

Participation au développement et à l'optimisation de pipelines de traitement de données pour améliorer l'accès aux informations et soutenir la prise de décision.

• Développement et automatisation de pipelines ETL en Python, réduisant les efforts manuels de 30%.
• Création d'une API de données permettant un accès en temps réel aux informations critiques, améliorant la prise de décision.
• Gestion du cycle de vie complet des projets data : collecte, nettoyage, analyse et présentation des résultats aux parties prenantes.

Travail sur la préparation de données et le développement de modèles deep learning pour la classification d'images avec un objectif de haute précision.

• Prétraitement et exploration de données pour garantir la qualité et préparer les ensembles pour le machine learning.
• Entraînement et optimisation de modèles deep learning pour la classification d'images, atteignant 92% de précision sur les tests.
• Présentation des résultats à des équipes non techniques via visualisations et rapports clairs.