Associate Data Scientist

A intégré le département Client Success d'un éditeur de logiciels HRIS pour piloter des projets de migration de données HR à l'échelle mondiale.

• A spearheadé une migration à grande échelle depuis HRAccess vers la plateforme 4YOU, maintenant une intégrité des données de 100% et assurant une transition transparente pour tous les enregistrements HR globaux.
• A développé 400+ scripts SQL personnalisés pour automatiser les audits de données complexes et les manipulations, réduisant considérablement le traitement manuel et améliorant la précision des données.
• A optimisé les workflows de déploiement, atteignant une augmentation d'efficacité de 15% en standardisant les protocoles UAT et en simplifiant les procédures de mise en production.
• A dirigé les stratégies QA sur les environnements Web et Design, identifiant et résolvant les lacunes fonctionnelles critiques avant la production.
• A développé des livrets de test complets et des rapports techniques via la modélisation Excel avancée, fournissant des insights actionnables à la direction.
• A collaboré avec des équipes internationales et multidisciplinaires pour livrer des solutions HRIS end-to-end dans des environnements sous pression, respectant systématiquement les délais serrés.

A rejoint l'équipe data d'un groupe financier pour développer une solution de Machine Learning en risk assessment conformément aux standards IFRS 9.

• A conçu une solution Machine Learning end-to-end pour calculer la perte de crédit attendue (ECL) selon les normes IFRS 9, intégrant les paramètres PD, LGD et EAD pour améliorer la précision de l'évaluation des risques.
• A engineered des pipelines ETL automatisés utilisant Python pour rationaliser les workflows de données, assurant une haute reproductibilité et scalabilité pour les datasets financiers à grande échelle.
• A extrait et transformé 10 000+ enregistrements depuis Oracle SQL Server, effectuant un nettoyage rigoureux des données et une ingénierie de features pour préparer les datasets à la modélisation statistique avancée.
• A développé et validé plusieurs modèles d'apprentissage supervisé (XGBoost, Random Forest), atteignant des performances optimales via une calibration précise et des métriques de validation rigoureuses (AUC-ROC, RMSE).
• A produit une documentation technique complète et des visualisations interactives, communiquant efficacement les hypothèses de modèle, les protocoles de déploiement et les résultats de performance aux stakeholders multidisciplinaires.

A intégré l'équipe data d'une banque pour développer des modèles de classification et optimiser la gestion de la liquidité.

• A développé un modèle de classification pour prédire avec précision les événements de trésorerie, contribuant directement à l'optimisation de la planification financière et à l'amélioration de la gestion de la liquidité au sein du secteur bancaire.
• A exécuté un nettoyage de données extensif, une analyse exploratoire (EDA) et des visualisations utilisant Python (Pandas, Matplotlib, Seaborn) et Excel, transformant les données financières brutes en insights actionnables.
• A segmenté les portefeuilles de crédits clients en fonction des facteurs de risque identifiés et des niveaux de dépréciation, fournissant des insights critiques pour une gestion améliorée du risque de crédit et la conformité.
• A démontré une forte maîtrise de Python pour la manipulation avancée de données et l'analyse statistique dans un contexte de prise de décision axée sur les données.