Data Scientist / Data Analyst

A conçu et mis en place une solution complète de gestion et d'analyse des données pour une boutique d'optique.

• A conçu un pipeline complet en Python et SQL pour collecter, nettoyer, structurer et consolider les données de commandes, produits et campagnes marketing.
• A réalisé la segmentation client via K-Means pour identifier trois profils distincts : fidèles, occasionnels et à risque d'inactivité selon leurs comportements d'achat.
• A développé des modèles de Machine Learning prédisant la probabilité d'acceptation de plusieurs offres et recommandant l'offre optimale par profil client.
• A conçu et intégré un assistant RAG basé sur les catalogues et documents internes à une application Streamlit regroupant analyses, recommandations et indicateurs métier.

A intégré une équipe Data d'un équipementier automobile afin d'optimiser le traitement des données de véhicules et le pilotage décisionnel.

• A automatisé le décodage et la conversion des fichiers MF4 vers CSV en Python, intégrés dans BigQuery, réduisant le temps de traitement de 60 % (de 5 à 2 minutes).
• A conçu et réalisé des requêtes SQL complexes sur de grands volumes de données de capteurs et de performance véhicule.
• A développé des modèles de clustering selon trois axes d'usage distincts : distance parcourue, environnement urbain/rural et niveau de sportivité, permettant la création de personas data-driven.
• A généré des executive summaries et analyses détaillées validant six décisions techniques critiques.
• A conçu des dashboards interactifs sous Tableau Desktop pour le suivi des KPI et la restitution des analyses.
• A développé des modèles de Deep Learning pour la maintenance prédictive et l'estimation du Remaining Useful Life (RUL) des composants automobiles.
• A assuré la documentation et le transfert de connaissances auprès des équipes internationales.

A participé à un projet de recherche et développement en fabrication additive pour optimiser la prédiction de qualité et de performance des pièces produites.

• A appliqué des techniques de data augmentation via un autoencodeur neuronal pour améliorer la précision des modèles prédictifs.
• A développé et optimisé des modèles KNN et ANN pour prédire la densité des pièces produites en L-PBF (Laser Powder Bed Fusion).
• A réalisé l'analyse et la visualisation des résultats de fabrication additive à travers des dashboards interactifs sous Power BI.