Ingénieure Data & IA

Intégration de l'équipe de DIDASK en tant que Data Analyst & Automation en alternance afin de concevoir et déployer des solutions orientées data.

• Conçu et déployé un système de Lead Scoring basé sur le Machine Learning pour prioriser les prospects à fort potentiel de conversion et réduire le temps de qualification des leads.
• Construit un pipeline ETL automatisé alimenté par l'API HubSpot et orchestré via GitHub Actions, avec mise à jour quotidienne et déploiement continu.
• Généré un dashboard interactif en Vibe Coding pour le pilotage en temps réel et le suivi des KPI commerciaux.
• Mis en place un pipeline d'enrichissement automatique des prospects via LLMs et Web Scraping.
• Automatisé les workflows CRM et collaboré avec les équipes métiers afin de concevoir des solutions Data-Driven et d'accompagner leur adoption.
• Mis en place des workflows basés sur des stratégies de Lead Nurturing afin d'optimiser le parcours de conversion.

Réalisation d'un stage en tant que Data Analyst au sein de DIDASK pour accompagner les équipes commerciales et fiabiliser la donnée.

• Appropriation des enjeux métier et des besoins des équipes commerciales afin d'orienter les analyses et les outils développés.
• Amélioré la qualité de la base CRM par l'identification et la suppression des doublons ainsi que l'enrichissement des données pour fiabiliser l'exploitation commerciale.
• Développé des solutions d'automatisation des reportings sous Excel, puis contribué à leur industrialisation sur Metabase avec Snowflake et dbt.
• Conçu des tableaux de bord interactifs pour le suivi des indicateurs commerciaux et le pilotage de l'activité.

Réalisation d'un stage en tant que Data Scientist pour concevoir un modèle de vision par ordinateur appliqué à la sécurité.

• Créé un dataset spécifique comprenant la collecte et l'annotation d'images via CVAT.
• Développé et entraîné un modèle de détection d'objets basé sur YOLOv8 pour la détection d'incendies.
• Optimisé les performances du modèle en termes de précision et de latence, et mis en place un pipeline d'inférence adapté aux contraintes temps réel.