Data Scientist

A intégré une équipe data pour concevoir, entraîner et déployer des modèles de machine learning et des solutions analytiques destinées aux équipes métier.

• A conçu et entraîné des modèles de prévision de séries temporelles (ARIMA, LSTM, Prophet) en Python.
• A développé des modèles de segmentation (K-Means, ACP) et a effectué le benchmarking des modèles alternatifs.
• A évalué les performances des modèles selon des métriques adaptées (RMSE, MAE, AUC) et a sélectionné les meilleurs pour le déploiement.
• A créé des tableaux de bord (Tableau, Power BI) pour communiquer les KPIs et résultats aux équipes métier.
• A assuré le cadrage des besoins, traduit les demandes en solutions analytiques et accompagné les utilisateurs.

A rejoint l'équipe risk management d'une banque pour développer des modèles prédictifs de probabilité de défaut et améliorer les processus de provisionnement réglementaire.

• A modélisé la probabilité de défaut (PD) en comparant trois approches : régression logistique, SVM et réseaux de neurones artificiels (ANN).
• A évalué les performances de chaque modèle et identifié le plus approprié pour la mise en production.
• A calibré les paramètres LGD et amélioré les provisions conformément aux normes IFRS 9.
• A exploré et préparé les bases de données financières en SQL.
• A développé un tableau de bord de pilotage pour le Risk Appetite Framework (RAF).