Machine Learning Engineer | Data Scientist

Elle a mené des analyses de données macroéconomiques multi-pays et soutenu la prise de décision institutionnelle.

• A analysé des données macroéconomiques multi-pays et produit des indicateurs décisionnels.
• A effectué le contrôle qualité, la validation et l'harmonisation de bases de données institutionnelles.
• A développé des dashboards et automatisé les reportings.
• A restitué les analyses aux décideurs et parties prenantes.

Elle a intégré une équipe de recherche en statistiques pour développer des solutions de Machine Learning prédisant les maladies chroniques à partir de données massives.

• A développé des modèles de Machine Learning pour la prédiction de maladies chroniques.
• A exploité des bases de données massives de santé publique.
• A réalisé le feature engineering, le nettoyage et la structuration des données.
• A évalué l'interprétabilité des modèles et les a restitués aux équipes médicales.

Elle a développé une solution de recommandation basée sur Machine Learning et Deep Learning pour traiter et valoriser les données utilisateurs à grande échelle.

• A développé un système de recommandation basé sur Machine Learning et Deep Learning.
• A traité des données utilisateurs à grande échelle en utilisant SQL et infrastructures cloud.
• A mené un benchmark de plusieurs modèles et optimisé les performances.
• A déployé la solution et restitué les résultats via interfaces interactives pour les équipes métier.

Elle a mené deux missions de conseil en Data Science : l'une dans le secteur logistique sur la prévision de retards, l'autre dans le secteur bancaire sur le scoring et la détection du risque client.

• A construit des modèles de classification et de régression pour la prévision de retards logistiques.
• A conduit une analyse exploratoire des données et créé des variables métier pour améliorer les performances des modèles.
• A comparé et évalué plusieurs modèles de Machine Learning selon des métriques de performance.
• A développé des indicateurs de risque et de scoring pour l'analyse et la priorisation des dossiers clients.
• A analysé les données clients dans un contexte de conformité réglementaire et effectué la détection d'anomalies.
• A industrialisé les traitements sous Python, SQL, SAS et outils de data science avec restitution aux équipes métier.

Elle a assisté une équipe de recherche sur un projet de modélisation prédictive du cancer utilisant des techniques avancées de Deep Learning et NLP.

• A développé des modèles de modélisation prédictive de la progression de pathologies.
• A utilisé des réseaux neuronaux et des mécanismes d'attention pour améliorer les prédictions.
• A appliqué des techniques NLP sur des données cliniques.
• A analysé et communiqué les résultats à l'équipe de recherche.