Data Analyst / Scientist
Participation à un projet de R&D en agriculture connectée visant à optimiser la prédiction des rendements agricoles via des modèles machine learning appliqués à des données IoT volumineuses.
- Migration d'un modèle Random Forest vers LightGBM, réduisant le temps d'entraînement de 80%.
- Implémentation de techniques de gestion de la mémoire via down casting pour traiter des datasets IoT volumineux en production.
- Réalisation de feature engineering avancé en créant des variables synthétiques modélisant les interactions humidité/température.
- Validation du modèle avec une stratégie K-Fold, garantissant sa robustesse et sa généralisation.
- Optimisation de l'architecture globale du pipeline pour un déploiement en production.
Environnement technique