Issu d'une formation d'ingénieur, spécialisé en systèmes d'informations, IA et optimisation. Je vous offre une expertise de pointe en analyse de…
depuis la création du compte
Confiez votre projet à Niels
Faites appel à l'expertise de Niels pour faire avancer votre projet, ou découvrez d‘autres freelances pour trouver celui qui correspondra parfaitement à vos besoins.
Issu d'une formation d'ingénieur, spécialisé en systèmes d'informations, IA et optimisation. Je vous offre une expertise de pointe en analyse de données, machine learning et bases de données.
J'ai collaboré en tant que Data Scientist avec des institutions telles que le Crédit Agricole et le Département de la Charente-Maritime .
Détail des expériences :
Crédit Agricole : Développement de modèles d'apprentissage automatique (régression logistique et XGBoost) pour prédire les comportements d'achat des clients. Ces prédictions ont permis de réduire le coût des campagnes marketing (on ne cible que les clients les plus propices à l'achat des produits) mais aussi d'augmenter le taux de conversion.
Création d'une application dynamique en R-shiny pour présenter les profils des clients (implémentation du frontend et du backend incluant la base de données SQLserver).
Département de la Charente-Maritime : Exploitation des données à l'aide de règles d'association et de cartographie pour mieux comprendre les caractéristiques des populations dans le domaine social. Utilisation de modèles prédictifs et de NLP pour analyser les historiques de placement sociaux en utilisant Python et R.
Compétences :
Techniques : Apprentissage automatique, NLP, visualisation de données, entreposage de données, construction de pipelines de données.
Outils : Python, R, SQL, Hadoop, Spark, SGBD
Contactez-moi et découvrons ensemble comment transformer vos données en actions concrètes.
Développement de modèles d'apprentissage automatique (régression logistique et XGBoost) pour prédire les comportements d'achat des clients. Ces prédictions ont permis de réduire le coût des campagnes marketing (on ne cible que les clients les plus propices à l'achat des produits) mais aussi d'augmenter le taux de conversion.
Création d'une application dynamique en R-shiny pour présenter les profils des clients (implémentation du frontend et du backend incluant la base de données SQLserver).
Exploitation des données à l'aide de règles d'association et de cartographie pour mieux comprendre les caractéristiques des populations dans le domaine social. Utilisation de modèles prédictifs et de NLP pour analyser les historiques de placement sociaux en utilisant Python et R.