Adam Proust

Modèle de machine learning pour la caractérisation des maintenances de la flotte avions militaires et civils avec traitement naturel du langage (NLP) basé sur les rapports des techniciens. Analyse statistique / probabiliste pour identifier les équipements / avions problématiques. Travaux d’application des modèles d’IA générative à destination de la génération automatisée de la documentation maintenance du RAFALE (France et Export, FR-EN). Stack : Cloud de calcul RedHat, NLP, LLM, XML (format S1000D), Python

Implémentation et déploiement d’une API python sur un serveur Linux servant à interroger les modèles de machine learning développés par mes soins et mis en production. Travaux de modélisation et de mise en production d’un modèle dynamique pour prédire le temps de recharge des véhicules électriques par session de recharge et typologie de véhicule. Travaux sur la maintenance prédictive du parc des bornes de recharges électriques. Containérisation des frameworks et instances via Docker. Stack : pipeline automatisée Data/Modélisation avec Airflow, Docker (MLOPS), Python, FastAPI, Cassandra

Data management Industrialisation de code R et Python Ordonnancement de traitement via Airflow. Développement d'API streamlit. Calcul d'indicateurs COVID19 et variole du singe. Stack : Streamlit (API), Airflow, R, Python, Computer Vision, cloud Onyxia (INSEE)

Modélisation Random Forest du défaut légal à 1 an de toutes les entreprises françaises (12 millions). Implémentation python des modèles de décision + règles métiers + machine learning. Data analyste et conseil pour le Ministère des Finances afin de décerner un label ISO de « bon payeurs ». Web Scraping et fusion de données externes en base de données. Analyses statistiques fraude et défaillance. R&D nouveaux produits pour usage interne et pour les clients. Calcul massif distribué (Spark et multi-processing). Stack : Python, Cassandra, Mutli-processing

Modélisation de la production et la performance des parcs éoliens Recherche de nouvelles données pour affiner les modèles de prédiction Statistique descriptive, classification, machine learning (supervisé et non supervisé)

modélisation machine learning de la problématique basée sur des électrocardiogrammes. méthode de traitement du signal (ondelettes, transformée de Fourier). réduction de dimension. stacking ensembliste de plusieurs modèles de machine learning.

Modélisation du risque dans le cadre de la troisième évaluation de l'ORSA : risques : action, taux et mortalité Dans le cadre de ce stage je me suis concentré sur le risque action de type 1 du marché du CAC 40, du taux des obligations et de la mortalité sur base des nouvelles tables du BCAC. La modélisation a été effectuée sous le langage R et utilisation du package GSE développé par l'ISFA

Réponse aux appels d'offres des contrats collectifs sur mesure en Prévoyance / Santé. Après étude du cahier des charges, évaluation du risque et élaboration d'une proposition tarifaire en coordination avec les commerciaux. Analyse du portefeuille par génération de souscription via les comptes de résultats et de leur évolution (ratio S/P et cadencier des PSAP). Assistance technique auprès des inspecteurs commerciaux. Mise en conformité conventions collectives nationales des contrats prévoyance en portefeuille.

ré-engeneering fonctionnel en technologies Web / LAMP développement Web (PHP) Développement d’une application web de monitoring pour une plateforme de services via le Framework Symfony en environnement LAMP, conception, réalisation de la documentation (spécifique et fonctionnelle) de l’application