Anne-Laure Lemaitre

Contexte et objectifs : Conception et mise en oeuvre de l’architecture data ayant permis le lancement d’une nouvelle offre Power BI à destination des clients, depuis le cadrage du besoin métier jusqu’à la restitution décisionnelle. Architecture Data et Data Analyse : • Collaboration avec les équipes métiers et produit afin de traduire les besoins fonctionnels en tableaux de bord exploitables. • Choix et mise en oeuvre d’une solution d’ingestion adaptée au contexte de l’entreprise (Apache NiFi). • Conception et implémentation de pipelines ETL : extraction des données (requêtes NoSQL), ingestion de flux de données, transformation et stockage. • Automatisation des flux de données afin de faciliter le déploiement, la maintenance et l’industrialisation de la solution (Apache Nifi) • Modélisation des données orientée indicateurs métiers (KPI) à destination des clients (ex. aide à la gestion des parkings) et des équipes internes. • Nettoyage, transformation et validation des données (Power Query). • Optimisation des modèles et des jeux de données pour améliorer les performances et la lisibilité des rapports. • Conception de modèles de données en étoile et en flocon de neige. • Création de tableaux de bord Power BI et calcul des indicateurs (DAX). • Rédaction de la documentation technique et utilisateur. • Conception d’un modèle de dashboard réutilisable afin de faciliter le déploiement de la solution chez de nouveaux clients.) Programmation algorithme : • Développement d’un algorithme d’optimisation du stockage de données en base (python) afin d’optimiser l’affichage de données coté application. Machine Learning et IA : • Conduite de projets de machine learning orientés produit visant à la personnalisation de l’expérience utilisateur au sein de l’application Sharvy. • Analyse des usages applicatifs et traduction des besoins produit en problématiques data / ML. • Développement, entraînement et déploiement de modèles de machine learning. • Réalisation des étapes de prétraitement des données, feature engineering et sélection de variables pertinentes. • Évaluation et optimisation des modèles à l’aide de métriques adaptées aux cas d’usage (accuracy, precision, recall). Méthodologie et environnement: - Environnement Agile - Documentation technique et méthodologique des pipelines data Stack technique : Python (pandas, numpy, scikit-learn, TensorFlow), Apache Nifi, MongoDB (Studio3T), Power BI (DAX, Power Query), PyCharm

Contexte : Projets de recherche en neurosciences/neuro-oncologie impliquant des données complexes et hétérogènes. 27 publications :Anne-Laure Lemaitre-2099755878) Gestion de projet: • Pilotage de projets recherche de bout en bout : cadrage, plan d’analyse, exécution, restitution. • Traduction de problématiques scientifiques en hypothèses mesurables et indicateurs analytiques. Analyse de données : • Constitution, gestion et maintien de bases de données structurées (Excel). • Mise en oeuvre de processus de collecte, nettoyage, validation, des données de recherche. • Conception de visualisations de données avancées (R – ggplot2) • Valorisation des résultats via des publications scientifiques internationales en anglais Analyse statistique : • Modèles de régression, analyses multivariées, tests statistiques. • Conception et développement de pipelines d’analyse statistique automatisés (R), de la préparation des données à l’interprétation des résultats. Environnement technique : Excel, Matlab, SPM, MRICron, MRICroGL, Statistica, SPSS, R

Projet visant à mettre en évidence le lien entre bégaiements chronique et anomalies microstructurales de la substance blanche frontale associative. - Planification et organisation des rendez-vous en vue de la réalisation des examens pluridisciplinaires (orthophoniques, neuroimageries), - Recueil et collecte des données (Sous Excel) - Planification des étapes de traitement et de pré-traitement des Imageries de Tenseur de Diffusion (via Explore DTI, TrackVis, DSI Studio).