armand gilles

Accompagnement d’une start-up dans la mise en valeur des données en phase de MVP. Conception et déploiement d'un algorithme de type classification binaire. - Cadrage et conception d’un algorithme de type classification sur leur application (Saas). - Stratégie de captation de données. - Travail en parallèle avec les developpeurs Front-End. - Architecture du pipeline de données. - En communication directe avec le métier afin d’optimiser la création de valeurs. - Déploiement de l'algorithme.

Animation d’ateliers en amont d’un projet multi-sites sur la présentation de données internes (de type sensors; des millions de lignes) et externes au sein d'une équipe de 7 personnes. Conception et développement du pipeline de données suite au retours des ateliers. - Suivi du projet avec cadrage et définition d’objectif avec le métier et création de KPI. - Réalisation du pipeline de données modulaire pour mise en production. - Respect de la modularité du code afin de facilité l'évolution et la maintenance. - Description technique et fonctionnelle du code.

Détection d’anomalie de fonctionnement sur les stations Vcub (vélos en libre-service sur la métropole de Bordeaux) grâce à des données en open-data. Recherche de données disponible afin de résoudre la détection de station hors service (erreurs de connexion, mauvais fonctionnement de l'installation...). Étude faisabilité de la récupération des données. - Pipeline de données : extraction, structuration et analyse exploratrice afin de vérifier la véracité du projet. - Conception, optimisation et monitoring d’algorithmes de détection d’anomalies de service des stations Vcub (analyse et code sur Github) avec segmentation des infrastructures. - Modularité du code : module Machine Learning, module d’alerte Twitter pour les alertes ainsi qu’un site lié au KPI et alertes de l’activité des stations Vcub : https://vcubwatcher.herokuapp.com avec graphiques interconnectés via API.

Lead Data Science dans le laboratoire IA. Assure l'ensemble des processus d'un projet IA vers une mise en production de projet. Animation de réunion et gestion d'une équipe de 2 junior. Divers projets et POC réalisés. - Cadrage du projet et compréhension métier de l'objectif. - Analyse et exploration des données. - Nettoyage et structuration des données en base de données. - Communication continue avec le métier. - Monitoring de performance des algorithmes (supervisé, non supervisé, NLP). - Mise en production de l'environnement.

POC sur la détection de crédit en défaut pour une banque (B2B). Audit de la base de learning et apprentissage de divers algorithmes. Présentation des résultats devant les directeurs innovation et risque de l’entreprise. - Structuration et nettoyage de la base de données. - Création de la base d'apprentissage avant de concevoir un algorithme de classification binaire. - Processus de validation de performance et optmisation des paramètres de l'algorithme.

Aide à la décision pour les chirurgiens de l’hôpital Foch (Paris) pour les transplantations pulmonaires. Dans le cadre de la saison 5 de DataForGood, avec présentation devant des officiels à l'Assemblée nationale. Réunion avec plusieurs chirurgiens afin de cadrer le projet. Structuration et nettoyage des données liées aux opérations et historiques des patients. Développement d’algorithmes afin d’aider les chirurgiens en fin d’opération. Projet rendu public sur Github ainsi que les conclusions. - Forte relation avec les chirurgiens de l'hôpital. - Projet open-source. - Classification binaire. - Optimisation de l'algorithme. - Présentation des résultats à l'assemblé national.

Dans le cadre d’une demande d’un expert de justice. Travail de détection d’anomalies sur des séries temporelles (plusieurs millions de points) suite à la création de KPI métiers et de contrôles. - Analyse de Time Serie. - Data visualisation des données afin de faciliter les discussions avec l'expert. - Rapport d'expertise