Baptiste de La Robertie

Responsible for development, testing, deployment, and support of a contextual search engine used by sales teams in their opportunity management process. Combined a classic language model with a temporal recommendation model leveraging over a decade of historical data to identify relevant and high-performing fragrances. Research and development on consumer preference modeling based on consumer testing data, sales data, and various vector representations of fragrances (ingredients, molecules). Utilized kernel density estimation (non-parametric generative models). Technologies: Dataiku, PostgreSQL, Python, PyMc, Keras/TensorFlow, Dash, Control-M, Talend.

- Responsable des cours "Machine Learning" et "Deep Learning" pour les étudiants du Master 2 Big Data.

- Consultant indépendant technique en data (DE, DA, DS, MLE, MOA/PO/CPT)

- Pour les Directions Marketing/Commerciale: développement de rapports automatisés pour le pilotage d'activité et les analyses de performance. Consolidation/homogénéisation des données tout canal (email, courrier, téléphone, agence). - Pour la DSI : développement d'outils facilitant la migration des projets Dataiku du Groupe (plus 1 800 projets Dataiku). Théorie des graphes pour la visualisation des projets et dépendances. - Dataiku, Tableau, Python, Networkx, Dash, Hue, Dremio, Hadoop, HDFS

- Responsable des sujets de gouvernance de la donnée carburant (identification de nouvelles sources, automatisation des flux pour la récupération de la donnée, définition de l’architecture et des modèles de données, garant des accès et de la qualité de la donnée) - Développement (python, sql, snowflake) et mise en production (ci/cd via github action, heroku, airflow, docker) de différents modèles de risques pour l’identification de dépenses carburants anormales au regard de différents critères (prix, kilométrage, litrages) - Développement d’API (python, postman) et de reportings (snowflake, tableau) - Analyses de données ponctuelles (produits, métiers, supports)

- Analyse des données de capteurs issues de lunettes connectées pour la modélisation et la compréhension des usages des porteurs. - Python, Dataiku

- Société Général Factoring : responsable du développement / industrialisation de différents modèles de risque (risque de défaut, retards de paiements). - Implémentation de réseaux de neurones graphiques (GNN) et récurrents (RNN). - Management, formation et développement de l’équipe data (méthodologie agile, 2 à 5 data scientist). - Dataiku, Python, Tensorflow, Keras, AWS

- Modèles hiérarchiques de prévision des ventes pour l'optimisation des stocks à différents niveaux de granularités (géographique, produit, temporel). - Problématique d'optimisation sous contrainte modélisée par réseaux de neurones profonds récurrents - Python, Tensorflow, Dataiku.

- Responsable pour 5 projets marketings du développement et de la mise en production des modèles de datascience permettant d'anticiper le comportement d'achat des clients. - Implémentation de réseaux de neurones profonds récurrents collaboratifs basés sur le contenu optimisant un critère d'ordonnancement personnalisé pour l'apprentissage de représentations temporelles des entités du graphes représentant les données transactionnelles. - Validation des modèles par A/B-test (10 millions d'euros de chiffre d'affaires mensuels générés) - Python, Tensorflow, Keras, Dataiku.

- Formation Deep Learning appliquée à la finance. - Python, Tensorflow, Keras,