Bilal Bounadja

Data Scientist Senior | Modélisation Prédictive

Salaire / Taux journalier

Paris, France

Freelance, ouvert au CDI

Expertises

PythonMachine LearningData Analysis

Langues

AnglaisEspagnolFrançais

À propos

Introduction

Data Scientist avec expertise en IA et modélisation prédictive, diplômé Arts et Métiers & Sorbonne Université (ex UPMC). Expérience prouvée chez Jaeger-LeCoultre avec amélioration des performances prédictives de 45% de MAPE via ML avancé. Spécialisé en IA et Data

Liens

Expérience de travail

Professeur particulier mathématiques

SuperprofFreelance

sept. 2023 - Présent

3 ans 2 mois

-Accompagnement personnalisé d’élèves du collège au supérieur en mathématiques et informatique -Élaboration et adaptation de supports pédagogiques pour faciliter la compréhension des concepts complexes -Initiation à la programmation (Python, algorithmique), initiation à l'intelligence artificielle et aide à la résolution de problèmes pratiques -Suivi régulier de la progression des élèves et ajustement des méthodes pédagogiques selon leurs besoins -Préparation ciblée aux examens et concours, avec amélioration mesurable des résultats scolaires -Développement de compétences en communication, pédagogie et gestion du temps -Renforcement de la confiance et de la motivation des apprenants grâce à un enseignement individualisé

Data Scientist

Jaeger-LeCoultre

févr. 2023 - août 2023

7 mois

57340 Suisse, France

– Veille technologique : Analyse des tendances émergentes et innovations pour une adaptation optimale des stratégies. – Collaboration avec la Supply Chain : Identification des données produits pertinentes ainsi que des performances des outils classiques sur la prédiction. – Traitement avancé des données : Regroupement, tri et fusion de tables complexes sur BigQuery (GCP) et SQL Server pour une exploitation efficace. – Programmation et modélisation prédictive : Extraction et manipulation de données avec Python (Pandas), choix des KPIs, analyse statistique avec Seaborn, prétraitement et modélisation de séries temporelles via LSTM, XGBoost, Random Forest, wMAPE 85% en test. – Visualisation et communication des résultats : Création de graphiques interactifs et rapports clairs avec Seaborn et Matplotlib pour une prise de décision éclairée. – Évaluation des performances prédictives : Comparaison sur 10 références inconnues, montrant une amélioration significative par rapport aux prédictions de la Supply Chain (85% vs 40% wMAPE).


Formation

Arts et Métiers - École Nationale Supérieure d'Arts et Métiers

Master 2 (M2)

2022 - 2023

1 an 2 mois

Masters de sciences de l'ingénieur - Sorbonne Université

Master's degree

2021 - 2023

2 ans 2 mois

Pierre and Marie Curie University

Licence

2017 - 2021

5 ans

Portfolio

RAG fact checking scientifique

Prévision des ventes à partir du Machine Learning

Benchmark de classification Spam avec fine-tuning DistilBERT

Le meilleur endroit pour trouver votre prochaine opportunité

© 2026. Tous droits réservés.