Florian Brunet

Skills: Google BigQuery · Google Cloud Platform (GCP) · Développement d’algorithmes · Apache Spark · Apache Airflow · Apache NiFi · Scala

Skills: Développement d’algorithmes

Construction et déploiement d’un modèle d’élasticité prix de la demande pour l’ensemble des produits en magasin afin d’aider les analystes prix à fixer un prix maximisant les ventes, le CA ou la rentabilité.

Mise en place d’un système de modération d’avis patients permettant de lever des alertes et d’indiquer la nécessité ou non d’un contrôle humain sous forme d’API. Les principaux points à contrôler dans un avis étant : - La présence de données personnelles (téléphone, adresse mail ou postale) - L’absence de contenu injurieux ou violent - L’adéquation entre les notes et l’analyse de sentiment des avis

Accompagnement de l’équipe études stratégiques et géo dans la refonte et la migration de leurs applications géomarketing d’un environnement R à un environnement Spark/Python : - Mise en place de scripts d’ingestion et de traitement de données spatiales - Aide à la montée en compétences de l’équipe sur les traitements géo en Python et en Spark - Développement d’applications et de templates permettant à des profils techniques comme à des profils métiers de créer rapidement et simplement des cartes personnalisables (ajout en clic-bouton de fond de cartes, de couches, labels, couleurs, ...)

Dans le cadre du projet SWM (sustainable wildlife management), nous développons une application web R Shiny afin de répondre aux besoins suivants : - Lecture automatique de formulaires manuscrits via un OCR - Correction semi-automatique des erreurs de saisie - Création automatique de rapports de suivi de la chasse villageoise au Gabon

- Développement et monitoring de pipeline d’ingestion et de traitement de données via Spark (en batch comme en streaming) - Maintenance de modèles prédictifs du risque d’explosion de plateformes pétrolières

Encadrement d'étudiants des parcours Data Science et Data Analyst La mission du mentor : • Accompagner l’étudiant dans la complétion de son parcours dans le meilleur temps imparti. • Aider l'étudiant à structurer son approche pour réaliser les différents projets de son parcours • Fournir un soutien technique et méthodologique

Implémentation et mise en production d’un moteur de recommandations de sorties scolaires - Développement d’un algorithme de recommandations content-based - Déploiement de l’API de recommandations via Azure Python, Azure services, Flask, API

Implémentation d’algorithmes de fertilisation dans le cadre du projet FaST platform (Farm Sustainability Tool) - Développement de librairies Python pour les algorithmes de fertilisation espagnols, italiens et estoniens - Création d’API d’ingestion de données (hydrologie, données de sol, zones protégées, ...) - Construction d’interfaces d’administration via Django En savoir plus : https://gitlab.com/fastplatform

- Implémentation de pipeline de données, construction d'algorithmes de gestion de stocks et développement de dashboards interactifs via PySpark et Slate au sein de l'écosystème Skywise, plateforme data d'Airbus. - Développement de compétences autour des bonnes pratiques de code (craftmanship) et de l'industrialisation de la data science.

- Développement de packages R de machine learning afin d'analyser le comportement d'automobilistes à partir de données IoT. - Mise en place de base de données GIS et construction d'algorithmes autour des données GPS (exemple : matching entre le réseau routier et les coordonnées des différents trajets). - Construction d'algorithmes de maintenance prédictive.

- Développement de pipeline de données, d'algorithmes de segmentation clients et analyse du comportement client via SAS au sein d'ERDF - Construction de dashboards de visualisations interactives avec R Shiny pour le suivi des brevets chez l'INPI.

- Développement de pipeline de données, d'algorithmes de segmentation clients et analyse du comportement client via SAS au sein d'ERDF - Construction de dashboards de visualisations interactives avec R Shiny pour le suivi des brevets chez l'INPI.

- Développement de modèles de machine learning intégrant notamment les corrélations spatiales pour l'estimation de la valeur actuelle et future de véhicules d'occasion. - Construction d'algorithmes de pricing dynamique à destination des professionnels de l'automobile.

- Classification semi-supervisée d'ARN à partir de données structurées et non structurées (graphes) grâce à des modèles à noyaux et des méthodes ensemblistes (kernel k-means, recuit simulé, bagging) - Publication d'un article de recherche : https://hal.archives-ouvertes.fr/hal-00877561/document