Ismail Boulahna

• Conception, développement et mise en œuvre de modèles de machine learning pour le churn, l'up-selling, le cross-selling, et l'évaluation des risques • Conception et mise en œuvre d'un système de classification de sentiment en utlisant BERT comme transformer (LLMs) • Utilisation de Docker pour la conteneurisation des applications, facilitant ainsi le déploiement • Mise en place et utilisation d'outils tels que MLflow pour la gestion du cycle de vie des modèles, incluant l'expérimentation, et la gestion des déploiements • Intégration d'Airflow pour l'automatisation et l'orchestration des workflows • CI/CD (Gitlab) pour l'intégration, tests et de la mise en production des produits de data science

• Développement de modèles prédictifs pour évaluer et gérer le risque de crédit. • Analyse de grandes quantités de données pour identifier des tendances et des schémas prédictifs de défaut de paiement. • Mise en œuvre d'algorithmes d'apprentissage automatique pour affiner les modèles de scoring de crédit. • Collaboration avec l'équipe de gestion des risques pour transformer les insights data en stratégies de mitigation des risques. • Amélioration des capacités de détection de fraude par des solutions analytiques avancées. • Surveillance continue et évaluation de la performance des modèles, avec ajustements nécessaires pour répondre aux évolutions du marché ou de la performance du portefeuille.

• Différentes solutions et cas d’usages ont été développés permettant de comprendre, recommander et d'interpréter les besoins des clients • Dévloppement d’APIs en utilisant Azure ML, flask pour le serving