Kassir saroukou

> Prévision de recours . Mettre en place des indicateurs pour avoir une vision des différentes notions de recours (recours théoriques, présentés,gagnés) . Data visualisation interactive avec powerBI . Application d'un Random Forest sous python pour prédire des catégories de dossiers susceptibles de subir un recours sur le périmètre auto (MRSQ) > Detection de fraude (phase 2) Automatisation du processus de détection * Par apprentissage non supervisée pour mieux cibler et proposer de nouveaux critères de décision . Approche via clustering (Kmean, Kmodes) . Approche via le Deep learning (Auto Encoder) . Application d'algorithmes de détection d'anomalies ou de nouveautés (One Class SVM, Isolation Forest) * Par apprentissage supervisé (thèse professionnelle) . Statistiques descriptives, test statistiques . Application de techniques de rééchantillonnage de données ( oversampling, undersampling, combinaison des deux) . Application de méthodes ensemblistes : bagging (TreeBagging), boosting (AdaBoost, LightGBM...) > POC Irisation du portefeuille sociétaire . Géolocalisation des adresses des sociétaires . Utilisation de données externes(base INSEE, BAN,BANO...) pour la détection des sociétaires ayant une forte capacité d’épargne >Churn santé . Feature engineering . Création de socles . Data visualisation dynamique sous python et analyse d'impacts des indicateurs sur le churn

Stage Ingénieur : > Participation à un Proof of Concept : modèle de géolocalisation des sinistres inondations – contrat habitation MGAR . formaliser le problème d’optimisation . construire et préparer le dataset pour les cas d’usage . coder le modèle statistique sous notebook Python et R . produire les “datavizualisation et storytelling” pour les métiers (méthode agile scrum) > Participation à la phase 1 du POC : "Détection de fraude" . Feature engineering : création d'indicateurs avec Hive, Impala