Nelly Traore

Van Cleef & Arpels – Machine Learning Engineer (JANV 2025 – AOUT 2025) Contexte : Au sein de l’équipe Data Science and Engineering, contribuer à la mise en place des projets ML (système de recommandation, calcul de ROI de modèles). Stack technique : Python, Scikit-learn, PyTorch, Tensorflow, MLflow, Streamlit, Kubeflow, Vertex AI, DBT, BigQuery, Google Cloud Storage, Cloud Functions, Cloud PubSub, Git, GitLab ---------- 3DS Informatique/INATA – Machine Learning Engineer (MAI 2024 - OCTOBRE 2024) Contexte : Cadrage et d'initialisation du projet de création d'un RAG avec le modèle gemma2 (Proof of Concept) pour une application d’aide à la création de rapports, avec assistance IA. Stack technique : Python, PostgreSQL (pgvector), MLflow, OpenLLM, Ollama, LangChain, Git, GitHub, Azure VM, FastAPI, Docker

Contexte : Au sein de l’entité RIMOWA du Groupe LVMH, l’objectif était de contribuer à l’exécution des roadmaps Business et IT Data Engineering. Mission 1 (Machine Learning Engineer) : Mise en place et déploiement des modèles de Machine Learning (ML), réalisation d’analyses statistiques ad-hoc permettant d’extraire des insights utiles au business. Stack technique : Dataiku DSS, Python (Numpy, Scipy, Pandas, Matplotlib, Scikit-learn), SalesForce, JIRA, BigQuery, Google Cloud Storage, Cloud Functions, Cloud PubSub, Terraform, Git, GitHub ---------- Mission 2 (Data Engineer) : Au sein de l’équipe IT Data Engineering, explorer et développer des outils permettant de faire évoluer certains aspects de la plateforme. Stack technique : Dataiku DSS, Python, JIRA, BigQuery, Google Cloud Storage, Cloud Functions, Cloud PubSub, Terraform, Dataform, GCP Dataplex, Cloud Composer, Airflow, Cloud Build, Git, GitHub

Contexte : Former de futurs Data Analysts à l’utilisation de Python et ses packages pour l’analyse de données, les études statistiques et le Machine Learning. Stack technique: Python (Numpy, Scipy, Pandas, Matplotlib, Scikit-learn), Jupyter notebook

Contexte : Start-up spécialisée dans les prestations de musique analytique (écoute des radios, analyses BI etc.) pour faciliter l’attribution des droits des artistes. Mon objectif était de Développer et mettre en place de la V1 de l’application Web de monitoring musical. Stack technique: Python, Django, AWS, Docker, PostgreSQL, Ubuntu, jQuery, Ajax, HTML5, JSON, Bootstrap CSS, Git, GitHub

Contexte : Dans le cadre de plusieurs projets au forfait, réalisation d’études Data pour améliorer la connaissance client et aider la prise de décision du marketing. Portefeuille Clients & Projets : · Média Le Télégramme -- Segmentation de la base client · Laboratoire Bioderma -- Exploration de données CRM, et segmentation client · Sports 2000 -- Qualité des données CRM Stack technique : Linux Bash scripting, MySQL (création + administration), Python (Pandas), Jupyter Notebook, Dataiku DSS

Mission 1 : MINISTERE DE LA SANTE - Data Scientist - FEV 2017 – DEC 2017 (9 MOIS) Contexte : Au sein de la DIRECTION DE LA RECHERCHE, DES ETUDES ET DE L’EVALUATION DES STATISTIQUES (DREES), le besoin du client était d’enrichir les données de l’enquête Drees avec les données individuelles des bénéficiaires des aides APA et PCH. Stack technique : SAS Base, SAS Macro, SAS Enterprise Guide ---------- Mission 2 : ORANGE BUSINESS SERVICES – Data Scientist - JAN 2018 – JUIN 2019 (1,5 AN) Contexte : Migration automatique des anciennes offres du parc client mobile. Stack technique : SAS Base, SAS Macro, Tableau software

Contexte : Au sein de la Direction Marketing, l’objectif du projet était de fournir les indicateurs de performance du programme « Flying Blue », et de mettre à jour les données de l’application web à destination des différents marchés à l’international. Stack technique : SPSS Modeler, SAP Business Objects, WPS, R, Teradata