Rémi Brazeilles

Analyse de données SNDS Projets sur des données provenant du SNDS pour différents clients Analyse de données questionnaire PMR (Primary Market Research) Manager Management de 6 statisticiens/statisticiennes Participation au staffing des projets, construction de la feuille de route de l'équipe, fonctionnement général de l'équipe, Gestion de projets, relation avec les clients Réponses aux appels d'offre et participation au Bid Defense Meetings

Recherche de Biomarqueurs Développement de fonctions pour un package R. Analyse de données RNASeq, Olink Construction d’une application R Shiny de visualisation de résultats d’études biomarqueurs à destination des médecins Analyse de données OMICS : protéomics, 16S, WGS Analyse de données 16S, WGS Développement de fonctions R standards

Au sein de l'équipe Digitale Segmentation/Typologie de consommateurs Création de segmentations clients => Statistiques multivariées + Clustering Réplication de segmentation => Analyse discriminante/Random Forest/modèles de classification Analyse des influenceurs Recherche méthodologique sur la théorie des graphes Text mining + Natural Language Processing sur des données Twitter Application sur des cas clients => Création de réseaux d’influences Construction d’une application R Shiny automatisant cette analyse

Au sein de l'équipe Biométrie & Data Science Gestion des relations entre équipe Biométrie et deux départements internes Recueil de besoins, planification de projets Estimation des ressources nécessaires Priorisation, suivi des livrables Participation à la mise en place d’une plateforme Big Data Lien entre équipe DSI et équipe métier Choix des outils => AWS, S3, Tibco Spotfire, R, Spark R, Alteryx Développement de cas d’usage en utilisant la méthodologie agile Analyse de différents types de données: Sensorielles: panel expert, études consommateur, team testing Nutritionnelles: description/modélisation de la diète des consommateurs, clustering de consommateurs Omics: 16S: recherche d'enterotypes, recherche de bactéries discriminantes entre plusieurs groupes. Modélisation de la présence de bactérie Industrielles: Maitrise Statistique des Procédés (MSP) : cartes de contrôles, recherche de défauts, de facteurs explicatifs, DOE (Design Of Experiment)

Détermination d'un protocole d'études de données microbiote 16S utilisant les méthodes "sparse" effectué sous R

Nettoyage, gestion et analyse des données provenant d'une étude épidémiologique effectué sous SAS.