Zeynep Erdem

– Contribution à la structuration, au nettoyage et à l'analyse de données publiques afin de rendre la base Transparence-Santé plus lisible, exploitable et accessible à des utilisateurs non techniques (citoyens, journalistes, chercheurs). – Objectifs : – Améliorer la qualité et la cohérence des données issues de sources publiques hétérogènes – Faciliter l'analyse autonome via des tableaux de bord clairs et pédagogiques – Missions & réalisations : – Préparation des données pour l'analyse : Conception de transformations SQL et Python pour améliorer la cohérence, la lisibilité et l'exploitabilité des indicateurs – Data visualisation : Création de tableaux de bord interactifs sous Metabase, permettant aux utilisateurs d'explorer les données et de suivre la qualité des déclarations

– Contribution à des projets d'analyse de données de santé, visant à faciliter l'exploitation et l'interprétation des données médicales par des cliniciens et des data analysts. – Objectifs : – Améliorer l'exploitation des données de santé via des outils adaptés aux usages métiers – Structurer et transformer les données pour les rendre interopérables et analysables – Fournir des indicateurs clairs pour le suivi et l'analyse des données hospitalières – Missions & réalisations : – Analyse et préparation de données de santé dans le cadre du développement de plugins pour l'application LinkR – Mise en place d'un pipeline ETL sous Airflow pour la transformation de données de maternités vers le modèle standard OMOP – Création de tableaux de bord d'indicateurs sur les maternités afin de faciliter le suivi et l'analyse des données – Collaboration avec des équipes pluridisciplinaires (développeurs, data scientists, professionnels de santé) pour adapter les analyses aux besoins métiers

– Contribution à l'enquête EnCollines, un dispositif de recherche en sciences humaines portant sur les conditions de travail et les parcours professionnels à l'hôpital public, à partir de données issues d'enquêtes quantitatives. – Objectifs : – Collecter et exploiter des données d'enquête en sciences humaines – Produire des analyses quantitatives fiables et interprétables – Garantir le respect de la confidentialité des données et du RGPD – Missions & réalisations : – Programmation et suivi d'enquêtes en ligne (questionnaires, collecte, contrôle des réponses) – Nettoyage, structuration et analyse de données quantitatives issues des enquêtes – Analyses statistiques descriptives et exploratoires en sciences humaines – Restitution des résultats sous forme de tableaux, graphiques et synthèses analytiques – Travail au sein d'un collectif pluridisciplinaire, en collaboration avec des chercheurs en sciences sociales, des statisticiens, des économistes, des professionnels de santé (médecins, infirmiers, psychologues) et des acteurs institutionnels – Application des bonnes pratiques de gestion des données sensibles, dans le respect de la confidentialité et du RGPD

– Création et utilisation d'une base de données immobilière SQL – Analyse des ventes d'une librairie – KPI analyses, comportements des clients, series temporelles, tests d'hypothèses, data visualisations – Réalisation d'une étude de marché avec Python – Clustering Analysis, Machine Learning Non Supervisé – Détecter des faux billets avec Python – Linear Regression, Decision Trees, Logistic Regression, Machine Learning Supervisé – Etude et création d'un tableau de bord sur l'eau potable avec Tableau – Analyse des indicateurs de l'égalité femme-homme avec ETL Knime – Anticiper les besoins en consommation de bâtiments – Mettre en place le modèle d'apprentissage supervisé adapté au problème métier, Random Forest, Support Vector Machine – Classifier automatiquement des biens de consommation – Utilisation des techniques Natural Langage Processing – Computer Vision et Réseaux de Neurone – Implémenter un modèle de scoring – Réaliser d'un tableau de bord avec Streamlit – Déployer le modèle via FastAPI dans le Web – Mettre en œuvre un pipeline d'entraînement des modèles, Test unitaires – Rédiger une note méthodologique – Déployer un modèle dans le cloud – Manipuler des données dans un environnement Big Data – Paralléliser des opérations de calcul avec PySpark

– Aider aux devoirs des élèves du primaire et du collège en mathématiques – Organiser des sorties et activités culturelles pour les élèves et leurs parents

– Identifier des abonnés – Changer des numéros de téléphone des abonnés – Contrôler des factures