Data scientist Paris : Trouvez vite les meilleurs freelances disponibles

Exemple de missions de Sylvain,
Data Scientist freelance

• Data scientist, Paris

  Sebia –
  Jan 2021 - Jan 2023

  Projet : Automatisation de diagnostic
  Sebia est le premier fournisseur mondial d'équipements et de réactifs pour l'électrophorèse clinique des protéines, avec plus de 1000 employés.
  
  Client : Laboratoires d'analyses médicales
  
  Contexte / Objectif : La mission consistait à accompagner la R&D de Sebia dans la mise en place d'algorithmes d'intelligence artificielle pour l'automatisation, l'aide à l'interprétation et la découverte de nouveaux marqueurs de maladies.
  
  Environnement travail / fonctionnel : Equipe de 3 personnes, dont un autre data scientist, un chef de projet et moi-même.
  
  Contraintes : une workstation équipée de GPU, collaboration avec des entreprises externes, un gitlab interne, quantité de données dépendant des équipes de labellisation.
  
  Principales réalisations :
  ● Accélération et stabilisation de l'algorithme de traitement de signal (x100) et amélioration des métriques (accuracy est passé de 90 % à 94 %) pour le diagnostic du myélome multiple.On est passé d'un algorithme qui prenait plus de 10 secondes par courbe pour l'inférence à 0,1 seconde en utilisant les bonnes structures de données et l'optimisation du calcul parallèle. Débogage, transfert et accompagnement pour que le code soit mis en évaluation sous forme d'un RUO. Communication avec un sous-traitant qui gérait le déploiement de l'algorithme et débogage de plusieurs bugs liés à Linux et Python dans un environnement de production. Par exemple, gestion des mises à jour automatiques des librairies Python pour que le code soit stable au cours du temps.
  ● Data engineering et collaboration avec les experts pour la mise en place d'une base de données de référence. Utilisation de pgAdmin(SQL) et mise en place d'un data pipeline documenté pour transformer les données brutes produites par les machines Sebia et les labellisations des experts afin qu'elles puissent être traitées par les modèles machine learning et deep learning. Ce qui a permis l'intégration facile de nouvelles bases de données et que l'autre data scientist puisse faire tourner ses algorithmes avec les miens.
  ● Analyses statistiques (glm, ...) pour la détection de nouveaux marqueurs : Mise en place d'un code qui teste plusieurs configurations de modèles (régression logistique/SVM/random forest), d'hyperparamètres et de combinaisons de features pour détecter les marqueurs les plus pertinents.
  ● R&D sur les images de gels avec les derniers algorithmes de reconnaissance d'images. Mise en place d'algorithmes d'interprétabilité et de détection d'anomalie sur ces images. La performance était au-dessus de 98 %. Première fois qu'un algorithme de deep learning a été testé sur ce genre de données (pas d'articles scientifiques disponibles).

  Environnement technique : python, gitlab, linux, Sql

• Data scientist, Paris

  Yzr –
  Jan 2021 - Jan 2021

  Projet : Standardisation API
  Yzr est une start-up spécialisée dans la standardisation de libellés produits et de noms de clients. Elle propose une plateforme no code de normalisation basées sur des API et l’IA.
  
  Client : Marketplace, grandes distributions
  
  Contexte / Objectif : En forte croissance Yzr a besoin d’un support technique. J’ai rejoint Yzr dans un premier temps dans le but d’être l’interface entre l’équipe tech et les clients sur les sujets techniques pour que les ressources en interne soient à 100 % sur l’amélioration du produit. J’ai ensuite rejoint la R&D pour coacher les data scientists juniors et améliorer les algorithmes de NLP.

  Environnement travail / fonctionnel : Equipe de 12 personnes dont 4 data scientists.

• Data Scientist

  YZR
  Jan 2021 - Jan 2021

  Projet : Standardisation API
  Yzr est une start-up spécialisée dans la normalisation et la standardisation de données. Elle
  propose une plateforme d’automation de l’interopérabilité des données provenant de sources
  hétérogènes.
  Client : Yzr
  Contexte / Objectif : En forte croissance Yzr a besoin d’un soutien technique pour pouvoir
  faire face à la demande. J’ai rejoins Yzr dans le but d’être l’interface entre l’équipe tech et les
  clients permettant ainsi à celle-ci de se concentrer sur le produit. Mon objectif est de faire
  monter en compétence l’équipe technique, gérer un portefeuille de client et d’intégrer de
  nouvelles features à la Roadmap produit.

  Environnement travail / fonctionnel : Equipe de 10 personnes.

• Data Analyst, Paris

  Biogen –
  Jan 2020 - Jan 2020

  Projet : Konectom
  Konectom est une application mobile de Biogen. Elle consiste en un medical device permettant de suivre
  l’évolution de maladies cérébrales : SMA, MS, … L’application évite aux patients de faire certains tests chez
  le médecin dans le cadre de leur suivi.
  Client : Equipe scientifique
  Contexte / Objectif : Le projet s’inscrit dans l’intégration d’un produit d’une start-up (Ad Scientiam) dans
  les produits de Biogen permettant de combiner l’innovation avec la force de frappe de Biogen au niveau des
  Clinical trials. L’équipe Data est chargée d’analyser les données d’utilisation de l’application. L’objectif est
  la mise de place de features optimaux permettant le suivi de la progression de la maladie chez le patient.
  Premier Data Scientist / Data Analyst recruté au sein de l’équipe Data.
  Environnement travail / fonctionnel : Equipe de 10 personnes en Agile Scrum.
  Contraintes : Le Coronavirus qui a mis un stop aux essais cliniques du produit. Aucune infrastructure
  d’analyse de données au début de la mission.
  Principales réalisations :
   Suivi d’une entreprise tierce pour la mise en place du back-end de la plateforme de Data Science :
  - Analyse des besoins utilisateurs (Data Scientists)
  - Revue de l’architecture back-end proposée sur le cloud AWS (Amazon Web Services) avec
  l’entreprise tierce - Cycle de vie des données : base de données firebase, document Db,
  lambda functions, notebooks, intégration Git, outils d’analytics
  - Définition des formats de données utilisées sur la plateforme de Data Science et
  récupérées sur les devices
  - Définition des variables utilisées à partir des réunions scientifiques
   Mise en place d’une première librairie data science avec les fonctionnalités CI/CD sur le GitLab de
  l’équipe Data Engineering :
  - Création d’un algorithme état de l’art de step detection sur des séries temporelles de
  données d’accélération et de rotation à partir d’un papier de recherche pour le U-turn
  test et mise en place d’une démo (visualisation des résultats de l’algorithme en temps réel)
  permettant de démontrer l’algorithme à l’équipe
  - Lancement d’une étude de reliability avec R afin de visualiser la qualité des features et de
  leur stabilité temporelle.

  Environnement technique : AWS, Python, Docker, R, mongo Db, Signal processing

• Data engineer, Lausanne

  AXA Group Operations –
  Jan 2019 - Jan 2020

  Projet : Healthcare bot
  Au sein d’AXA REV (Research Engineering Vision) qui est le pôle
  innovation de l’IT au niveau groupe d’AXA. Les équipes d’AXA REV
  travaillent sur des projets à haut potentiel et placés très haut sur la value
  chain. Elle collabore avec les meilleurs chercheurs du monde (Stanford,
  Ecole Polytechnique Fédérale de Lausanne, …)
  Client : N+2 de l’équipe AXA REV
  Contexte / Objectif : Le projet consiste en la mise en place d’un Chatbot
  médical. L’utilisateur peut recevoir des diagnostics et suggestions de
  médecins en échangeant avec le Chatbot.
  Environnement travail / fonctionnel : Equipe de 10 personnes
  réparties à Lausanne, Paris et Barcelone et un Chef de Projet Agile.
  Contraintes :
   Contrainte de temps : Déploiement du bot en production mijanvier.
   Contraintes légales, de sécurité, de robustesse, d’image de
  marque, ...
  Principales réalisations :
   Aide à la définition et mise en place de l’architecture backend (fonctions Azure, serveur FHIR, transformation de données
  grâce à Typescript, Spark…) du chatbot enregistrant les
  interactions utilisateurs dans une base de données graph sur
  Azure Cosmos DB regroupant les don...

• aujourd'hui

  Contraintes : arriver à un ARR de 100K avant la prochaine levée de fonds
  
  Principales réalisations :
  ● Accélération des entrainements et du testing des algorithmes grâce aux GPU, dockerisation des algorithmes entrainés pour la mise en production, proposition d’utiliser un outil no code pour la labellisation manuelle.
  ● Mise en place de la première version de l’algorithme pour traiter le sujet de l’augmentation de données.
  ● Modification de l’algorithme pour qu’il prenne en compte les mots composés.
  ● Mise en place d’un framework de testing pour monitorer l’évolution des performances de l’algorithme en fonction des différentes améliorations apportées. Ce qui a notamment permi de mieux démontrer aux clients l’utilité de l’algorithme de labelling et ce qui a entrainé l’acquisition du premier client de la start-up sur la parti produit : Monoprix.
  ● Encadré un data scientist au début pour le labelling puis 2 data scientists.
  ● Mise en place de dashboarding automatisés avec Google Sheet API
  ● Mise en place d’un pipeline de données avec airflow pour déployer à l’échelle la validation des données chez les clients.
  
  Environnement technique : python , Bert, Docker, AWS, Elastic Search, celery, fast-API

• aujourd'hui

  Contraintes : Le Coronavirus qui a mis un stop aux essais cliniques du produit.
  Principales réalisations :
  • PRISE EN MAIN DE PLUSIEURS CLIENTS : CLEAR CHANNEL, L’OREAL, AXA MAROC ET MECHANICUS
  • EXECUTION D’ALGORITHMES TELS QUE LE VARIANT GROUPS ET CAMEMBERT POUR CES CLIENTS.
  • INTEGRATION DE DONNEES DANS ELASTIC SEARCH
  • CONSEILLE L’EQUIPE TECH SUR LES TECHNOLOGIES A UTILISER (PAR EXEMPLE KUBERNETES AVEC

  GPU SUR LE CLOUD AWS, TKINTER, …) Environnement technique : python , kubernetes, Camembert, Bert, Variant groups, git, Docker, AWS, project management, Elastic Search