Missions Consultant Data science : De nombreuses offres publiées chaque semaine

Exemple de missions de Malick,
Consultant Data science habitant Paris (75)

EXPERIENCES PROFESSIONNELLES

BOUYGUES TELECOM MEUDON, DEPUIS OCTOBRE 2022
Data Scientist au sein de l’équipe expérience clients TBM-E (Dépt. Radio)
Projets :
- Etude de la satisfaction client et du Churn :
o Traitement analytique des feedbacks clients pour la détection d’anomalies.
o Conception et déploiement d’un modèle prédictif évaluant la satisfaction clientèle avec une
approche de Multi-Touch Attribution.
o Corrélation entre la satisfaction client prédite et les données du réseau (KPI antennes radio,
sondes cœur de réseau, mesures terrain …)
- Développement d'un modèle de machine Learning pour anticiper les potentielles baisses de
performance du réseau durant les pics de trafic estival.
- Evaluation des impacts de l'introduction de la technologie 5G sur la qualité du réseau.
ENVIRONNEMENT TECHNIQUE :
Dataiku, Tableau software, XGBoost, Isolation Forest, Airflow, Git, GitLab, Python, SQL, PySpark, Scikit-Learn,
Data Viz, Hue, Numpy, Pandas

BUSINESS & DÉCISION NANTES, MARS 2021 – SEPTEMBRE 2022
Consultant en data science à La Poste
Missions :
- Former et encadrer une équipe de data analyst sur des thématiques autour de la data science via Python
et Dataiku.
o Etude du Natural Language Processing (Sentiments analysis et Topic Modeling)
o Installation de l'environnement de dev et de librairies Python
o Web Scraping avec Python, Data Preprocessing
o Entrainement de modèles de machine learning et restitution de statistiques sur les données
- Conception de documentations vulgarisées sur l’apprentissage machine, de guide d’utilisation et
support.
ENVIRONNEMENT TECHNIQUE :
Python, Dataiku, Scikit-Learn, NLTK, Spark-NLP, Textblob-fr, Gensim, PyLDAvis, SpaCy, Google Colab, NLP, LDA,
Sentiment Analysis, Microsoft Office, LaTeX

Consultant BI à Orange TOTEM
Missions :
- Mise en place d'une solution EPM
o Création d’une connexion PowerBI dans Jedox Integrator.
o Conception et réalisation de reporting BI, des Dashboard et de la Data Visualisation avec
PowerBI
o Automatisation des process de génération des reporting sous Power BI
ENVIRONNEMENT TECHNIQUE :
Power BI service, Power BI Destop, Jedox, Jira

Consultant BI à La Poste
Missions :
- Rétro-documentation et migration de rapports
o Rétro-engineering de rapports existants sous ECLIPSE BIRT ou développés en Excel afin de les
migrer sous SAP BO
o Alimentation de données manquantes avec l’ETL Informatica Power Center
o Création et maintenance de rapports sous SAP BO
o Automatisation des process de génération des reporting sous SAP BO
ENVIRONNEMENT TECHNIQUE :
SAP BO, Informatica Power Center, Rétro-documentation, Microsoft Office, Eclipse BIRT, Apache NiFi
Consultant en data science au département R&D
Missions :
- Conception d'un outil RH d'aide au recrutement et à l'assignation de missions par l'IA
o Web Scraping avec Python, Data Preprocessing
o Annotation sémantique de données
- Automatisation, mise en production d’algorithmes de Machine Learning et de monitoring
ENVIRONNEMENT TECHNIQUE :
Google Colab, GitLab, Jupyter, Python, Scikit-learn, Numpy, Pandas, Named Entity Recognition, SpaCy, NLP
(Natural Language Processing), GitLab, NLTK, DeepPavlov

GROUPE LA POSTE PARIS, SEPTEMBRE 2019 - SEPTEMBRE 2020
Data Scientist / Développeur au sein de la BNum (Branche Numérique).
Contexte : Dans le cadre du projet de transformation numérique (La Poste 2020) le groupe souhaite mettre en
place une offre de services Big Data pour ses filiales et ses partenaires. L’offre consiste en la mise en place d’un
Data Lake Groupe, l’ingestion, l’exploration et la restitution de données. Cette offre doit aussi couvrir les besoins
des équipes métiers ainsi que ceux des data scientist (analyse de données, prédiction, machine learning…).
Projets :
- Développement d'une Web App dans Dataïku basée sur PySpark et Python pour l’analyse sémantique
de données textuelles par des méthodes NLP : topic modeling avec LDA, sentiment analysis, text
mining…
- Étude de la satisfaction client au niveau du Groupe par une approche d’apprentissage automatique
o Exploration du Data Lake Groupe et extraction des données relatives à la satisfaction client
o Analyse des données extraites :
▪ Calcul d'un score de satisfaction client (Net Promoter Score) avec un niveau de
confiance et étude statistique de son évolution dans le contexte Covid
▪ Analyse sémantique des feedbacks des clients dans les enquêtes de satisfaction par
des méthodes NLP : Topic modeling avec le modèle LDA, analyse des sentiments
▪ Identification et extraction des principaux thèmes de satisfaction ou d'insatisfaction
et tendances des clients
o Analyse prédictive de l’évolution de la relation et de l’expérience client post-Covid
- Automatisation, mise en production d’algorithmes de Machine Learning et de monitoring
ENVIRONNEMENT TECHNIQUE :
Dataiku, Tableau software, Zeppelin, Hue, Docker, GitLab, Python, PySpark, Scikit-Learn, NLTK, Spark-NLP,
TensorFlow, Textblob-fr, Gensim, PyLDAvis, NLP (Natural Language Processing), Sentiment Analysis, K-Means,
Gaussian Mixture Model, Statistics, Data Viz, Numpy, Pandas, Microsoft Office

GROUPE LA POSTE PARIS, JUIN 2019 - AOUT 2019
Stagiaire Data Scientist au sein de la BNum (Branche Numérique).
Contexte : Dans le cadre du projet de transformation numérique (La Poste 2020) le groupe souhaite mettre en
place une offre de services Big Data pour ses filiales et ses partenaires. L’offre consiste en la mise en place d’un
Data Lake Groupe, l’ingestion, l’exploration et la restitution de données. Cette offre doit aussi couvrir les besoins
des équipes métiers ainsi que ceux des data scientist (analyse de données, prédiction, machine learning…).
Projets :
- Consultant en data science sur RTS (Real Time Strategy) un projet de machine learning pour de la
prédiction et de la recommandation en temps réel, basé sur de nouvelles technologies et fonctionnant
en associant des règles déterministes et prédictives.
o Essai et comparaison d’algorithmes de Machine Learning
o Accompagnement de l’équipe de développement dans l’implémentation du modèle XGBoost
dans RTS :
▪ Étude autour du modèle XGBoost et ses fonctionnalités
▪ Identification des hyperparamètres déterminants de XGBoost
▪ Évaluation des performances du modèle sur des usecase
o Identification des fonctions sur le traitement de la donnée pouvant être développées dans RTS
: nettoyage de données, encodage, traitement des valeurs manquantes, réduction de
dimension des données...
o Synthèse et présentation des résultats de mes études à l’équipe projet et au management lors
de différents ateliers
o Conception de documentations vulgarisées sur l’apprentissage machine, de guide d’utilisation
et support.
ENVIRONNEMENT TECHNIQUE :
XGBoost, Gradient Boosting, Random Forest, SVM, Naïve Bayes Classifier, Convolutional Neural Network, Docker,
GitLab, Jupyter, Dataiku, Python, PySpark, Scala, Scikit-learn, Numpy, Pandas, Seaborn, Spark ML, Keras,
TensorFlow, PyTorch, Microsoft Office, LaTeX