Data Scientist

⚡️ Ingénieure avec 8 ans d’expérience dans l’énergie et l’aménagement urbain, j’ai ajouté une brique data science à mon profil en 2021.

🌍️ Curieuse, méthodique et organisée, j’aime me confronter à des problématiques métier variées, dans un contexte français ou international.

🌿 Je suis particulièrement intéressée par les domaines suivants : efficacité énergétique, énergies renouvelables, réseaux, mobilité, comptabilité carbone ou autre aspects de la transition écologique.

👉 Mon CV et mon profil LinkedIn

Expériences professionnelles

• Data scientist, ENERGIENCY, 2022-2024
• Traductrice technique Anglais/Français, Freelance, 2019-2021
• Expatriation aux Etats-Unis (bénévolat, formatrice en FLE), 2014-2018
• Consultante Bâtiment, Energies & Climat, INDDIGO, 2010-2014
• Consulante Éco-quartier, INDDIGO, 2008-2010

Formation

• Data Scientist, OpenClassrooms & Centrale Supélec, 2021
• Master Recherche Sciences et Techniques des environnements urbains, École d’Architecture de Nantes, 2008
• Ingénieure Généraliste, Centrale Nantes, 2008

       

Portfolio Data Science

Voici une sélection de quelques projets réalisés dans le cadre de ma formation OpenClassrooms  

Implémentation d’un modèle de scoring

---

Développement d’un modèle de détection du risque de faillite bancaire et déploiement d’une application de type dashboard interactif

Classification binaire / Métrique spécifique / Light GBM / Dashboard / Streamlit

Lien vers le dashboard interactif

Données

• 7 tables de données contenant des informations diverses sur plus de 300 000 clients ayant fait une ou plusieurs demandes de prêts

Démarche

• Analyse exploratoire et sélection de variables pertinentes
• Définition d’une métrique d’évaluation spécifique aux coûts et pertes associés
• Test de plusieurs méthodes pour pallier aux deséquilibres des classes
• Optimisation et comparaison de modèles en utilisant des méthodes de blending et stacking

Résultats

• Sélection du modéle Light GBM
• Création et déploiement d’un dashboard interactif avec prédiction en direct en utilisant GitHub et Streamlit
• Note méthodologique / Repo Github

       

Segmentation d’une base client

---

Segmentation d’une base clients pour une entreprise de e-commerce et validation de la stabilité des clusters

Clustering / Réduction de dimension / Interprétabilité / Sankey Diagram

Données

• Base de données de plus de 90 000 clients. 8 fichiers de données concernant les achats, les paiements, les appréciations, etc.

Démarche

• Création de variables interprétables et actionnables en termes marketing
• Optimisation du nombre et de la taille des clusters avec les algorithmes k-Means et DB Scan
• Visualisation des clusters par réduction de dimensions (ACP, t-SNE)
• Test de la stabilité des clusters avec différents indicateurs

Résultats

• Choix de retenir 5 clusters (algorithme k-Means)
• Interprétation des caractéristiques des clusters en termes marketing
• Validation de la stabilité des clusters retenus sur une période de 6 mois et visualisation avec diagramme de Sankey

       

Classification automatique d’articles

---

Faisabilité du classement automatique des articles d’un site de vente en ligne sur la base de la description et de la photo d’un article

NLP / Image processing / Transfer learning / Clustering

Données

• Échantillon de 1050 articles répartis en 7 catégories avec nom, image et description

Démarche

• Extraction de features texte et images avec des modèles traditionnels
• Comparaison des performances avec celles de réseaux de neurones pré-entraînés
• Segmentation des articles en groupes aux caractéristiques similaires et comparaison avec les catégories réelles

Résultats

• Meilleurs résultats obtenus avec les algorithmes de Transfert Learning :
  • Textes : ARI = 71% avec algorithme USE
  • Images : ARI = 41% avec algorithme ResNet50

       

Prédiction de consommation d’énergie

---

Développement d’un modèle de prédictions des consommations d’énergie et d’émissions de gaz à effets de serre pour des bâtiments tertiaires

Régression / Feature engineering / Hyper-paramètres / Métriques

Données

• Caractéristiques, énergie et émissions de 3 400 bâtiments de la Ville de Seattle pour 2015 et 2016 (open data)

Démarche

• Analyse exploratoire
• Feature engineering : création de plusieurs variables pertinentes (catégorie de bâtiments, profil énergétique, …)
• Comparaison et choix de métriques
• Comparaison de plusieurs modèles de régression (Lasso, ElasticNet, SVR RandomForrest, XGBoost)
• Optimisation des hyper-paramètres

Résultats

• Pertinence des variables créées, notamment le mix énergétique
• Meilleures performances obtenues avec le modèle linéaire ElasticNet