Data Scientist titulaire d’un Master en Économétrie et Statistique Appliquée. Maîtrise les étapes clés du cycle de vie des modèles de Machine Learning, du feature engineering au déploiement, avec une base solide en modélisation statistique et prédictive. Première expérience du déploiement via API, capable de passer du prototype à la production. Forte appétence pour l’intégration des pratiques MLOps.
Mars 2025 – Septembre 2025 | Paris, France
Réalisations clés :
- Conception et déploiement d'un pipeline ML complet sur Google Cloud et BigQuery
- Mise en place d'une analyse de segmentation RFM pour le profilage et le ciblage de la base clients
- Développement d'une Market Basket Analysis pour l'identification d'opportunités de cross-sell et upsell
- Création de tableaux de bord pour les equipes marketing.
Technologies : 
Pipeline MLOps prêt pour la production pour la prédiction du churn client avec automatisation complète et monitoring.
Implémentation technique :
- Gestion de configuration avec Hydra pour des expériences reproductibles
- Versioning et suivi des données avec DVC
- Suivi des expériences et registre de modèles avec MLflow
- Optimisation automatisée des hyperparamètres avec Optuna
- Déploiement d'API REST avec FastAPI
- Interface interactive construite avec Streamlit
- Déploiement conteneurisé avec Docker
Compose
- Automatisation CI/CD via GitHub Actions
Impact business : Permet des stratégies de rétention client proactives avec scoring du risque de churn en temps réel.
Technologies :
Analyse client avancée combinant segmentation RFM et analyse d'association pour l'optimisation de stratégies marketing.
Composantes analytiques :
Segmentation RFM
- Analyse Récence, Fréquence, Montant pour le profilage client
- Système de scoring multidimensionnel pour la classification des segments
- Identification des patterns comportementaux tout au long du cycle de vie client
Market Basket Analysis
- Découverte d'associations de produits via l'algorithme Apriori
- Identification d'opportunités de cross-sell par règles d'association
- Développement de stratégies d'upsell basées sur les patterns d'achat
Impact business : Personnalisation marketing data-driven résultant en stratégies de campagne ciblées basées sur les comportements clients réels.
Technologies :
Master en Économétrie & Statistique Appliquée
Université d'Orléans | 2022 – 2025
Licence en Économie
Université de Bourgogne | 2019 – 2022
Certified Statistical Business Analyst
for Data Science
Core Designer
Français : Langue maternelle
Anglais : Professionnel (TOEIC 895 - C1)
Espagnol : Notions
Construire des solutions ML fiables nécessite de combiner rigueur statistique et discipline d'ingénierie. Mon focus est de créer des pipelines prêts pour la production qui délivrent une valeur business mesurable, de l'exploration initiale au déploiement automatisé. Chaque composant doit être testé, reproductible et maintenable.
Principes clés :
- Transformer les données en insights business actionnables
- Équilibrer méthodologie scientifique et pragmatisme d'ingénieur
- Concevoir des solutions fiables, scalables et impactantes
- Garantir la clarté et la testabilité du pipeline de bout en bout
Ouvert aux discussions autour de la data science, du machine learning et des bonnes pratiques MLOps.
