Data Scientist de formation, je suis investi, curieux et aime toujours
aller plus loin. Conscient de l'évolution rapide des techniques et des outils de nos
jours, je cherche constamment à apprendre et réaliser des projets dans mon temps libre.
Suite à l'obtention de mon Master,
je suis à la recherche d'un poste en CDI dans le domaine de la Data Science.
Disponible ASAP et partout en France.
Cette page personnelle a pour but de présenter mon parcours, mes
expériences et mes projets principaux que j'ai
pu réaliser jusqu'à présent. N'hésitez pas à me contacter à
l'adresse qui se trouve en toute fin de cette page.
Bonne visite !
795/990
19/03/2018
Certifié B2
29/05/2017
Parcours Prédictions et Prévisions Économiques
Université de Rennes 1 - Rennes
Mention Très bien - Major de la promotion
Approfondissement des méthodes ensemblistes de Machine Learning. Élargissement des connaissances vers la modélisation à partir de données spatiales, de séries temporelles, du traitement naturel du language ou d'images.
Université de Rennes 1 - Rennes
Mention Très Bien
- Major de la promotion
La formation est orientée vers le Machine Learning en passant par la visualisation des données, la sélection des variables, les différentes méthodes d'apprentissage sur les données et la comparaison des modèles.
Université de Bourgogne - Dijon
Mention Bien -
Major de la promotion
Cette licence a permis d'acquérir un regard critique sur l'Économie et les chiffres en général. De plus, les connaissances assimilées me permettent de voir les mécanismes derrière les comportements des agents économiques.
Lycée Félix Éboué - Guyane Française
Mention Très
Bien
Stage | Data Scientist | Modélisation prédictive des orages
Stage | Data Analyst | Élaboration d'un dashboard R Shiny
Dans le cadre d'une étude économique sur la pauvreté énergétique en Europe, les données de l'enquête EU-SILC d'Eurostat doivent être exploitées. Les données étant de nature spatio-temporelle et touchant à divers domaines du cadre de vie des européens, l'outil de visualisation doit faciliter la visualisation de celles-ci.
L'outil est construit à partir de R Shiny et codé de façon à pouvoir être entretenu sans obstacle à l'avenir.
Application en ligne
Code
source
Tutorat en programmation R et MySQL de niveau Master 1
MAS
Compétences acquises : rigueur, pédagogie, patience, ...
Soutien en Statistiques Descriptives de niveau Licence 1 en
Économie
Soutien en Informatique de niveau Bachelor 1 en École de
Commerce
Compétences acquises : rigueur, pédagogie, patience, ...
Caissier, gestion de dépôt, employé de rayon
Compétences acquises : relation client, organisation, polyvalence, ...
Affiner la capacité à individualiser les tarifs de contrats auto afin de faire payer à chaque assuré son juste prix.
Data Challenge, NLP, CVClassification multimodale de produits du site Rakuten France à partir de données textuelles (désignations et descriptions des produits) et des images des produits.
Utilisation de techniques Deep Learning de NLP et de Computer Vision dans le but de classer chaque produit parmi 27 catégories.
Position : 8/64
Compréhension des facteurs clés influençant le risque de dysfonctionnement lié à l'ouverture d'une nouvelle ligne pour un opérateur téléphonique.
Modèles de survieUtilisation des approches non paramétriques, semi-paramétriques et paramétriques.
Application à partir de données réelles (anonymisées) sous SAS.
Affiner la capacité à individualiser les tarifs de contrats auto afin de faire payer à chaque assuré son juste prix.
Machine Learning
Recours à des techniques de re-échantillonnage et critères de performance adaptés aux classes déséquilibrées. Utilisation approfondie des méthodes de boosting et rédaction d'un article scientifique présentant les méthodes utilisées.
Participation au Data Challenge IAPau organisé par LumenAI.
Data ChallengeChaque équipe doit apporter une solution à des problématiques entreprises en faisant appel au Machine Learning le temps d'un weekend.
Dashboard traitant la base de données du site MyAnimeList, qui est l'équivalent du site IMDb mais pour les animés et films d'animation.
R FlexdashboardFlexdashboard est un outil sur R qui permet de construire une interface (dashboard) qui peut être totalement interactive sans avoir besoin d'une session R qui tourne. Le dashboard peut alors être consulté sur un appareil sans R et sans internet.
Les données étant de nature spatio-temporelles et touchant à divers domaines du cadre de vie des européens, l'outil doit en faciliter la visualisation.
R ShinyL'application comprend une partie cartographique afin d'étudier l'évolution des indicateurs dans leurs dimensions spatiale et temporelle. Une seconde partie de l'outil correspond à des graphiques permettant d'étudier la corrélation entre variables ou entre régions de l'Europe.
Tableau de bord sur les joueurs et clubs de football. Détails et comparaisons sur les caractéristiques, transferts, réseaux, etc.
R Shiny
On peut y retrouver les statistiques détaillées des joueurs, avec la possibilité de les comparer. L'application sert également à visualiser le réseau des transferts (d'un club, d'une saison ou d'un joueur en particulier).
Les données proviennent du site soFIFA.
Identification des clients les plus susceptibles d'accepter de faire un dépôt.
Machine LearningCe site web constitue également un projet qui me tenait à coeur pour mettre en avant mes compétences et projets liés à la Data Science.
WebCe portfolio sera entretenu dans le temps pour entrer et évoluer dans le monde professionnel.
Le modèle esthétique de cette page internet est repris de ce répertoire github puis a été adapté et enrichi selon mes besoins.
Détermination de l'influence des différences entre les deux groupes sur l'écart de salaire et quantification du résidu inexpliqué.
ÉconométrieLa méthode de décomposition Oaxaca-Blinder, ici utilisée, permet de quantifier l'écart moyen de salaires pour des groupes homogènes (ayant les mêmes caractéristiques individuelles et occupant les mêmes postes au travail).
Si mon profil vous intéresse, n'hésitez pas à me contacter par email : tsangguy@gmail.com !
Je serai ravi de m'entretenir avec vous pour parler davantage de moi, de vous
ou bien pour échanger autour de la Data Science.
