Kévin Martel
Data Scientist
33 ans
Permis de conduire
Maisons-Laffitte (78600) France
En poste
En recherche active
Data Scientist - Programme Véhicule Electrique, Sales&Marketing
Groupe Renault
Depuis juin 2017
- Construction d'un datamart Sales&Marketing dans la cloud GCP pour la mise en place de scores/segmentations à des fins d'activation CRM
- Construction de scores CRM (Régression Logistique, Random Forest) et d'une segmentation (Kmeans)
- Mise en production des scores on premise (Gitlab CI + ansible + pipeline sklearn + API Flask) et dans le cloud (Giltab CI + Cloud Composer + ML engine)
- Maintenance prédictive (XGBoost)
- Amélioration du diagnostic de pannes grâce à l'utilisation des technologies Big Data (R, Hive, Spark)
- Topic Modeling sur des mentions web concernant Renault ZOE (LDA)
- Mise en place de solutions statistiques de type machine learning avec les différentes parties prenantes (ingénierie, après-vente, commerce, digital)
- Aide à la compréhension des problématiques et des process liés au véhicule connecté et électrique
Data Analyst - Référentiel Central
Exane Derivatives
Mai 2014
à septembre 2016
- Production de données destinées au Front Office : constructions de nouveaux indicateurs et implémentation des outils de transmission/visualisation
- Contrôle qualité de l’information : détection des modélisations incorrectes, contrôle de cohérence sur les prix récupérés et sur les indicateurs calculés
Cours Principaux : Apprentissage statistiques (KNN, arbres de décision, SVM, Boosting), Bases de données (SQLite), Econométrie (série temporelle et données de panel), Marketing Quantitatif, Projet de Machine Learning en Python (compétition Kaggle et distribution de calcul sous Spark)
Projets principaux : Score d'octroi d'un crédit immobilier (Régression Logistique), Détection prématurée des pièces défectueuses sur les chaînes de production Bosch en utilisant XgBoost et les réseaux de neurones non profonds, Construction d'un modèle de base de données en SQL pour une chaîne de cafés internationale de type Starbucks, Résolution d'un labyrinthe grâce au Q-Learning distribué sous Spark
Projets principaux : Score d'octroi d'un crédit immobilier (Régression Logistique), Détection prématurée des pièces défectueuses sur les chaînes de production Bosch en utilisant XgBoost et les réseaux de neurones non profonds, Construction d'un modèle de base de données en SQL pour une chaîne de cafés internationale de type Starbucks, Résolution d'un labyrinthe grâce au Q-Learning distribué sous Spark
Master Ingénierie Economique et Financière (Master 272)
Université Paris Dauphine, Paris IX
Septembre 2011
à septembre 2016
Mention : Bien
Apprentissage : Exane Derivatives
Mémoire : Impact des news macroéconomiques sur le smile de volatilité des actions américaines
Apprentissage : Exane Derivatives
Mémoire : Impact des news macroéconomiques sur le smile de volatilité des actions américaines
-
Anglais (955 au TOIEC)
Avancé
-
Python
Expert
-
Scikit-learn
Avancé
-
Cloud Composer
Bon niveau
-
Ml engine
Bon niveau
-
Gitlab CI/CD
Bon niveau
-
Ansible
Intermédiaire
-
TensorFlow
Intermédiaire
-
API Flask
Intermédiaire
-
SQL
Expert
-
HIVE
Expert
-
NOSQL
Avancé
-
PySpark
Bon niveau
-
Tableau
Avancé
-
Spotfire
Bon niveau
-
Docker
Notions
-
d3.js
Bon niveau
-
R
Avancé
-
ShinyR
Bon niveau
- Boxe (entraineur et compétiteur)
- Deep Learning Specialization : Andrew NG
- MongoDB
- Git
- Python avancé
- Concevez un site avec Flask
- Testez votre projet avec Python
- Serverless Data Analysis with Google BigQuery and Cloud Dataflow (PySpark)
- Serverless Data Analysis with Google BigQuery and Cloud Dataflow (Apache Beam)
- Utilisation du Machine Learning pour améliorer la performance des athlètes
- Utilisation du Machine Learning pour prédire les résultats sportifs (football, MMA)