Souheila TLATI
Data Scientist
Data Scientist
Machine learning
Statistiques
Python
33 ans
Permis de conduire
Carrières-sur-Seine (78420) France
Situation professionnelle
En poste
Indisponible
Ingénieur Data - Data Scientist
Safran Engineering Services
Depuis mai 2019
Saclay
- Mission : SAFRAN Aircraft Engines (En cours)
Objectif : Health monitoring
- Visualisation et analyse statistique des données de vol
- Mise en place d'approche permettant de detecter des comportements singuliers.
Mission : SAFRAN Electronics and Defense (En cours)
Objectif : Analyse et exploitation des données textuelles issus des FFTP.
- Mise en place d'un POC utilisant des méthodes NLP permettant d'identifier indicateurs : signaux faibles, récurrences..
Environnement technique : Python, Jupyter,
Mission : Projet Innovation Sensession
++Objectif ++ : Projet Innovathon : Conception et prototypage d'un outil de centralisation et d'aide au traitement des dérogations.
- Animation de l'équipe Data : définition des objectifs des Sprints, répartition des tâches, suivis de réalisation, revus des tâches.
- Mise en place d'un module intelligent permettant de détecter les Changements à la * Définition (CAD) et prédire des nouvelles limites de tolérance : Analyse statistique des données BE, implémentation de différentes méthodes d'apprentissage supervisé.
- Mise en place et maintient du Gitlab du projet : définition du workflow et la gestion de configuration (branching model)
- Définition de l'architecture de la base de donnée de l'outils
Environnement technique : Python, Jupyter, Git,
Mission : SAFRAN Aircraft Engines
++Objectif ++ : Accompagner l'équipe IMD dans la conception d'un outil visant à centraliser le suivi des données de production et de contrôle des différents CEI : SIGMA-OMEGA
- Implémentation et mise en production de scripts permettant la collecte de la donnée sous format SIGMA dans différentes entités de production.
- Aide à la rédaction des exigences métiers et statistiques : carte de contrôle, Pareto...
- Recueil du besoin métier.
- Prototypage d'un outil de calcul de critères complexes
- Documentation technique de l'outils mise en place
Environnement technique : Python, Flask, Jupyter, Sphinx
Mission : SAFRAN Aircraft Engines
++Objectif ++ : Amélioration et industrialisation d'un outils d'optimisation nombre de mesures des paramètres dimensionnels de manière auto-adaptative : COSTA
- Prise en main de l'outils en place : bibliographie, algorithme et code.
- Implémentation d'amélioration : optimisation de paramètres de l'algorithme « filtre à particule », prise en compte de la distribution des mesures pour le calcul statistique, modification de l'architecture de la base de données.
- Mise en place dune API REST pour l'interaction avec la base de données et l'algorithme.
- Développement d'un outil de monitoring et de Data Visualisation : Arbre de dépendances, suivie d'indicateurs statistiques (probabilité d'échantillonnage, paramètres du filtre à particule)
- Conception et mise en place de containers (Docker) pour les différents composants du système et d'un réseau de communication entre container.
- Documentation technique des différents
Environnement technique : Python (Pandas, Dash, Falcon, Sqlalchemy) Docker, SQLite, Jupyter, Git, Sphinx
Mission : SAFRAN Aircraft Engines
++Objectif ++ : Développement d'un outil permettant d'optimiser le nombre de contrôles liés à des cotations de caractéristiques répétitifs : RSPOC
- Conception et développement dun interface R Shiny permettant limport de fichier de données, la configuration et le paramétrage des cotations (choix de la latéralité, cotations à échantillonnées)
- Calcul des nouvelles limites de tolérance (réduites) : régression linéaire, limite de prédiction
- Calcul du CPk en output intelligent avec un test de normalité préalable.
- Proposition de nouvelles approches algorithmique.
Environnement technique : R, R Shiny
- Visualisation et analyse statistique des données de vol
Data Scientist
Polarys
Septembre 2018
à février 2019
CDI
France
- Mission chez Mc Donald's France.
Conception et entrainement d'un modèle de prédictions des ventes heure par heure, à l'aide d'un réseau de neurones auto-regressif.
Exploration des méthodes de prévision envisageable (ARIMAX, LSTM, NNAR)
Analyse des données de ventes, étude de corrélations
Features engineering
Mise en place d’un rendu visuel avec python (Dash) - Mission : Beqom
Analyse statistique des données RH
Identification des outliers, biais de comportements
Data visualisation (Seaborn)
Data Scientist
Kameleoon
Mars 2017
à juin 2018
CDI
France
- Analyse de performances de l’algorithme prédictif, proposition d’améliorations (Feature engineering).
- Analyse statistique des résultats des A/B test : significativité statistique, ROI …
- Mise en place d’une plateforme requesting Elasticsearch en NodeJS, python
- Analyses de données personnalisées, identification des features et de segments pertinents : PCA, MCA, K-means, mean-shift…
- Exploration et développement de méthodes de visualisation de données, appliquées au cas clients (RShiny, ggplot, Tableau software…)
- Mise en place d’un algorithme (Exponential smoothing) de prévision des résultats des AB test
- Rédaction de documentations techniques sur les modèles machine-learning et statistiques.
Ingénieure de recherche
Laboratoire Informatique de Paris VI
Mars 2016
à septembre 2016
Stage
France
- Équipe : Agent Cognitif et Apprentissage Symbolique Automatique (ACASA)
Thématique : Découverte de conséquence, Déduction Automatique, Raisonnement Distribué, Système Multi Agents
Missions :
Prise en main de l'état de l'art
Travail théorique et algorithmique de conception de variantes d'un algorithme : affiner les protocoles de communication en maximisant le parallélisme des raisonnements
Finaliser une étude expérimentale et d’en analyser les résultats pour évaluer les points forts et faiblesses de différentes variantes selon les contextes
Statistiques - Analyse de données - Machine learning - Logique - Système multi-agents
Mathématique - Statistiques - Développement Web
-
Python
Pandas, Numpy, Sklearn, keras
- Java
- R
-
Machine Learning
Kmeans, LSTM, réseau de neurones, Deep and Wide
-
Data visualisation
RShiny, Dash
-
Analyse de données
ACP, ACM, Analyse statistique
- NLP
- Français
- Arabe
- Anglais
- Allemand
Certifications
2020-2021
-
Formation IA pour confirmé
Formation proposé par SAFRAN University et CentraleSupéléc.
Projet de formation :
Analyse des données de production au sein du CEI aubes de turbine (SAFRAN Aircraft Engines Gennevilliers, ITK)
Collecte des données de production : Moulage, Fusion, Contrôle (MMT, US), Qualité.
Mise en place d'un modèle décisionnel permettant de :
Projet de formation :
Analyse des données de production au sein du CEI aubes de turbine (SAFRAN Aircraft Engines Gennevilliers, ITK)
Collecte des données de production : Moulage, Fusion, Contrôle (MMT, US), Qualité.
Mise en place d'un modèle décisionnel permettant de :
- Analyser à postériori les pièces rebutées et identifier les causes,
- Lever des alertes en amonts, en cas de mauvais paramétrages de machine.
- Documentation technique.
Environnement technique : Python
