Vincent MARIN
Data Engineer
Data Science
Big data
Finance
data mining
Machine Learning
35 ans
Permis de conduire
Paris (75019) France
En poste
Indisponible
Ayant poursuivi une formation en économie et en finance, j'ai gardé de ces disciplines un attrait pour l'étude statistique et la découverte de phénomènes contre-intuitifs. De l’extraction des données à la mise en place des algorithmes de traitement en passant par l’analyse et les différentes méthodes de représentation graphique, je maîtrise l’ensemble des étapes de la data science. Pour ce faire j’utilise les langages R, Python et Scala, le framework Apache Spark sur des bases de données relationnelles.
• Introduction à Numpy
• Classification binaire d’images
• Mise en place d’une forward et d’une backpropagation
• Réglage des Hyperparamètres (régularisation, gradient checking, mini-batch gradient descent)
• Classification binaire d’images
• Mise en place d’une forward et d’une backpropagation
• Réglage des Hyperparamètres (régularisation, gradient checking, mini-batch gradient descent)
-R Programming
-Getting and Cleaning Data
-Exploratory Data Analysis
-Regression Models
-Practical Machine Learning
• Importation et traitement de documents XML, JSON et HDF5
• Maîtrise des techniques de data vizualisation, via les bibliothèques lattice et ggplot2
• Méthodes de partitionnement des données (k-means, hierarchical clustering)
• Méthodes de modélisation et d'apprentissages automatiques à l'aide de caret tels que les arbres décisionnels ou les régressions multiples : https://www.docdroid.net/7qCIeVB/regression-models-course-project.pdf.html
https://vincentm000.github.io/
Certificats vérifiés ci-dessous :
-Getting and Cleaning Data
-Exploratory Data Analysis
-Regression Models
-Practical Machine Learning
• Importation et traitement de documents XML, JSON et HDF5
• Maîtrise des techniques de data vizualisation, via les bibliothèques lattice et ggplot2
• Méthodes de partitionnement des données (k-means, hierarchical clustering)
• Méthodes de modélisation et d'apprentissages automatiques à l'aide de caret tels que les arbres décisionnels ou les régressions multiples : https://www.docdroid.net/7qCIeVB/regression-models-course-project.pdf.html
https://vincentm000.github.io/
Certificats vérifiés ci-dessous :
Modules, options, contenu des cours
- https://www.coursera.org/account/accomplishments/certificate/NST48WCPQYVM
- https://www.coursera.org/account/accomplishments/certificate/LFF6V8SMZLKW
- https://www.coursera.org/account/accomplishments/certificate/6REQ4J3ZT9UL
- https://www.coursera.org/account/accomplishments/certificate/GCR5FCX2HTB7
- https://www.coursera.org/account/accomplishments/certificate/TLZ23CN3HH3N
[MOOC] Functional Programming Principles in Scala
Ecole Polytechnique de Lausanne | Coursera
Novembre 2016
à décembre 2016
• Functions & Evaluation
• Higher Order Functions
• Types and Pattern Matching
• Lists and Collections
• Higher Order Functions
• Types and Pattern Matching
• Lists and Collections
-Programming for Everybody (Getting Started with Python)
-Using Python to Access Web Data
-Python Data Structure
• Initiation au langage Python
• BeautifulSoup xml.etree.ElementTree WebScrapping
• Berkeley Sockets Interface
• RegEx et Text Mining
Certificats vérifiés ci-dessous :
-Using Python to Access Web Data
-Python Data Structure
• Initiation au langage Python
• BeautifulSoup xml.etree.ElementTree WebScrapping
• Berkeley Sockets Interface
• RegEx et Text Mining
Certificats vérifiés ci-dessous :
Modules, options, contenu des cours
- Introduction to Apache Spark
- Big Data Analysis with Apache Spark
- Distributed Machine Learning with Apache Spark
Initiation à Apache Spark via la plaforme Databricks :
https://github.com/VincentM000/Data-Science-and-Engineering-with-Spark
Certificats vérifiés ci-dessous :
Modules, options, contenu des cours
-Calcul actuariel
-Étude et pricing des produits dérivés (options, swap, future/forward)
-Méthodes de gestion de portefeuille (Markowitz, Black&Scholes)
-Étude et pricing des produits dérivés (options, swap, future/forward)
-Méthodes de gestion de portefeuille (Markowitz, Black&Scholes)
- Initiation au rugby à treize auprès d'élèves d'écoles primaires
- Organisation d'un tournoi inter-écoles de fin d'année
- Recherche de sponsors
- Développement de l'école de rugby du club
- Recrutement auprès de toutes les catégories d'âge
-Initiation à R et SAS
-Économétrie (séries temporelles et données de panel)
-Macroéconomie
-Microéconomie
-Histoire économique
-Économétrie (séries temporelles et données de panel)
-Macroéconomie
-Microéconomie
-Histoire économique
