Mes compétences :
R
Mathématiques appliquées
Microsoft Excel
Statistiques
Microsoft Word
Probabilités
Séries temporelles
MATLAB
C++
Microsoft PowerPoint
Microsoft Office
Entreprises
Jeune diplomé
- Recherche emploi Data Scientist Junior / Analyst Junior
2015 - maintenantActuellement jeune diplômé d’un Master de Mathématiques Appliquées à l'université de Cergy-Pontoise (95), je suis à la recherche d'un premier emploi, avec l'intention de perfectionner ma formation et de m'investir dans un métier d'avenir.
Je suis favorable par toute proposition de votre part qui me permettrait d'apporter une contribution utile et de partager les valeurs de votre entreprise.
Persuadé qu'une lettre seule ne peut révéler totalement mes compétences ainsi que ma personnalité, je me tiens à la disposition de vos services pour toutes informations complémentaires et entretien.
Dans l’attente d’une suite favorable, je vous prie de recevoir, Madame, Monsieur, l'expression de mes salutations distinguées.
AiRPX
- Chercheur Statisticien R&D
2015 - 2015Stage de 1 mois en tant que Chercheur statisticien R&D
Maintenance prédictive dans le domaine aéronautique (civil et militaire). Réduction de coût de maintenance. Big Data.
Analyse/détection de signaux pouvant être défaillant par des algorithmes sous RStudio.
GDF SUEZ
- Analyste Statisticien
COURBEVOIE2014 - 2014Stage de 6 mois au sein du CEEME (Centre d'Expertise en Études et Modélisations Économiques)
Amélioration du modèle de correction climatique des consommations de gaz en France.
La correction climatique est une quantité de gaz qui, ajoutée à la consommation observée, permet d’estimer la consommation qui aurait été constatée en cas de climat moyen. C’est un indicateur clé pour GDF SUEZ.
Celle-ci est modélisée par des consommations journalières de gaz en fonction du climat. Le modèle utilisé (appelé CCLIAD-ICE) exprime les consommations en fonction d’un indicateur climatique efficace (ICE) qui est une combinaison non linéaire des températures intra-journalières, de l’inertie thermique des bâtiments, de la vitesse du vent et de l’ensoleillement.
Implémentation des différentes approches proposées et mise en place d’un outil dédié sous R. Celui-ci permet une meilleure prise en compte des variables climatiques (ensoleillement, vitesse du vent), une analyse de la variance des consommations en fonctions des différentes variables explicatives.
