Chloé Garnier

• Téléphone: +33 6 14 56 78 90
• E-mail: chloe.garnier@email.com
• Localisation: Paris, France
• LinkedIn: chloe-garnier-data-scientist

Résumé

Ayant mené l'optimisation des modèles de détection de fraude, réduisant les faux positifs de 15% pour une institution financière majeure, j'apporte 6 ans d'expérience en science des données. Expertise en apprentissage automatique, analyse statistique avancée et déploiement de solutions basées sur les données pour des problématiques complexes.

Compétente dans la création de pipelines de données robustes et l'exploitation de Big Data pour générer des insights actionnables, avec un focus sur l'amélioration de la prise de décision et la performance des produits.

Reconnue pour ma capacité à traduire des besoins métier en solutions techniques et à communiquer des résultats complexes à des publics non techniques.

Expérience Professionnelle

Scientifique de Données Senior, Capgemini Engineering -- Paris, France

Mars 2021 – présent

• Développement et déploiement de modèles d'apprentissage profond pour l'analyse d'images médicales, améliorant la précision de diagnostic de 12% pour un client du secteur de la santé.

• Conception et mise en œuvre d'une architecture de données évolutive sur AWS pour le traitement de volumes massifs de données IoT, supportant plus de 10 millions de points de données par jour.

• Direction d'une équipe de 3 scientifiques de données sur des projets de modélisation prédictive, assurant la qualité et la livraison dans les délais.

• Optimisation des algorithmes de recommandation pour une plateforme e-commerce, augmentant le taux de clics de 8% et la conversion de 5%.

Scientifique de Données, Dataïku -- Paris, France

Septembre 2018 – Février 2021

• Analyse de grands ensembles de données clients pour identifier des segments de marché et des opportunités de croissance, contribuant à une augmentation de 7% de l'engagement utilisateur.

• Création de tableaux de bord interactifs (Tableau, Power BI) pour visualiser des indicateurs clés de performance et présenter des insights à la direction.

• Développement de modèles de prédiction de l'attrition client, réduisant le taux de désabonnement de 10% grâce à des campagnes ciblées.

• Participation active à la recherche et au développement de nouvelles méthodes d'apprentissage automatique pour améliorer les produits de la plateforme.

Analyste Quantitatif Junior, Société Générale -- Paris, France

Janvier 2017 – Août 2018

• Modélisation et analyse de risques financiers en utilisant des techniques statistiques avancées (séries chronologiques, régression).

• Développement de scripts Python pour l'automatisation de rapports et l'extraction de données financières, réduisant le temps de traitement de 20%.

• Soutien à la création de modèles de valorisation d'instruments financiers complexes.

Formation

École Polytechnique, M.Sc. en Master en Science des Données et Apprentissage Automatique -- Palaiseau, France

Septembre 2016 – Août 2018

Université Paris-Saclay, Licence en Licence en Mathématiques Appliquées et Informatique -- Orsay, France

Septembre 2013 – Juin 2016

Compétences

Programmation et Outils: Python (Scikit-learn, Pandas, NumPy, TensorFlow, Keras, PyTorch), R, SQL, Spark, Docker, Git, Airflow, Jupyter Notebooks

Machine Learning et Statistiques: Régression, Classification, Clustering, Deep Learning, Traitement du Langage Naturel (NLP), Vision par Ordinateur, Séries Temporelles, Tests A/B, Inférence Statistique

Bases de Données et Big Data: PostgreSQL, MySQL, MongoDB, Hive, Hadoop, Data Warehousing, ETL, Databricks

Cloud et Déploiement: AWS (S3, EC2, SageMaker, Lambda), Google Cloud Platform (GCP), Azure, CI/CD

Visualisation de Données: Matplotlib, Seaborn, Plotly, Tableau, Power BI

Méthodologies: Agile, Scrum, Design Thinking

Langues: Français (Langue Maternelle), Anglais (Courant)