Je réalise des projets d'analyse de données (data science, data visualisation...) ou des formations dans le domaine de la data. Missions récentes : -> Simpliciti : Projet Cititri - Analyse de données de collectes de déchets et d'erreurs de tri, pour aider les collectivités locales à cibler les actions de sensibilisation à mener pour diminuer ces erreurs (analyses sur Python, cartes interactives, rédaction d'un rapport) -> Université Grenoble Alpes : Enseignante sur le cours de Data visualisation en M1 Statistique et Science de la Donnée (24h) ; Chargée de TD de Statistiques en L1 Maths-info (18h) (Python, R, Tableau) -> Social Builder : Animation d'ateliers d'initiation à la data pour des femmes éloignées de l'emploi (Python, IA/algorithmes, métiers de la data) -> Banlieues santé : Data visualisation et analyse de données pour valoriser l'impact de l'association (Python, cartes interactives)

> En charge d'un projet visant à modéliser le remplissage de bennes de tri sélectif selon différents facteurs explicatifs, avec des méthodes de machine learning, pour optimiser leur placement dans la ville : - Recherche de datasets pertinents (en particulier à partir de diverses sources d'Open data) - Manipulation de données géographiques - Elaboration d'une large base de données, en construisant des variables intéressantes pour les analyses - Analyse exploratoire des données (ACP, clustering) - Modélisation par des méthodes d'analyse supervisées (random forest, régression linéaire, lasso...) - Ecriture des rapports du projet > Travaux sur des projets d'optimisation de circuits de transport et de collectes de déchets (analyse de données sur Python, data visualisation interactive avec Plotly). > Création d'une newsletter pour initier les salariés de l'entreprise à la data. > Lancement et coordination de l'équipe RSE de l'entreprise.

Accompagnement d'étudiants sur leur parcours de formation

Le Wagon : Intervenante dans le parcours Data : - Time series - Natural Language Processing Ynov Campus : Intervenante dans le master Data Science : - Data visualisation - Méthodes d'analyse exploratoire (ACP, clustering)

J'ai mené plusieurs projets bénévoles ou indemnisés au service de différentes associations : - ADAVA : Analyse de séries temporelles de comptages de vélos pour aider à la compréhension des besoins d'aménagements cyclables. Outil : Python - Scouts et Guides de France : Analyses statistiques et data visualisation pour connaître les caractéristiques et évolutions de la population adhérente. Outils : R (dont R Markdown), Tableau - Particules : Data visualisation pour représenter l'impact de la pollution de l'air sur la santé des habitants dans la région Sud. Outils : Plotly, Dash, CSS - Banlieues santé : Aide à l'élaboration de questionnaires pour recueillir des informations sur l'action de l'association, et analyses statistiques. Outils : R, Excel Forms - Data for Good : Participation au projet "E-mpact" pour calculer et visualiser l'empreinte carbone de nos usages d'Internet. Outils : JavaScript, HTML, CSS

> Mission à Traxens - Exploitation et valorisation de données (Big data) issues de boîtiers connectés (IoT) - Recueil et aide à la définition du besoin d’extraction de données - Automatisation de requêtes NoSQL sur une base de données Cassandra - Ecriture des scripts d’extraction, d’analyse et de restitution des données - Génération de KPI et des dashboards correspondants > Mission à la DSI de Pôle Emploi - service métrologie - Intégration des données dans le datalake via Nifi - Raffinage des données avec Hive - Création d’applications Qlik Sense > Ecriture d'un article "La data au service de la société et des citoyens" https://keyrus.com/fr/fr/insights/la-data-au-service-de-la-societe-and-des-citoyens

Analyses BI au service de l'équipe nationale développement des SGDF : - Data wrangling / préparation des données avec dplyr (R) - Data visualisation avec Tableau et Shiny (notamment les résultats présentés dans le lien ci-dessous) - Rédaction de rapports - aide à l'interprétation des résultats Travaux réalisés de façon bénévole

Modélisation de la consommation électrique des ménages en fonction de différentes variables exogènes en vue de déceler des gisements d’économies d’énergie et d’effacement. Travaux encadrés par le Centre de Mathématiques Appliquées (CMA, Mines ParisTech - www.cma.mines-paristech.fr) - Etude des déterminants de la consommation électrique résidentielle par analyse multivariée, notamment pour perfectionner un simulateur de consommation électrique - Participation au projet européen Sim4Blocks (www.sim4blocks.eu) - étude de l'acceptation de l'effacement de consommation électrique par analyse multivariée - Elaboration d'un outil de visualisation de données et de résultats statistiques - Nettoyage et mise en forme d'une large base de données Outils utilisés : programmation sous R, Shiny, méthodes d'analyse multivariée (régression, ACP, ACM,...)

Caractérisation statistique de courbes de charges : élaboration et test d'algorithmes permettant de fournir des informations sur la consommation d'énergie (détection du déclenchement d'appareils, calcul de la veille...) à partir de données brutes de consommation. Outils utilisés : programmation sous R, méthodes d'analyse multivariée (régression logistique, analyse discriminante, ACP, clustering...)