Amine Morsili

Data Science développement d’algorithmes

• Analyser la pertinence des critères comportementaux dans le cadre du lancement

D’une offre de conduite connectée et les impacts éventuels sur la tarification.

• Analyser et faire évoluer les structures tarifaires, en mettant en oeuvre

Les techniques de modélisation issues du Big Data (Python, R et Dataiku)

• Participer aux travaux d’Optimisation Tarifaire, consistant à combiner un modèle de risque

Et un modèle d’élasticité au prix.

• Apporter une expertise sur les Modèles Linéaires Généralisés (GLM), Random Forest (RF) Boosting.

• Analyser la pertinence des critères comportementaux dans le cadre du lancement d’une offre

De conduite connectée et les impacts éventuels sur la tarification.

• La segmentation clients, le scoring.

• Analyses études ad-hoc

• Analyser le niveau de résultat technique en termes d’évolution et de composition des portefeuilles.

Data science Bowl - Laura and John Arnold Foundation

Aux États-Unis, le cancer du poumon frappe 225 000 personnes chaque année et représente des coûts de santé de 12 milliards de dollars. La détection précoce est essentielle pour donner aux patients les meilleures chances de guérison et de survie.

Il y a un an, le bureau du vice-président des États-Unis a lancé une nouvelle initiative audacieuse, le Cancer Moonshot, pour réaliser une décennie de progrès dans la prévention, le diagnostic et le traitement du cancer en seulement cinq ans.

En 2017, le Data Science Bowl constituera un jalon important dans le soutien au Cancer Moonshot en réunissant les communautés de la science des données et de la médecine pour développer des algorithmes de détection du cancer du poumon.

À l'aide d'un ensemble de données de milliers de scintigraphies pulmonaires à haute résolution fournies par le National Cancer Institute, les participants développeront des algorithmes qui détermineront avec précision quand les lésions dans les poumons sont cancéreuses. Cela réduira considérablement le taux de faux positifs qui gangrène la technologie de détection actuelle, permettra aux patients d'avoir plus tôt accès à des interventions qui sauvent des vies et donnera aux radiologistes plus de temps à consacrer à leurs patients.

Quora

Plus de 100 millions de personnes visitent Quora chaque mois, il n'est donc pas surprenant que de nombreuses personnes posent des questions similaires. Plusieurs questions avec la même intention peuvent amener les chercheurs à passer plus de temps à trouver la meilleure réponse à leur question, et à faire en sorte que les rédacteurs pensent qu'ils doivent répondre à plusieurs versions de la même question. Quora valorise les questions canoniques car elles offrent une meilleure expérience aux chercheurs et écrivains actifs, et offrent plus de valeur à ces deux groupes sur le long terme.

Actuellement, Quora utilise un modèle de forêt aléatoire pour identifier les doublons de question. Dans cette compétition, les Kagglers sont mis au défi d’étudier ce problème de traitement du langage naturel en appliquant des techniques avancées pour classer si les paires de questions sont des doublons ou non. Ce faisant, il sera plus facile de trouver des réponses de haute qualité aux questions résultant en une expérience améliorée pour les écrivains, les demandeurs et les lecteurs de Quora.