Browse profiles Post a project
Malt welcom

Welcome to Fallou's freelance profile!

Malt gives you access to the best freelancers for your projects. Contact Fallou to discuss your project or search for other freelancer profiles on Malt.

Fallou Diagne

Data Scientist

Can work in or around Paris

  • 48.86
  • 2.3413
Propose a project The project will begin once you accept Fallou's quote.
Propose a project The project will begin once you accept Fallou's quote.

Location and workplace preferences

Location
Paris, France
Can work onsite in your office in
  • around Paris 1er Arrondissement and 50km

Preferences

Project length
  • ≤ 1 week
  • ≤ 1 month
  • Between 1-3 months
  • Between 3-6 months
  • ≥ 6 months
Company size
Would prefer:
  • 2-10 people
  • 11 - 49 people
  • 50 - 249 people
  • 250 - 999 people
  • 1000 - 4999 people
+1 autres
Would prefer to avoid:
1 person

Verifications

Freelancer code of conduct signed
Read the Malt code of conduct

Verified email

Reputation

Stack Overflow

Stack Overflow : Fallou Fallou
  • 11 Reputation
  • 3 Bronze
  • 0 Silver
  • 0 Gold

Languages

Categories

Skills (26)

Fallou in a few words

Réalisations professionnelles:

Projet 1 : Modélisation de sinistres corporels graves en assurance

• Cas d’usage : Sinistres corporels graves
• Catégorisation client : segmenter les clients pour identifier et trouver les classes les plus risquées et de pouvoir surveiller le porte-feuille (algorithme ML non supervisé PCA, Kmeans, CAH)
• Détecter de sinistres corporels graves pour pouvoir prévenir le portefeuille (Algorithmes supervisés, XGBoost, GLM, GBM)
• Mettre en place un outil de visualisation dynamique avec R-Shiny pour la restitution , la vulgarisation et la présentation des résultats.


Projet 2 : Création d'application R-Shiny

• Mise en place d’une application R-Shiny pour l’étude de positionnement tarifaire
• Database Matching : Jointure de plusieurs bases de données externe et interne
• Collecte des données (open data, web scraping, ...)
• Création d’un outil dynamique, clair et simple à utiliser capable de positionner Groupama sur le marché des assureurs et de contribuer fortement sur l’aide à la décision
• Implémentation de l’outil dans un server cloud pour faciliter l’accès aux utilisateurs
• Documentation de l’outil pour pouvoir faciliter la reprise de algorithme et la mise à jour annuelle programmée



Projet 5 : Détection de fraudes à l’aide de méthodes de machine learning

• Reprise et conversion de scripts SAS en R et Python
• Extraction de données massives sous SAS et Oracle
• Calcul volumétrique, et test de plusieurs modèles de machine learning
• Ré-échantillonage de données très déséquilibrées
• Augmentation de données pour optimiser la performance des modèles
• Automatisation et mise en production de modèles



Compétences statistiques:
machine learning, analyse de données, deep learning, Big data, data science, data analyst.

Compétences en Language de programmation:
Sas, Python, R, Rshiny

Compétences en BI:
QlikView, Dataiku, Tableau, Knime, Pentaho

Compétence Big data:
Apache Spark, PySpark, Google cloud Platform.

Experience

Groupama SA - Groupama

Banking & Insurance

Data Scientist

Nanterre, France

September 2019 - May 2021 (1 year and 7 months)

Projet 1 : Modélisation de sinistres corporels graves en assurance

• Cas d’usage : Sinistres corporels graves
• Catégorisation client : segmenter les clients pour identifier et trouver les classes les plus risquées et de pouvoir surveiller le porte-feuille (algorithme ML non supervisé PCA, Kmeans, CAH)
• Détecter de sinistres corporels graves pour pouvoir prévenir le portefeuille (Algorithmes supervisés, XGBoost, GLM, GBM)
• Mettre en place un outil de visualisation dynamique avec R-Shiny pour la restitution , la vulgarisation et la présentation des résultats.


Projet 2 : Création d'application R-Shiny

• Mise en place d’une application R-Shiny pour l’étude de positionnement tarifaire
• Database Matching : Jointure de plusieurs bases de données externe et interne
• Collecte des données (open data, web scraping, ...)
• Création d’un outil dynamique, clair et simple à utiliser capable de positionner Groupama sur le marché des assureurs et de contribuer fortement sur l’aide à la décision
• Implémentation de l’outil dans un server cloud pour faciliter l’accès aux utilisateurs
• Documentation de l’outil pour pouvoir faciliter la reprise de algorithme et la mise à jour annuelle programmée


Projet 4 : Création d'un package R/Python interne

• Production de fonctions R et Python pour faciliter les études des data scientists
• Mise en production des ces fonctions R et Python
• Documentation de fonction pour faciliter l’utilisation ou d’éventuelles améliorations
R Python 3 SAS Spark R Shiny Modélisation Machine learning

Recommendations

Check out Fallou's recommendations

Education

Certifications