Welcome to Guy Anthony's freelance profile!
Location and workplace preferences
- Location
- Clermont-Ferrand, France
- Can work on-site in your office in
-
- around Clermont-Ferrand and 50km
- Around Lyon and 100km
- Around Clermont-Ferrand and 100km
- Around Paris and 100km
Preferences
- Project length
-
- ≤ 1 week
- ≤ 1 month
- Between 1-3 months
- Business sector
-
- Energy & Utilities
- Transportation
- Internet of Things (IoT)
- Tech
- Environmental
+1 autres
Verifications
Freelancer code of conduct signed
Read the Malt code of conduct
Reputation
Loading...
Kaggle
Languages
Categories
Skills (23)
- BigData
-
Beginner Intermediate Advanced
- Data Science
-
Beginner Intermediate Advanced
-
Beginner Intermediate Advanced
-
Beginner Intermediate Advanced
-
Beginner Intermediate Advanced
-
Beginner Intermediate Advanced
-
Beginner Intermediate Advanced
-
Beginner Intermediate Advanced
Guy Anthony in a few words
Data scientist depuis 3 ans, développeur et entrepreneur, j'ai réalisé de nombreux applications sur des données volumineuses et de différentes natures (structurées ou pas). Mon champs de compétences comprend : apprentissage automatique, développement back-end (python/django, php/symfony, mysql, etc...). J'ai aussi un expertise CMS pour vous accompagner sur cet outil. Je travaille avec des open-sources car j'accorde une grande importance aux méthodes à l'état de l'art
Portfolio
Experience
Association santé publique
Health & Wellness
Proposition d’application en lien avec l’alimentation au service de la santé publique.
Données OpenFoodFacts : https://world.openfoodfacts.org/
Outils utilisés :
- Langage : Python 3.6
- Environnement : Windows - Anaconda - Jupyter Notebook
- Librairies : Pandas - Numpy - Matplotlib - Seaborn - Scikit-Learn - Scipy - re - nltk - Wordcloud
Travaux réalisés :
- Suppression des variables inutiles, des doublons
- Sélection des variables pertinentes à l'application
- Imputation des variables explicatives
- Suppression des ponctuations, accents, chiffres puis lemmatisation des variables textuelles.
- Analyse univariée : distplot et pie pour la distribution des variables numérique(resp. catégorielles).
- Détection et suppression des outliers : boxplot et test de Grubb
- Analyse multivariée : pairplot, matrice de corrélation, ANOVA
- Suppression des mots courants(stopwords), nuage de mots(wordcloud)
- Vectorisation Tf, cosinus de similarité
- Prédiction du grade nutritionnel avec l'algorithme k-NN.
Outils utilisés :
- Langage : Python 3.6
- Environnement : Windows - Anaconda - Jupyter Notebook
- Librairies : Pandas - Numpy - Matplotlib - Seaborn - Scikit-Learn - Scipy - re - nltk - Wordcloud
Travaux réalisés :
- Suppression des variables inutiles, des doublons
- Sélection des variables pertinentes à l'application
- Imputation des variables explicatives
- Suppression des ponctuations, accents, chiffres puis lemmatisation des variables textuelles.
- Analyse univariée : distplot et pie pour la distribution des variables numérique(resp. catégorielles).
- Détection et suppression des outliers : boxplot et test de Grubb
- Analyse multivariée : pairplot, matrice de corrélation, ANOVA
- Suppression des mots courants(stopwords), nuage de mots(wordcloud)
- Vectorisation Tf, cosinus de similarité
- Prédiction du grade nutritionnel avec l'algorithme k-NN.
OpenClassrooms - Openclassrooms
Civil Engineering
Prédire les émissions de CO2 et la consommation totale d’énergie de bâtiments en se basant sur des bases de données existantes.
Données : https://www.kaggle.com/city-of-seattle/sea-building-energy-benchmarking
Outils utilisés :
- Langage : Python 3.6
- Environnement : Windows – Anaconda – Jupyter Notebook
- Librairies : Pandas – Numpy – Pandas – Matplotlib – Seaborn – Scikit-Learn
Travaux réalisés :
- Prendre en compte la fuite de données pour les prédictions.
- Automatisation des processus : Pipeline
- Normalisation des variables de relevés de différentes années
- Imputation avec ColumnTransformer
- Passage au log(1+x) des variables expliqués
- Encodage variables catégorielles : OneHotEncoding, CountEncoding, TargetEncoding, CatBoostEncoding
- Standardisation des variables : StandardScaler
- Choix de la métrique RMSE fonction du problème
- Sélection de l' encodage avec la meilleure RMSE moyenne testée sur plusieurs modèles
- Sélection de variables pertinentes : Lasso ou régularisation L1, RFE
- Modèles baselines, hyper-paramétrage des modèles SVM, Ridge, Random Forest, Gradient Boosting de Scikit-Learn avec GridSearchCV
- Analyse des résultats : RMSE, temps d’exécution, importance des features, courbe d'apprentissage.
Outils utilisés :
- Langage : Python 3.6
- Environnement : Windows – Anaconda – Jupyter Notebook
- Librairies : Pandas – Numpy – Pandas – Matplotlib – Seaborn – Scikit-Learn
Travaux réalisés :
- Prendre en compte la fuite de données pour les prédictions.
- Automatisation des processus : Pipeline
- Normalisation des variables de relevés de différentes années
- Imputation avec ColumnTransformer
- Passage au log(1+x) des variables expliqués
- Encodage variables catégorielles : OneHotEncoding, CountEncoding, TargetEncoding, CatBoostEncoding
- Standardisation des variables : StandardScaler
- Choix de la métrique RMSE fonction du problème
- Sélection de l' encodage avec la meilleure RMSE moyenne testée sur plusieurs modèles
- Sélection de variables pertinentes : Lasso ou régularisation L1, RFE
- Modèles baselines, hyper-paramétrage des modèles SVM, Ridge, Random Forest, Gradient Boosting de Scikit-Learn avec GridSearchCV
- Analyse des résultats : RMSE, temps d’exécution, importance des features, courbe d'apprentissage.
OLIST
E-commerce
Segmentez des clients d'un site e-commerce.
Comprendre les différents types d’utilisateurs grâce à leur comportement et à leurs données personnelles.
Maintenance de la stabilité des segments au cours du temps
Données : https://www.kaggle.com/olistbr/brazilian-ecommerce
Outils utilisés :
- Langage : Python 3.6
- Environnement : Windows – Anaconda – Jupyter Notebook
- Librairies : Pandas – Numpy – Matplotlib – Seaborn – Scikit-Learn – Scipy – Kmodes – Plotly
Travaux réalisés :
- Jointure naturelle des tables et analyse statistiques des données
- Méthode analytique : les quantiles et la table RFM Score
- Méthode automatique : K-means avec la réduction de dimension ACP et TSNE, K-modes
- Visualisation graphique des techniques de réduction de dimension : ACP, TSNE, DBSCAN, Clusterisation agglomérative
- Définition du tableau de bord des segments facilement exploitable par l’équipe marketing.
- ANOVA pour déterminer l'importance relative des variables de chaque cluster.
- Sankey : diagramme de flux de clients entre segments avec Plotly
- Détermination de l’intervalle de temps pour la maintenance du modèle par l’analyse de flux
Maintenance de la stabilité des segments au cours du temps
Données : https://www.kaggle.com/olistbr/brazilian-ecommerce
Outils utilisés :
- Langage : Python 3.6
- Environnement : Windows – Anaconda – Jupyter Notebook
- Librairies : Pandas – Numpy – Matplotlib – Seaborn – Scikit-Learn – Scipy – Kmodes – Plotly
Travaux réalisés :
- Jointure naturelle des tables et analyse statistiques des données
- Méthode analytique : les quantiles et la table RFM Score
- Méthode automatique : K-means avec la réduction de dimension ACP et TSNE, K-modes
- Visualisation graphique des techniques de réduction de dimension : ACP, TSNE, DBSCAN, Clusterisation agglomérative
- Définition du tableau de bord des segments facilement exploitable par l’équipe marketing.
- ANOVA pour déterminer l'importance relative des variables de chaque cluster.
- Sankey : diagramme de flux de clients entre segments avec Plotly
- Détermination de l’intervalle de temps pour la maintenance du modèle par l’analyse de flux
OpenClassrooms - Openclassrooms
Education & E-learning
Computer vision
Phase 1 : Développez un modèle de haute performance de référence
- Préparation de la donnée : split en train, validation, test pour l'évaluation de façon pertinente et détecter l'overfitting
- Pré-traitement des images : whitening, equalization avec openCV
- Data augmentation : cropping, mirroring, contraste, redimensionnement avec ImageDataGenerator
- Mise en oeuvre par Transfer Learning d'un modèle CNN adapté à la problématique : Inception ResNetV2
- Mise en oeuvre de 2 modèles CNN from scratch
- Adaptation des hyper-paramètres des layers (kernel size, dropout, méthode d'activation des layers cachés, méthode d'activation du layer final, ...)
- Adaptation des hyper-paramètres de compilation du modèle (optimizer, loss, ...)
- Adaptation des hyper-paramètres d'exécution du modèle (batch size, nombre d'epochs, ...)
- Analyse des mal classées et amélioration du modèle
Phase 2 : preuve de concept
- Consultation des sources de connaissances reconnues du domaine de la data science (suffisamment récent)
- Mise en oeuvre d'une démarche structurée pour réaliser sa preuve de concept (nouvelle méthode, dataset, méthode baseline, bibliographiques, etc...) et explications des choix.
- La nouvelle méthode est correctement testée (train/test et/ou cross-validation au besoin). Evaluer plusieurs valeurs des paramètres
- Test des performances de la nouvelle méthode avec une métrique adaptée.
- La preuve de concept a porté sur l'état de l'art des méthodes de la classification d'images et la méthode FixRes
- Résultat obtenu : je suis passé de 91% à 94,7% par rapport à une précédente mission sur le même dataset.
- Préparation de la donnée : split en train, validation, test pour l'évaluation de façon pertinente et détecter l'overfitting
- Pré-traitement des images : whitening, equalization avec openCV
- Data augmentation : cropping, mirroring, contraste, redimensionnement avec ImageDataGenerator
- Mise en oeuvre par Transfer Learning d'un modèle CNN adapté à la problématique : Inception ResNetV2
- Mise en oeuvre de 2 modèles CNN from scratch
- Adaptation des hyper-paramètres des layers (kernel size, dropout, méthode d'activation des layers cachés, méthode d'activation du layer final, ...)
- Adaptation des hyper-paramètres de compilation du modèle (optimizer, loss, ...)
- Adaptation des hyper-paramètres d'exécution du modèle (batch size, nombre d'epochs, ...)
- Analyse des mal classées et amélioration du modèle
Phase 2 : preuve de concept
- Consultation des sources de connaissances reconnues du domaine de la data science (suffisamment récent)
- Mise en oeuvre d'une démarche structurée pour réaliser sa preuve de concept (nouvelle méthode, dataset, méthode baseline, bibliographiques, etc...) et explications des choix.
- La nouvelle méthode est correctement testée (train/test et/ou cross-validation au besoin). Evaluer plusieurs valeurs des paramètres
- Test des performances de la nouvelle méthode avec une métrique adaptée.
- La preuve de concept a porté sur l'état de l'art des méthodes de la classification d'images et la méthode FixRes
- Résultat obtenu : je suis passé de 91% à 94,7% par rapport à une précédente mission sur le même dataset.
kaggle
Tech
Classification de commentaires toxiques multilingues - Jigsaw Conversation IA
Données : https://www.kaggle.com/c/jigsaw-multilingual-toxic-comment-classification/data
Outils utilisés :
- Langage : Python 3.6
- Environnement : Ubuntu – TPU – Google Colaboratory – Kaggle
- Librairies : Pandas – Numpy – Matplotlib – Tensorflow – Keras – Transformers (HuggingFace) – tensorflow_hub – Multiprocessing
Travaux réalisés :
- Prétraitement en parallèle de la donnée : les mots avec astérisques, les mots mal orthographiés, les urls, les emojis, l'encodage des caractères, détection des langues, la traduction, etc..
- Échantillonnage et analyse des distributions entre le dataset d'entrainement et de test.
- Modélisation des représentations vectorielles de mots (tokeniseur, encodeur, taille de vecteurs, portabilité des entrées encodées, etc...)
- Construction du modèle par transfer learning et adaptation des hyper-paramètres des layers (kernel size, dropout, méthode d'activation des layers cachés et du layer final, ...)
- Adaptation des hyper-paramètres de compilation du modèle (optimizer, loss, ...)
- Mise en place d'un pipeline efficace pour les données d'entrées : tf.data.Dataset
- Chargement du modèle sur TPU
- Adaptation des hyper-paramètres d'exécution du modèle (batch size, nombre d'epochs, ...)
- Développement d'une stratégie d'entraînement adaptée aux données multilingues.
- Prédiction et évaluation du modèle sur la métrique auc. Résultat obtenu de 92.53%
Outils utilisés :
- Langage : Python 3.6
- Environnement : Ubuntu – TPU – Google Colaboratory – Kaggle
- Librairies : Pandas – Numpy – Matplotlib – Tensorflow – Keras – Transformers (HuggingFace) – tensorflow_hub – Multiprocessing
Travaux réalisés :
- Prétraitement en parallèle de la donnée : les mots avec astérisques, les mots mal orthographiés, les urls, les emojis, l'encodage des caractères, détection des langues, la traduction, etc..
- Échantillonnage et analyse des distributions entre le dataset d'entrainement et de test.
- Modélisation des représentations vectorielles de mots (tokeniseur, encodeur, taille de vecteurs, portabilité des entrées encodées, etc...)
- Construction du modèle par transfer learning et adaptation des hyper-paramètres des layers (kernel size, dropout, méthode d'activation des layers cachés et du layer final, ...)
- Adaptation des hyper-paramètres de compilation du modèle (optimizer, loss, ...)
- Mise en place d'un pipeline efficace pour les données d'entrées : tf.data.Dataset
- Chargement du modèle sur TPU
- Adaptation des hyper-paramètres d'exécution du modèle (batch size, nombre d'epochs, ...)
- Développement d'une stratégie d'entraînement adaptée aux données multilingues.
- Prédiction et évaluation du modèle sur la métrique auc. Résultat obtenu de 92.53%
Stack Overflow
Tech
Catégorisez automatiquement des questions
Développer un système de suggestion de tag pour les débutants sur le site Stack Overflow, ainsi que la recommandation des mots clés.
Données : https://data.stackexchange.com/stackoverflow/query/new
Outils utilisés :
- Langage : Python 3.6
- Environnement : Ubuntu – Google Colaboratory – GPU
- Librairies : Pandas – Numpy – Matplotlib – Scikit-Learn – BeautifulSoup – Spacy – nltk – wordcloud – re – pickle – gensim(Word2Vec, LdaModel, FastText) – faiss – lightgbm – catboost – xgboost – DistilBert – Flask
Travaux réalisés :
- Nettoyage et analyse du texte : lowercase, abréviations, html tags, contractions, ponctuations, stopwords, lemmatisation, bad symbols, nombres, espaces multiples, catégories grammaticales
- Distribution de N-grammes et worcloud
- Vectorisation du texte (Bag of words) : Tf, Tf-Idf
- Représentation vectorielle de mots (Word Embedding) : Word2Vec, DistilBert, Glove, FastText
- Sélection de la métrique de classification multi-classes : jaccard, matrice de confusion
- Sélection de la meilleure vectorisation Bag of words et la meilleure représentation word2vec
- Faiss, Hyper-paramétrage des modèles XGBoost, Catboost, LightGBM et Naive_bayes MultinomialNB pour trouver le meilleur modèle.
- Mettre en place une LDA pour extraire les mots clés
- Prédire les tags (supervisé) et de recommander des mots clés (approche non supervisé)
- Déploiement en local avec Flask
Données : https://data.stackexchange.com/stackoverflow/query/new
Outils utilisés :
- Langage : Python 3.6
- Environnement : Ubuntu – Google Colaboratory – GPU
- Librairies : Pandas – Numpy – Matplotlib – Scikit-Learn – BeautifulSoup – Spacy – nltk – wordcloud – re – pickle – gensim(Word2Vec, LdaModel, FastText) – faiss – lightgbm – catboost – xgboost – DistilBert – Flask
Travaux réalisés :
- Nettoyage et analyse du texte : lowercase, abréviations, html tags, contractions, ponctuations, stopwords, lemmatisation, bad symbols, nombres, espaces multiples, catégories grammaticales
- Distribution de N-grammes et worcloud
- Vectorisation du texte (Bag of words) : Tf, Tf-Idf
- Représentation vectorielle de mots (Word Embedding) : Word2Vec, DistilBert, Glove, FastText
- Sélection de la métrique de classification multi-classes : jaccard, matrice de confusion
- Sélection de la meilleure vectorisation Bag of words et la meilleure représentation word2vec
- Faiss, Hyper-paramétrage des modèles XGBoost, Catboost, LightGBM et Naive_bayes MultinomialNB pour trouver le meilleur modèle.
- Mettre en place une LDA pour extraire les mots clés
- Prédire les tags (supervisé) et de recommander des mots clés (approche non supervisé)
- Déploiement en local avec Flask
7 projects on Malt
Check out Guy Anthony's project reviews
3 external recommendations
Check out Guy Anthony's recommendations