Vincent Boisbourdain

data scientist, phd, expert python

Moves to Paris, Paris, Caen

  • 48.8569
  • 2.32
  • Indicative rate €870 / day
  • Experience 7+ years
  • Response rate 100%
  • Response time 12h
Propose a project The project will only begin when you accept Vincent's quote.

Availability not confirmed

Propose a project The project will only begin when you accept Vincent's quote.

Location and geographical scope

Location
Paris, France
Can work in your office at
  • Paris 7e Arrondissement and 50km around
  • Paris and 100km around
  • Caen and 100km around

Preferences

Project length
  • ≤ 1 month
  • Between 1-3 months
  • Between 3-6 months
  • ≥ 6 months
Business sector
  • Banking & Insurance
  • Research
  • Consulting & Auditing
  • E-commerce
  • Software Publisher
+26 autres
Company size
  • 1 person
  • 2 - 10 people
  • 11 - 49 people
  • 50 - 249 people
  • 250 - 999 people
+2 autres

Verifications

Languages

  • Anglais

    Full professional proficiency

  • Français

    Native or bilingual

Skills (22)

Vincent in a few words

Docteur en Physique, avec une importante expérience de programmation (20 ans) et de conseils (14 ans, depuis 2006) sur des sujets scientifiques avancés, avec une formation de Centrale Supelec - OpenClassrooms en data sciences, je suis intervenu récemment sur plusieurs projets stratégiques:
1°) Développement d'un algorithme de machine learning pour la prédiction des cours financiers,
2°) Tarification dynamique pour une grande surface,
3°) Audit des algorithmes de pricing d'une grande banque,
4°) Analyse d'un réseau de consommateurs à des fins de marketing ciblé,
5°) Développement d'un moteur de détection de données erronées avancées.

A l'aide des outils des data sciences, je peux vous aider à extraire et visualiser des données pertinentes, à repérer des failles ou des anomalies et finalement à définir des actions ciblées pour améliorer votre business. En mathématisant vos objectifs et vos contraintes, je peux formaliser rationnellement vos problèmes de stratégies et rechercher les meilleures solutions accessibles en fonction des données disponibles. Vous disposerez alors de solutions optimales en profitant des dernières avancées des méthodes d'apprentissage automatique et de l'intelligence artificielle.

Mon expérience, ma formation initiale en physique théorique et les calculs intensifs sur les supercalculateurs du CNRS, me permettent aussi de vous accompagner pour auditer, rationaliser, refondre, accélérer ou améliorer vos algorithmes (en Python, R, Matlab, Java, C++ ou dans d'autres langages).

Experience

Air Liquide - Air Liquide

Chemical

Data Scientist for Innovation & Growth Strategy Team

Paris, France

April 2019 - September 2019

Design of new business model, with the objective of providing a first illustration of final deliverables, possibly on a different country than the target deployment country. It help business team refine the analysis and visualisation they need to support their decision making.
● Formulate and iterate over hypothesis with business team
● Set-up back-testing methodology
● Run first simulations of impact on revenues and profitability if x% of customers would have turned to the new revenue model with different price points
● Visualisation of results

Iterate over back-test tool on target country and refined business model. The objective is to benchmark different business models with different price points regarding their impact on revenues and profitability.
● Integrate target countries data (2 different countries)
● Implement back-testing methodology as specified during PoC
● Collaborate with business teams to help compare scenarios and recommend price points
● Visualisation of results

A quantitative survey will be run to a sub-segment of customers to evaluate their appetence and willingness to pay for the different business models. Results may require an update with fine-tuned parameters of the simulations.
● Final refined simulations with fine-tuned parameters

CMDL - MANASLU Ing

Energy & Utilities

Data scientist

Le Bourget-du-Lac, France

April 2019 - December 2019

Reprise, simplification et amélioration d'un algorithme en Python de détection d'erreurs de capteurs (aberration, absence, valeurs anormales, variations brutales...) à l'aide de méthodes statistiques et de visualisation des données, avec des problématiques d'optimisation des temps de calculs. Mise en place d'un rapport d'erreurs automatique.

Carmignac Gestion

Banking & Insurance

R&D en mathématiques financières

Paris, France

March 2015 - Today

Afin de montrer les possibilités offertes par des algorithmes statistiques ou d'apprentissage automatiques pour améliorer les stratégies de gestion de portefeuille de Carmignac Gestion, une librairie orientée objet a été développée en Python. Elle a, par la suite, été utilisée pour tester de nombreux modèles mathématiques de modélisation des cours et le moteur de calcul a été rendu accessible via un interface web.

Initialement, le projet a démarré par l'audit, la fiabilisation et l'accélération d'un algorithme écrit en R par un chercheur de l'école Polytechnique. Par la suite, une architecture object a été développée afin d'isoler les modèles statistiques, les stratégies financières, les calculs des indicateurs de risques, les tests sur de longues périodes passées, et la comparaison des modèles ou de stratégies entre elles.

Ce "banc d'essai" pour modèles financiers a ensuite servit pour évaluer la pertinence de nombreux modèles. En particulier:
1°) Modèle de student multi-variée à copule de Student
2°) Lois d'échelle temporelles statistiques pour réaliser des prédictions à long terme
3°) Un réseau de neurones LSTM
4°) Une optimisation rendements vs risques extrêmes (CvaR)
5°) L'intégration de contraintes de limitation des volumes de ventes et d'achat dans les stratégies

Ces travaux ont permis de challenger les traders par des propositions de réallocation des portefeuilles sous gestion, ainsi que de faire évoluer les méthodes utilisées par les ingénieurs quantitatifs.

La Marmite

Restaurants

Détection d'anomalies dans une base de données

Paris, France

September 2018 - November 2018

Etude de la base de données alimentaires publique "Open Food Facts" afin d'en évaluer l'intérêt pour le site de recettes en ligne "La Marmite".

L'exploration des données (Big Data) à été réalisé à l'aide d'outils de visualisation statistique et via la définition de nouvelles mesures. L'analyse a permis d'évaluer le potentiel de la base de données pour évaluer les bienfaits potentielles des recettes de "La Marmite" sur la santé.

Le challenge a consisté à construire un algorithme capable de détecter les anomalies sur un très grand nombre de données, par classification des aliments à l'aide d'un arbre orienté catégorielle (Network), puis à comparer chaque donnée aux caractéristiques de sa catégorie la plus représentative statistiquement. L'algorithme développé s'est montré à la fois très efficace et très rapide.

Bois & Matériaux

Retail

Data scientist

Rennes, France

December 2017 - June 2018

Afin d'aider Bois & Matériaux dans sa politique commerciale de tarification dynamique, un outil de visualisation en Python a été implémenté afin de montrer les possibilités offertes par les data sciences, et en particulier de détecter les anomalies ou les possibilités d'amélioration les plus importantes concernant:
a) La politique de remise par secteur
b) Les chiffres d'affaires et les remises réalisées ou concédées par les commerciaux

Par la suite, j'ai accompagné le directeur de l'offre commerciale, dans le recrutement d'un data scientist, par la réalisation de questionnaires et de tests scientifiques afin de sélectionner un candidat ayant les compétences requises pour ce poste.

Crédit Foncier de France

Banking & Insurance

Auditeur

Paris, France

June 2015 - February 2016

Mission d'audit de l'algorithme de calcul des prix des cessions de créances du Crédit Foncier de France, ainsi que la documentation détaillée des fondements, des méthodes mathématiques et de la modélisation statistiques du Pricer du Crédit Foncier de France.

A l'aide de la documentation existante, de l'audition des développeurs et des concepteurs, ainsi que des codes de production du Crédit Foncier de France (écrits en Delphi une version orientée objet du langage Pascal), l'algorithme de tarification a été reproduit en langage Python pour analyser sa fiabilité et son adéquation au cahier des charges. La modélisation statistique des renégociations et des remboursements anticipés ont nécessitées de créer un modèle orienté objet de contrats pouvant récursivement se modifier selon les probabilités des événements futurs susceptibles de se produire jusqu'à leurs dates de clôtures. Les courbes de taux d'intérêt zéro coupon, spreads de crédit, taux forward, spreads forwards, ainsi que les critères de rentabilités ont été modélisés.

La mission a permis de certifier l'algorithme de production du Crédit de France et de proposer des méthodes d'accélération des temps de calculs (jusqu'à 5 fois plus rapide). En outre, l'algorithme de réplication et d'analyse en Python, ainsi qu'une documentation scientifique de 70 pages ont été fournis, en complément du rapport d'audit.

2 Malt project(s)

    (1 rating)

    Clement - Air Liquide SA Département ERT - Entité Transformation Digitale

    20/12/19

    Dans le cadre d'études sur le modèle de revenu de notre activité Gaz Conditionnés, Vincent à réalisé un travail clé dans la conception d'offres alternatives en fournissant des supports analytiques de qualité ainsi que pistes d'explorations. Vincent a su très rapidement comprendre les enjeux des études ainsi que les problématiques métiers sous-jacents, permettant de construire et évaluer un certain nombre de modèles pertinents et de complexité croissante. Par ailleurs, Vincent a fait preuve d'une grande capacité d'écoute et a été très flexible dans ses disponibilités, pour s'adapter un rythme de travail soutenu nous permettant ainsi d'avancer sans encombre. Je remercie Vincent pour son travail et recommande fortement ses services en tant que Data Scientist et expert Python.

    Jean-Pierre Pélicier - Air Liquide

    12/13/2019

    Vincent a été missionné pour réaliser d'importantes analyses de la facturation de notre activité Gaz Conditionnés dans le cadre d'études sur notre modèle de revenus. J'ai été très satisfait de la prestation de Vincent. Il a très rapidement pris la mesure d'une activité industrielle complexe et a construit des modèles très pertinents qui ont mis en évidence de nombreux axes d'analyse et d'optimisation de notre modèle de revenus. Il a aussi mis en œuvre des simulations complexes nous permettant de prendre des décisions de manière éclairée. Vincent a également fait preuve d'une grande disponibilité et s'est adapté à notre rythme exigeant d'avancement. Je recommande fortement Vincent comme Data Scientist.

    Davide Boschetto - Laboratoire d'Optique Appliquée

    3/29/2019

    Monsieur Boisbourdain a un grand talent de modélisation, et il sait très facilement créer des modèles pour décrire des phénomènes très complexes. Son aisance à la fois en mathématique, en physique et en informatique, lui permettent d’aller très rapidement de la conception à la réalisation et à la mise en pratique de ces modèles. Ces talents font de Monsieur Boisbourdain un partenaire de travail idéal pour tout ce qui concerne la modélisation mathématique du monde réel, et son approche est à la fois créatif et stimulant, comme il le témoigne la richesse de nos échanges. 

    Denis Lecoeuche - OpenClassrooms

    3/20/2019

    J'étais le mentor de Vincent dans le cadre du parcours Data Scientist d'OpenClassrooms. Il a mené ce projet avec beaucoup de rigueur pour aboutir à des analyses de grande qualité.

    Stéphane Alix - Spinfi

    3/14/2019

    Excellentes compréhension des points de douleurs ayant amené à la réalisation d'une preuve de concept rapide avant l'industrialisation du modèle.

    Education

    charter modal image

    Success is a team effort

    Contribute to this success and the community's professionalism by signing the Freelancer Code of conduct

    Sign the code