Data Scientist
Data Scientist senior spécialisé en détection de fraude, intelligence artificielle et analyse comportementale, avec plus de 15 ans d’expérience dans l’exploitation de données et la…
Data Scientist senior spécialisé en détection de fraude, intelligence artificielle et analyse comportementale, avec plus de 15 ans d’expérience dans l’exploitation de données et la modélisation analytique. Expert en conception de solutions data end-to-end : machine learning, scoring, détection d’anomalies, clustering de réseaux frauduleux et industrialisation sous Python, Spark, SAS et Dataiku DSS. Profil hybride alliant expertise technique, compréhension métier et pilotage Agile des projets data.
Cliquez un segment pour filtrer les compétences →
France Travail
France Travail
France Travail
5 projets
Conception d’une solution de détection de fraude dans le milieu des sportifs de haut niveau à partir de la collecte et l’analyse de données liées aux parcours, activités et comportements des sportifs. Développement de modèles de scoring, détection d’anomalies et analyses comportementales permettant d’identifier des situations de fraude au chômage et d’orienter les contrôles. Projet ayant contribué à éviter des préjudices financiers.
Mise en place d’une démarche de Process Mining appliquée au recouvrement des créances afin d’analyser les parcours de traitement, identifier les lenteurs et détecter les goulots d’étranglement. Analyse des cas de recouvrement peu rentables ou à faible probabilité de succès pour optimiser les priorisations, améliorer l’efficacité opérationnelle et renforcer le pilotage des processus de recouvrement.
Mise en place de dispositifs de veille et de surveillance des détournements de finalité liés aux usages internes des données sensibles. Développement d’analyses comportementales et d’indicateurs permettant d’identifier des accès, consultations ou usages atypiques, afin de renforcer la gouvernance des données, la conformité et la maîtrise des risques internes.
Conception et industrialisation de pipelines data sous Dataiku DSS pour la préparation, le traitement et l’alimentation automatisée des données destinées aux équipes métier de prévention fraude. Développement de flux et tableaux de bord personnalisables permettant le suivi d’indicateurs, l’analyse des risques et l’aide à la décision opérationnelle.
Mise en place d’une solution de détection de fraude en réseau basée sur Neo4j et les technologies Graph. Transformation de données relationnelles en données orientées graphe pour l’analyse des relations complexes et la détection de communautés frauduleuses. Automatisation des pipelines de traitement et d’alimentation des graphes afin d’industrialiser les analyses et renforcer l’efficacité des investigations (Neo4j, Cypher, Python, SQL)
Université de Strasbourg
