Armand Gilles

POC de détection de fuites dans le réseau hydraulique d'eau potable de l'agglomération de Bordeaux grâce aux données historique du SIG ainsi que divers capteurs (IoT). • Audit du code et des KPI métier déjà réalisé. • Gestion projet : axes d'amélioration et priorisation des développements suivant l'audit. • Pipeline de données : structuration et consolidation de plusieurs sources de données hétérogènes (plusieurs dizaines millions de lignes). • Utilisation d'algorithmes non supervisé (PCA / Isolation Forest) et supervisé (Xgboost). • Création de variables métiers complexes (plusieurs layers de features engineering). • Conception et suivis KPI de performances. • Réalisation de benchmark et comparatif avec des méthodes naïves de prédiction afin de mesurer les progrès de la solution (Data Driven). • Phase de critique et validation afin de labéliser des points en anomalie et renforcer la stratégie de validation des performances de la. • Documentation technico-fonctionnelle. • Projection dans l'industrialisation du POC.

Réalisation de projets Datat et Data Science divers (reprise ou from scratch). Animation et veille tech. Industrialisation de projet, monitoring et évolutions des projets suivant les besoins.

Industrialisation d'un projet Machine Learning de type classification binaire supervisé afin de détecter des points en anomalies. • Packaging du projet en librairie Python prêt à l'emploi. • En communication directe avec l'équipe Front afin de déterminer les contraintes et objectifs. • Optimisation des performances du pipeline de calcul (gain de 85 % du temps de calcul).