Hard skills

- Langages et Outils:

● R : Shiny, Markdown, tidyverse, caret, FactoMineR
● Python : pandas, scikit-learn, transformers, NumPy, spaCy, PyTorch, TensorFlow
● SQL : écriture de requêtes, optimisation de requêtes, gestion de bases relationnelles
● Autres outils : Git, Google Colab, Jupyter Notebook

- NLP / LLM :

● Prétraitement de textes : tokenization, nettoyage, lemmatisation, stopwords
● Embeddings : Word2Vec, BERT, OpenAI
● Clustering sémantique et classification thématique
● Prompts engineering
● Déploiement d’API et intégration dans des applications

- Data Science / Machine Learning :

● Préparation et nettoyage de données
● Modèles supervisés : régression, classification, arbres de décision, forêts aléatoires
● Modèles non supervisés : clustering, PCA
● Validation croisée, optimisation d’hyperparamètres, métriques de performances

- Data Visualisation :

● R : ggplot2, Shiny dashboards interactifs
● Python : matplotlib, seaborn, plotly
● Conception de dashboards et reporting automatisés (Power BI, Tableau, R Shiny, Dash)

- Bases de données et Gestion des données :

● Conception de questionnaires et systèmes de collecte de données
● Gestion et modélisation de bases relationnelles : MySQL, PostgreSQL, Access
● Bonnes pratiques en structuration et documentation des données

Soft skills

● Gestion de projet agile : planification, priorisation, suivi d’avancement
● Collaboration interdisciplinaire : travail en équipe avec data engineers, développeurs, métiers, UX/UI designers
● Recueil et analyse des besoins utilisateurs : compréhension métier, traduction en solutions data
● Communication des résultats : vulgarisation des analyses, storytelling , présentation aux parties prenantes non techniques
● Esprit critique et résolution de problèmes : capacité à formuler des hypothèses, tester et proposer des solutions data-driven
● Autonomie et curiosité : veille technologique/bibliographique, apprentissage continu, expérimentation de nouveaux outils

---

Mon CV