Résumé
Aspiring Data Scientist with expertise in AI, machine learning, backend development, and biostatistics. Skilled in predictive modeling, network analysis, and data-driven insights for health and social data applications.
Expériences professionnelles
Data scientist
INSTITUT DE RECHERCHES INTERNATIONALES SERVIER , Gif-sur-yvette - Stage
De Mai 2026 à Aujourd'hui
Working as Data Scientist on Predictive Probability of Success (PPoS) in clinical trials.
I have to use Bayesian modeling with continuous, binary and time to event outcomes. The aim is to compare these three approaches to validate the results.
Beyond that, I have to develop and deploy a web application (shiny) for all the process.
Data analysis associate - volunteer study
Les Vieilles Charrues
De Juillet 2025 à Août 2025
Participation à une étude statistique sur les profils des bénévoles du festival Les Vieilles Charrues (travail en binôme à l’ENSAI)
Traitement et préparation des données :
- Détecté, corrigé et éliminé les doublons et incohérences
- Géré les valeurs manquantes et recatégorisé les variables qualitatives
- Conçu et documenté des fonctions R réutilisables pour automatiser le processus de nettoyage
- Généré de nouvelles variables pertinentes et agrégé les données en groupes analytiques cohérents
Analyse exploratoire :
- Produit des statistiques descriptives univariées et bivariées pour caractériser les profils des candidats
- Réalisé des visualisations avancées : cartes choroplèthes (âge médian), diagrammes circulaires par région et département
- Comparé systématiquement les profils des candidats acceptés et refusés afin d’identifier les premiers contrastes
Analyse multivariée :
- Mis en œuvre une Analyse des Correspondances Multiples (ACM) pour explorer les relations entre variables qualitatives
- Révélé les dimensions latentes des profils
Modélisation statistique
- Construit un modèle de régression logistique pour expliquer le statut des candidats (accepté/refusé)
- Sélectionné rigoureusement les variables explicatives pertinentes via une démarche itérative et justifiée
- Évalué les performances du modèle : test d’Hosmer-Lemeshow concluant, AUC = 68 %
Résultats confidentiels
Formation complémentaire
Licence professionnelle
Université NAZI BONI - Statistiques-Informatique
2020 à 2023
• Analyses mathématiques
• Probabilités
• Statistiques inférentielles et tests statistiques
• Programmation C, C++, Java
• Econométrie
• Analyse de données
• Séries temporelles
• Modélisations econométriques
• Modélisation statistique
• Economie (microéconomie, macro-économie, théorie de la croissance économique, commerce extérieure)
Parcours officiels
Langues
Français - Courant
Anglais - Technique
Compétences
Centres d'intérêt
- Lecture Sport : Basket Ball
linkedin
website