Date a data expert

Travaillez avec un Manager de transition 

Innovation & Transformation  

La rĂ©volution des donnĂ©es est en marche📊... Savez-vous les valoriser ? Les transformer en offre de valeur ? Et si votre entreprise avait besoin d'un autre regard sur la richesse de ses donnĂ©es ? 

datascientist matthieu mouillon
Mon Dada ? La data🐮

Exploitez vos données

Vous avez un projet ? Vous souhaitez vous développer ? Créez vos propres scenarios et modÚles pour anticiper ?

Je peux vous accompagner techniquement sur un Strategic Workforce Planning et vous conseiller sur ce que vous pouvez mettre en oeuvre avant de délivrer des modÚles à haute valeur ajoutée.

sicklearn, google Cloud, Python, Fast API, Gymnasium, Matplotlib, pandas, statsmodels, seaborn, github, langchaindocs
Choisir les bons outils

Selon la problématique

Frameworks, langages, algorithmes, modules, big data, ERP, ces outils permettent d'utiliser la donnée. Encore faut-il que la source soit qualitative.

Le strategic Workforce Planning est une mĂ©thode au carrefour de la GPEC et du contrĂŽle de gestion de donneĂ©s sociales. Il permet d'intervenir sur le plan qualitatif par exemple sur les rĂ©fĂ©rentiels, les mĂ©tiers d'avenir et sur le plan quantitatif en Ă©valuant les coĂ»ts, l'Ă©volution de la masse salariale. Cela peut permettre de rĂ©flĂ©chir Ă  sa politique de rĂ©munĂ©ration, comparer des BU, redĂ©finir le rĂ©fĂ©rentiel RH transverse, repenser son organisation, Ă©valuer le taux d'effort, anticiper les dictionnaires de donnĂ©es dans le cadre d'un SIRH ou d'une mission de data science sur les donnĂ©es sociales...

La Data ?

« Une différence qui fait la différence »

Mais qu'est-ce que la donnée ?

«Une diffĂ©rence qui fait la diffĂ©rence». Cette citation de GrĂ©gory Bateson, systĂ©micien, nous rappelle que la donnĂ©e se trie, se classe, se distingue. Cela suppose des regroupements et des traitements. C'est Ă  ce prix seulement que l'on peut ensuite extraire une information. En data science, les retraitements sont largement automatisĂ©s et permettent de passer plus de temps sur le choix des modĂšles statistiques, la lecture des prĂ©dictions, l'affinage du scoring. Ces modĂšles permettent en outre de constituer le back-end d'applications.

Pour en savoir +

Missions de conseil
40
Missions de conseil
Temps
9
Années de freelancing
Travail-1
15
Années d'expérience
diplomes
1
DiplĂŽme en Data Science du Wagon

Cas d'usage                &              Projet

use case data science matthieu mouillon 1
use case 1 en data science
use case data science matthieu mouillon 4
use case 4 en data science
use case data science matthieu mouillon 7
use case 7 en data science
use case data science matthieu mouillon 10
use case 10 en data science
Apprendre - comprendre

En savoir + sur les modĂšles

Saviez-vous que la distinction classique entre données numériques et non numériques a beaucoup moins de sens en data science ?

Vous souhaitez mieux comprendre le vaste champ de la donnée ? Distinguer machine learning et deep learning

Le livre blanc