
Anupam Naskar
Anupam Naskar
Mes services couvrent l’ensemble du flux de travail en data science, incluant le nettoyage des données, l’analyse exploratoire des données, l’ingénierie des fonctionnalités, le développement de modèles, la validation et le déploiement. Je travaille intensivement avec des outils tels que Python, R, SQL et Excel pour analyser des ensembles de données complexes et construire des modèles prédictifs utilisant des techniques telles que l’analyse de régression, les algorithmes de classification, la prévision des séries temporelles et des méthodes avancées d’apprentissage automatique telles que Random Forest, Gradient Boosting et XGBoost.
J’ai également une expertise en modélisation statistique et économétrique, notamment en tests d’hypothèses, analyses causales, modèles de données en panel et prévisions. Pour les applications financières et liées au risque, je peux développer des modèles de risque de crédit, des modèles de probabilité de défaut (), des cartes de bord comportementales et d’autres cadres d’analyse prédictive des risques.
De plus, je conçois des tableaux de bord clairs et interactifs ainsi que des visualisations pour communiquer efficacement les analyses aux parties prenantes et aux équipes dirigeantes. Mon objectif est de fournir des solutions analytiques fiables, bien documentées et évolutives qui aident les clients à comprendre leurs données et à prendre des décisions éclairées.
Que vous ayez besoin d’aide pour analyser un jeu de données, développer un modèle d’apprentissage automatique, prévoir des tendances ou construire un système de décision basé sur les données, je peux fournir des solutions structurées et de haute qualité, adaptées à vos besoins spécifiques.
Horaires de travail
- Lundi:08h00 à 18h00
- Mardi:08h00 à 18h00
- Mercredi:08h00 à 18h00
- Jeudi:08h00 à 18h00
- Vendredi:08h00 à 18h00
- Samedi:Non disponible
- Dimanche:Non disponible
- Data Science, Data Analytics, Modélisation statistique et d’apprentissage automatique
• Mise en place des modèles de prévision en séries chronologiques pour les paiements des clients et le comportement de dépenses, réduisant le MAPE prévu de ~20 %.
• Conception de modèles de segmentation de portefeuille et de clustering pour soutenir les stratégies de marketing et de ciblage des campagnes.
• Développement d’un modèle de propension à prédire le comportement d’achat des clients, améliorant les taux de conversion des campagnes de ~8 %
Problèmes commerciaux.
• A fourni des solutions d’analyse prédictive qui ont amélioré la prise de décision opérationnelle.
Performance.
• Mise en œuvre de techniques de NLP pour analyser les retours et le sentiment des clients en vue de l’amélioration du produit.
• A construit des modèles d’apprentissage automatique tels que Random Forest, Support Vector Machine (SVM) et XGBoost pour améliorer la précision prédictive.
• Présentation des résultats analytiques et recommandations à la haute direction, influençant la prise de décision stratégique et favorisant l’amélioration organisationnelle.
• Amélioration de la précision des prévisions grâce à la mise en œuvre de techniques statistiques avancées, améliorant la planification d’entreprise et l’allocation des ressources.
• Flux automatisés d’extraction et de reporting des données pour améliorer l’efficacité opérationnelle.
- 🇬🇧 Anglais


