Master's student in Statistical and Financial Engineering
A PROPOS DE MOI
Marschall Wilfried BROU
Diplômé d’une licence d'Analyse Economique à l'Université Paris 2 Panthéon-Assas, j'ai pu bénéficier d'une triple formation en mathématiques, informatique et économie. En efffet les techniques quantitatives d'aborder au cours de ce cursus m'ont permis de maitriser la plupart des domaines de mathématiques, statistiques et informatique appliquées à l'économie, pour ce qui est de la formation en économie elle permet d'avoir un esprit d’analyse rationnelle necessaire à la compréhension de la réalité et l'analyse économique. Aujourd'hui j'ambitionne d'embrasser une carrière de Data Scientist Economiste, pour y arriver j'ai opté pour une formation en master Ingénierie et Statistique Financière qui à une excellente reputation dans la formation de ce type de profil. Conscient de l’importance de la place de l’experience du terrain dans ce domaine (Science des données) j’ai choisi une formation en alternance ce qui me permettra d’allier enseignement théorique et formation pratique. Neamoins, fort de plusieurs formations certifier en analyse de données j’ai pu développer des compétences en analyse statistique et exploratoire de données, notament en ce qui concerne la préparation et le nettoyage des données, de visualisation et de construction de modèle en travaillant sur des projets coder en python sur Jupyter notebook. Conscient du fait que j’ai encore beaucoup à apprendre je suis disponible et ouvert à toute opportunité dans la mesure où elle me permettra de monter en compétences et en expertise mais aussi d’apporter ma contribution à la construction d’un projet novateur.
RECHERCHE D'INTERET
FORMATION
-
Modélisation Mathématique et Statistique
-
Machine Learning et Deep Learning
-
Analyse et exploration des données
-
Evaluation des politiques publiques
2020-2022
Master Économétrie, Statistique parcours Ingénierie Statistique et Financière(En cours de formation)
Université Paris 2 Panthéon-Assas, Paris (France)
Séries temporelles, Économétrie des marchés financiers, Théorie du portefeuille, Finance comportementale, Mesures du risque, Choix de portefeuille, Contrôle optimal, Processus stochastique, Sondages, Analyse des données, Mathématique et statistique Financière, Assurance-vie et fonds de pension et non-vie (dommages), Économétrie des modèles de durée en assurance, Gestion obligataire, Gestion quantitative des risques, Risque de crédit, Financial decision theory, Options et produits dérivés, Marketing quantitatif, Modèles de scoring, Datamining, Calcul stochastique, Machine learning pour l’économie et la finance, Big-data and open data, Langue C++, Langue C#, Langue C, Langue Python, Langue R, SAS, Langue SQL
COMPETENCES
2017-2020
Licence Economie et Gestion parcours analyse économique
(Mention Assez-Bien)
Université Paris 2 Panthéon-Assas, Paris (France)
- Langue Python,
- Langue R,
- SAS,
- Langue SQL,
- Machine Learning,
- Deep Learning
- Langue C++,
- Langue C#,
- Langue C,
- Dataminning,
- Technique de sondage
- Jupyter Notebook
Projet Réaliser
Projet (1) : Analyse du marché de ventes de voiture d’occasion aux USA en 1987 Ce projet m’a permis de travailler sur certaine compétence technique sous Python en matière d’analyse exploratoire et statistique des données, de vérification de la qualité des données à travers la gestion et le traitement des données manquante, et enfin en matière de visualisation de données. (En savoir plus )
Projet (2) : Prédiction du prix de frais de santé Ce projet m’a permis de développer des compétences techniques ne matière d’analyse multivarié, t’utilisation des techniques du Machine Learning et de la Statistique pour les prédictions les frais de soin de santé. Les résultats Aurait répondre aux besoins des assurances.
CERTIFICATION
AUTRE FORMATION
Durée du cours: Aug 15, 2020 - Oct 14, 2020 (Réussi)
​
« Data Analysis with Python: Zero to Pandas » est une introduction pratique, adaptée aux débutants et axée sur le codage, à l’analyse des données couvrant les bases de Python, Numpy, Pandas, la visualisation de données et l’analyse de données exploratoires. Ce cours s’étend sur 6 semaines, avec une conférence vidéo de 2 heures chaque semaine avec codage interactif en direct à l’aide de cahiers Jupyter. Vous pouvez obtenir un certificat d’accomplissement vérifié en accomplissant des affectations hebdomadaires et en effectuant un projet de cours
​
Durée du cours: Nov 14, 2020 - Dec 26, 2020 (en cours)
​
« Deep Learning with PyTorch: Zero to GANs » est un cours en ligne destiné à fournir une introduction de codage d’abord à l’apprentissage profond en utilisant le cadre PyTorch. Le cours adopte une approche pratique axée sur le codage et sera enseigné à l’aide de cahiers Jupyter interactifs en direct, permettant aux élèves de suivre et d’expérimenter. Les concepts théoriques seront expliqués en termes simples à l’aide du code. Les participants recevront des affectations hebdomadaires et travailleront sur un projet doté d’un ensemble de données dans le monde réel pour tester leurs compétences.
​
DATA CHALLENGE
