Menu

Nabil KRIM

Levallois-Perret

En résumé

Mes compétences :
Gestion de projet
Analyse de données
Programmation
Modélisation
Analyse fonctionnelle
Machine Learning
SAS Enterprise Guide
R
Modélisation mathématique
Python

Entreprises

  • Gmf - Data Scientist

    Levallois-Perret 2013 - maintenant Modélisation statistique descriptives et prédictive : Classification, Segmentation, scoring (appétence, attrition),
    Réalisation des études ad'hoc (Profilage, Valeur Client...) permettant de définir des stratégies marketing,
    Aide à la définition du Plan Marketing Direct,
    Déploiement des actions marketing (IBM Experience One),
    Data Steward : Administration et enrichissement de la base de données.
  • Gras Savoye - Chargé d'études statistiques

    Puteaux 2011 - 2013
  • GMF assurance - Chargé d'études statistiques

    Levallois-Perret 2011 - 2011 Thématique du stage
    * Mise en oeuvre de plusieurs méthodes statistiques pour identifier la typologie des foyers ayant résilié tous leurs contrats IARD et PJ.
    * Construction des modèles prédictifs afin d'anticiper une future éventuelle résiliation.
    * Proposition de solutions marketing et commerciales à mettre en place afin de limiter le phénomène d'attrition.

Formations

  • ENSAE

    Saclay 2019 - 2019 Data Scientist

    Mise en oeuvre et utilisation des outils informatiques Big Data : Hadoop, Hive, Spark
    R avancé (data.table, tidyverse, shiny)

    Machine Learning (apprentissage supervisé et non supervisé).
    Introduction au deep learning.
  • Université Rennes 2 Haute Bretagne

    Rennes 2009 - 2011 Statistiques appliquées pour l'entreprise

    - Analyses qualitatives et quantitatives des données (ACP. AFC. AFCM. AFM)
    - Méthode de Scoring, modèle Probit, Logit et régression logistique.
    - Gestion de portefeuille et actuariat.
    - Séries temporelles approfondies: Modèles ARCH, GARCH et les Modèles non linéaires.
  • Ecole Nationale Supérieure De Statistique Et D'Economie Appliquée (Alger)

    Alger 2003 - 2008 Ingénieur d'Etat en Statistiques Appliquées

    - Analyse des données approfondies.
    - Techniques d’enquêtes et sondages.
    - Modélisation économétrique: modèles linéaires, données panels et régression logistique.
    - Séries chronologiques: prévision à court et à long terme de phénomènes temporels.

Réseau

Annuaire des membres :