Data Scientist
Churn Prediction System
Pipeline ML complet pour prédire le churn client : ingestion, feature engineering, entraînement et une API de scoring déployée en production.
Cliquez sur une base de données pour explorer
En formation Data Engineering & IA à Efrei Paris (diplôme prévu octobre 2026), j'accumule depuis trois ans une expérience chez SNCF d'abord en tant que développeur chez Réseau, puis sur la data chez Voyageurs.
Je m'intéresse particulièrement aux pipelines de données modernes, à l'orchestration avec Spark/Kafka, et aux architectures cloud AWS & Azure.
class MartinPrevot: def __init__(self): self.role = "Data Engineer" self.school = "Efrei Paris" self.company = "SNCF Voyageurs" self.stack = [ "Python", "Spark", "AWS", "Kafka", "SQL" ] self.available = True def hire_me(self): return "martin@prevot.cloud"
Pipeline ML complet pour prédire le churn client : ingestion, feature engineering, entraînement et une API de scoring déployée en production.
Dashboard Streamlit pour gérer ses finances perso : extraction automatique des relevés PDF, catégorisation par Gemini AI et 6 visualisations interactives.
Suivi de 50+ cryptos en temps réel : ingestion batch Binance, flux live CoinGecko, stockage TimescaleDB et API FastAPI, orchestré avec Airflow.
Architecture Lambda from scratch avec un batch layer HDFS/Spark et un speed layer Kafka + Spark Streaming pour le traitement en temps réel.
Scraping structuré de données Pokémon, stockage PostgreSQL et exposition via une API REST Jakarta EE avec pagination et filtres.
Benchmark de 8 pipelines NLP sur le BBC News Dataset : CountVectorizer, TF-IDF, Word2Vec, avec des modèles ML classiques et du Deep Learning (BiLSTM).
Tableaux de bord Power BI pour les KPIs Transilien, avec automatisation Python/VBA et intégration dans SharePoint et Power Apps.
SNCF Voyageurs
SNCF Réseau
Disponible pour des opportunités CDI/CDD Data Engineer à partir d'octobre 2026.