Freelancer profile translated to English.
Back to original languageAbout Xuanzhou
Holder of a Ph.D. in Optimization and Applied Statistics, XuanZhou has strong skills in programming, data management, statistical analysis, and data science, enabling her to navigate complex subjects with agility.
XuanZhou is proficient in Python and SQL software and languages and has several experiences in the industry sector.
Chinese
Native or bilingual
French
Native or bilingual
English
Fluent
Can work on-site
Paris (up to 50km)
Experience
- ENGIE - Entreprises & CollectivitésData ScientistENERGY AND UTILITIESFebruary 2020 - Today (6 years and 3 months)Paris, France- Acquisition, audit, and interpretation of ERL (Radio Linky Emitter) data- Studies on load curves- Proposal of methods and implementation of ML algorithms for the "Ma Conso +" service: monthly forecasting, usage disaggregation, start & stop...
- MHISData ScientistWINE AND SPIRITSOctober 2019 - February 2020 (5 months)Paris, France- Extraction of data from vineyard capture- Identification of plots using the clustering method- Comparison of different contouring methods- Calculation of indicators for analyzing vine status- Extraction and export of data on the PROD Cloudera environment (HDFS)
- EuropcarData ScientistAUTOMOBILEJuly 2019 - October 2020 (1 year and 3 months)Paris, France- POC "One Group Customer"- Development / Industrialization of KPI calculations within the "Customer Knowledge" department
Recommendations
Be the first to recommend Xuanzhou
Help this freelancer shine by sharing your experience working together.
These freelancer profiles also match your criteria
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Education
- Master in Electronics, Electrical Engineering and AutomationUniversité Paul Sabatier2010
- Ph.D. in Optimization and Applied StatisticsUniversité de Technologie de Troyes2013Cette thèse traite de la détermination de classes de systèmes selon leur mode de vieillissement dans l’objectif de prévenir une défaillance et de prendre une décision de maintenance. L’évolution du niveau de dégradation observée sur un système peut être modélisée par un processus stochastique paramétré. Un modèle usuellement utilisé est le processus Gamma. De plus, on s’intéresse au cas où tous les systèmes ne vieillissent pas identiquement et le mode de vieillissement est dépendant du contexte d’utilisation des systèmes appelé ensemble de covariables. Il s’agit alors de regrouper les systèmes vieillissant de façon analogue en tenant compte de la covariable et d’identifier les paramètres du modèle associé à chacune des classes
Certifications
- Dataiku DSS L2 AdvancedDataiku2019
- AWS Certified Cloud PractitionerAWS2022