J’ai d’abord fait carrière dans le secteur de la santé, au sein d’un gestionnaire de structures au niveau européen. Je viens de rejoindre un fonds d’investissement, avec pour mission la mise en œuvre d’une stratégie ambitieuse en termes d’engagements environnementaux et sociaux. L’objectif est de transformer les actifs immobiliers de santé (EHPAD, cliniques, etc.) grâce à des investissements, afin de réduire leur impact négatif externe (empreinte carbone, consommation en eau et en énergie, production de déchets, etc.).
J’ai intégré le bootcamp Data Science & IA à temps partiel, sur le campus de Paris. Dans mon parcours professionnel, et dans le secteur de la santé, la data science a pris une place particulière. Afin d’améliorer la synergie entre les équipes data science et mon expertise métier, il me paraissait évident de m’approprier un socle de connaissances suffisant pour savoir quels seraient les modèles prédictifs à produire : prédire la valeur future des actifs (après investissement durable), par exemple.
Désireux de garder mon emploi, j’ai choisi le temps partiel. De fait, j’utilisais mon temps libre pour préparer les cours, participer aux sessions et réfléchir aux applications dans la société qui m’emploie.
“En parallèle du bootcamp à temps partiel, j’appliquais directement mes nouvelles compétences dans mon entreprise actuelle.”
Le monde de la data science est assez pointu, et on doit commencer par des applications simples pour convaincre le management de la plus-value. Ainsi, ce sont d’abord des mises en œuvre de data visualisation sur des bases de données existantes, puis la création de bases de données avec du screening ou du scrapping et enfin des modèles comme du NLP sur des bases documentaires internes, ou en open source pour commencer à manipuler des outils d’analyse et de scenarii.
“Cette formation m’a également permis de soutenir des projets de data science auprès de mon management pour convaincre de leur plus value et de s’y engager.”
Dans mes nouvelles fonctions, la constitution de base de données est un des enjeux et le nettoyage/formatage de celles-ci est fondamental et chronophage.
On réfléchit à la création de modèles de machine learning pour prédire les valeurs des actifs immobiliers, mais surtout pour déterminer et soutenir les avantages des investissements à impact positif pour l’environnement et la société.
En effet, cette approche permet d’anticiper les risques climatiques et d’investir intelligemment pour les atténuer ou les anticiper. Mieux encore, l’outil peut permettre de valoriser la côte « verte » de la nouvelle valeur des actifs : autrement dit, motiver les investisseurs à choisir ce type d’actifs du fait de leur meilleur retour sur investissement. Le machine learning est un outil puissant d’aide à la décision pertinente, et doit être utilisé en faveur d’un avantage sociétal.
Le parcours de Stefane illustre la puissance du machine learning dans tous les secteurs. De la santé aux investissements financiers durables, il offre des solutions novatrices et prometteuses pour un avenir plus responsable. Merci Stefane !
Comédienne et passionnée depuis plusieurs années par l’art et le spectacle, Virginia se lance dans
Olivier Riccini est analyste programmeur chez CGI. Avant cela, alors qu’il avait envie de partir
Kany, professionnelle du Growth Marketing, a donné un coup de pouce à sa carrière en
Passionné par la tech et entrepreneur dans l’âme, Rémi débute sa carrière en startup puis
Les 12 et 13 juillet dernier avait lieu le HackerFest, un marathon d’innovation dans le
Découvrez le parcours de Léa. Étudiante en Data Science. Léa s’est spécialisé en finance pendant
