Arnaud Jullemier

Data Scientist passionné, j’ai un profil hybride qui allie recherche et applications business-driven. Tout au long de ma carrière, j’ai évolué dans des pôles de data science structurés, où j’ai travaillé sur des projets variés allant de la modélisation avancée à la résolution de problématiques concrètes pour répondre aux besoins métier.

Chez Betclic, j’ai développé une approche orientée business en mettant la data science au service de la stratégie, avec un impact direct sur les performances de l’entreprise. Par le passé, j’ai également mené des travaux de recherche en data science, ce qui m’a permis de développer une solide expertise technique et une curiosité pour les nouvelles technologies comme les modèles de langage (LLM).

Je suis motivé par des projets à fort enjeu, où la data joue un rôle clé, dans un environnement collaboratif et dynamique. Mon ambition est d’évoluer dans une structure où je peux continuer à apprendre, contribuer à l’innovation et avoir un réel impact.

Accomplissements

Création de stratégies performantes en data science pour le tennis dans le milieu du sport betting.

Déploiement de modèles de machine learning pour les équipes de jeu responsable et de croissance, améliorant les résultats opérationnels.

Amélioration des prévisions et ROI :

Développement de modèles prédictifs pour les joueurs actifs sur différents produits, surpassant les solutions existantes de 20 % et augmentant le ROI de 5 %.

Exploitation des modèles de langage (LLMs) :

Mise en place de solutions basées sur des LLMs pour structurer et unifier les données, améliorant la cohérence et l’accessibilité des systèmes internes.

Meilleures pratiques en MLOps :

Implémentation d’un registre de modèles, standards de code, et de processus critiques comme la revue de code en Python/dbt avec des tests d’intégration pour garantir fiabilité et robustesse.

Encadrement et supervision technique :

Formation et encadrement de stagiaires en enseignant les meilleures pratiques de code en data science.

Supervision de projets de modélisation supervisée (classification et régression avec blending et stacking) et non supervisée (clustering, propagation d’étiquettes).

Pipelines et solutions de data science :

Conception et déploiement de pipelines de machine learning intégrés aux workflows MLOps.

Collecte, nettoyage et évaluation de données structurées et non structurées sur le sport, avec mise en œuvre de pipelines ETL en Python pour les paris sportifs.

As a passionate data scientist, I have a hybrid profile that combines research and business-driven applications. Throughout my career, I've worked in structured data science clusters, on a variety of projects ranging from advanced modeling to solving concrete problems to meet business needs.

At Betclic, I developed a business-oriented approach, putting data science at the service of strategy, with a direct impact on the company's performance. In the past, I have also carried out research work in data science, which has enabled me to develop solid technical expertise and a curiosity for new technologies such as language models (LLM).

I'm motivated by high-stakes projects, where data plays a key role, in a collaborative and dynamic environment. My ambition is to evolve in a structure where I can continue to learn, contribute to innovation and have a real impact.

I completed an engineering degree specialized in Data Science in an international program, and I also obtained a master's degree remotely, complementing my Data Science curriculum.