Aperçu des Compétences
Ingénierie des Données & Pipelines
Charles conçoit des pipelines de données de niveau production qui ingèrent, transforment et valident des données provenant de multiples sources. En tant qu'ingénieur de données I chez Clearway Energy Group, il utilise quotidiennement Dagster, dbt, Polars et Snowflake pour automatiser les flux de données liés aux actifs d'énergie renouvelable. Il a de l'expérience dans la conception de processus ETL/ELT gérant les intégrations API, les jointures spatiales et les modèles de chargement incrémentiel.
Outils & Technologies : Python, Dagster, dbt, dlt, Polars, Snowflake, DuckDB, Hex
Démontré dans : Pipeline de Performance des Actifs Renouvelables, Analyse de l'Abordabilité du Logement et des Déplacements, Archive de Données Google Analytics, Pipeline d'Analyse Énergétique, Observatoire de Signaux Synthétiques
Analyse Statistique & Modélisation
Charles applique des méthodes statistiques rigoureuses pour répondre à des questions de recherche et valider des résultats. Son travail inclut la régression OLS avec erreurs types robustes, l'ANOVA, les modèles d'interaction, la régression quantile et la validation croisée. Il sait choisir entre les spécifications de modèles à l'aide de l'AIC, diagnostiquer la multicolinéarité avec le VIF et interpréter les résultats pour des publics techniques et non techniques.
Outils & Technologies : Python (statsmodels, scipy), scikit-learn, R
Démontré dans : Analyse de l'Abordabilité du Logement et des Déplacements, Analyse de la Qualité du Vin, Prédiction des Prix des Logements à Ames, Analyse de la Privation de Sommeil
Apprentissage Automatique (Machine Learning)
Charles a de l'expérience dans la construction et l'évaluation de modèles d'apprentissage supervisé pour des tâches de régression et de classification. Il a travaillé avec des modèles linéaires, les k-plus proches voisins, les forêts aléatoires, XGBoost, les réseaux de neurones (TensorFlow/Keras) et les ensembles par empilement. Il applique l'ingénierie des caractéristiques, la validation croisée, l'optimisation des hyperparamètres et des techniques d'interprétabilité comme SHAP pour comprendre et communiquer le comportement des modèles.
Outils & Technologies : scikit-learn, TensorFlow/Keras, XGBoost, SHAP
Démontré dans : Prédiction des Prix des Logements à Ames, Classification du Vaisseau Spatial Titanic, Analyse de la Qualité du Vin, Analyse de l'Abordabilité du Logement et des Déplacements
Visualisation de Données & Tableaux de Bord
Charles crée des visualisations et des tableaux de bord interactifs qui rendent les données accessibles aux décideurs. Il a construit des tableaux de bord R Shiny avec filtrage dynamique et tables interactives, des tableaux de bord Tableau avec des vues paramétrées, et des visualisations Python avec Matplotlib et Streamlit. Il met l'accent sur la clarté, le choix approprié des graphiques et la narration facile à suivre des données.
Outils & Technologies : Tableau, R Shiny, Matplotlib, Streamlit, ggplot2, Plotly
Démontré dans : Tableau de Bord des Émissions Mondiales de CO₂, Tableau de Bord de la Fréquentation des Parcs Nationaux, Tableau de Bord du Bonheur Mondial, Observatoire de Signaux Synthétiques, Analyse de l'Abordabilité du Logement et des Déplacements
SQL & Analyse de Bases de Données
Charles écrit du SQL pour l'extraction, la transformation et les requêtes analytiques de données. Il maîtrise les agrégations, les fonctions de fenêtrage (RANK, ROW_NUMBER), les CTE, les sous-requêtes, les jointures et les opérations ensemblistes. Il travaille à la fois avec des bases de données relationnelles traditionnelles et des moteurs analytiques modernes comme DuckDB et Snowflake.
Outils & Technologies : SQL (MySQL, Snowflake, DuckDB)
Démontré dans : Analyse des Ventes de Restaurants, Analyse des Prénoms de Bébés, Analyse des Vols de Véhicules, Pipeline de Performance des Actifs Renouvelables, Pipeline d'Analyse Énergétique
Analyse Métier & Tableurs
Charles utilise Excel comme outil analytique – pas seulement pour la saisie de données, mais pour construire des analyses structurées avec des tableaux croisés dynamiques, RECHERCHEV/SOMME.SI, la mise en forme conditionnelle, les diagrammes de Pareto et les cartes de chaleur. Son travail avec les tableurs se concentre sur la transformation de données opérationnelles brutes en informations commerciales exploitables.
Outils & Technologies : Excel (Tableaux Croisés Dynamiques, Power Query, RECHERCHEV, SOMME.SI, Mise en Forme Conditionnelle, Graphiques Combo)
Démontré dans : Analyse des Temps d'Arrêt de Fabrication, Analyse des Collisions à New York
Traitement de Données & ETL
Charles nettoie, transforme et intègre régulièrement des ensembles de données désordonnés provenant de multiples sources. Il travaille avec des données tabulaires, des données spatiales (shapefiles, GeoJSON) et des réponses API. Il est expérimenté avec Pandas et Polars pour les opérations sur les DataFrames, et GeoPandas pour les jointures spatiales et l'analyse géographique.
Outils & Technologies : Python (Pandas, Polars, GeoPandas), intégration API, ACS du Census, OpenStreetMap Overpass
Démontré dans : Analyse de l'Abordabilité du Logement et des Déplacements, Analyse de la Consommation Électrique, Analyse des Annonces AirBnB, Archive de Données Google Analytics
Développement Web
Charles a construit son site portfolio de zéro en utilisant du HTML5, CSS3 et JavaScript ES modules – sans frameworks ni bundlers. Le site propose un design réactif, un balisage accessible (WCAG 2.1 AA), des galeries de projets filtrables avec filtrage piloté par URL, et un carrousel de témoignages. Il maintient la base de code avec des pratiques professionnelles incluant le linting, les tests automatisés et le déploiement CI/CD.
Outils & Technologies : HTML5, CSS3, JavaScript (ES Modules)
Démontré dans : Site Portfolio
DevOps & Outillage
Charles utilise des outils de développement modernes pour maintenir la qualité du code et automatiser les flux de travail. Il met en place des pipelines CI/CD avec GitHub Actions, écrit des tests avec pytest et Jest, gère les environnements Python avec uv, et applique des normes de code avec des linters (ESLint, Stylelint, Ruff) et des formateurs (Prettier). Il suit les conventions de commits conventionnels et les pratiques de versionnement sémantique.
Outils & Technologies : Git, GitHub Actions, CI/CD, uv, pytest, Jest, Playwright, ESLint, Stylelint, Ruff, Prettier
Démontré dans : Site Portfolio, Pipeline de Performance des Actifs Renouvelables, Analyse de l'Abordabilité du Logement et des Déplacements