Contexte & enjeu
Faire évoluer et industrialiser un modèle de cotation d’entreprises utilisé pour l’évaluation du risque de crédit.
Le modèle et ses données nécessitaient préparation, modélisation, exposition et restitution dans une chaîne exploitable.
Objectifs
- Contribuer à l’industrialisation et à l’évolution du modèle.
- Préparer et modéliser les données.
- Exposer le modèle au moyen d’un webservice.
- Visualiser et collecter automatiquement des données.
Sources & données
- Données d’entreprises
- Données utilisées pour la cotation
- Résultats du modèle
- Données collectées automatiquement
Intervention
Analyse et préparation des données avec Python, Pandas, NumPy et Scikit-learn, puis développement de solutions de restitution et d’exploitation du modèle.
- Analyse et préparation des données en Python.
- Préparation et manipulation des données avec Pandas et NumPy, avec utilisation de Scikit-learn pour les traitements liés au modèle.
- Développement d’un webservice d’exploitation du modèle.
- Visualisation et collecte automatisée de données.
Résultat
Un modèle intégré dans une chaîne permettant son exploitation, son exposition et la restitution de ses résultats.
Modèle exploitable
Intégration du modèle dans une chaîne utilisable par d’autres composants.
Exposition
Mise à disposition du modèle au travers d’un webservice.
Restitution
Développement de solutions permettant d’exploiter et de visualiser les résultats.
Technologies
- Python
- Pandas
- NumPy
- Scikit-learn
- Matplotlib
- ONNX
- Web Scraping
Besoin similaire ?
Vous avez un sujet Data ou BI à fiabiliser ?
Échangeons sur vos données, vos traitements et le résultat attendu pour définir une intervention adaptée à votre contexte.