Raphaël Pfister

Tech Lead Data Scientist & Machine Learning Engineer

Raphael Pfister est Lead Data Scientist, apportant une expertise précieuse à Air France dans le domaine de l'analyse des données et de la science des données. Actuellement, en tant que Tech Lead Data Scientist chez Air France, il joue un rôle essentiel dans le projet On-time Performance, visant à prédire la robustesse des horaires de vol en simulant le comportement lors de l'injection de retards aléatoires. Il a dirigé la mise à jour d'un PoC de 2019 aux normes de codage, suivi de son industrialisation et du déploiement du modèle, tout en supervisant trois Junior Data Scientists sur les aspects techniques et en encadrant un projet de stage sur les techniques probabilistes pour l'apprentissage automatique appliqué au projet.

En parallèle, Raphael contribue également en tant que membre à temps partiel de l'équipe technique, où il participe à la conception et à la mise en œuvre d'une pile MLOps standard pour le département. Il développe et anime des modules de formation technique adaptés aux data scientists et fournit un soutien aux équipes produit du département sur les questions architecturales et d'implémentation.

Auparavant, Raphael a accumulé une expérience significative en tant que Senior Data Scientist chez MP DATA, où il a joué un rôle crucial dans divers projets, notamment dans la maintenance prédictive des avions et la planification des équipages. Ses compétences en matière d'exploration de données, d'ingénierie des fonctionnalités et de formation de modèles ont été mises à profit pour développer des solutions de bout en bout dans des environnements sur site et prêts pour le cloud.

Ses publications

No items found.

Ses formations

No items found.

Montez en compétences avec nos formations

Du Product Management au Generative AI, apprenez à maitriser les derniers outils techniques et méthodologiques

Vidéos

Comment justifier la valeur et l’impact de vos initiatives Data?

Les secrets d'une équipe Data Science réussie : automatisation, diversité et innovation

Comment dynamiser vos DataFrames Spark ?

Toutes nos vidéos