Thomas Nguyen-Lapointe
Scientifique des données principal | Tarification, attrition et prévisions en production
Profil
Scientifique des données depuis 2018, en assurance de dommages et en énergie. Conçoit des modèles d’attrition, de tarification et de prévision, puis les met en production avec un suivi. A bâti le cadre de tests A/B utilisé pour toutes les modifications de tarifs de son employeur et travaille de près avec les actuaires.
Expérience
Scientifique des données principalavril 2022 - aujourd’hui
Assurances Fleuve-Royal
- Modèle d’attrition au renouvellement (LightGBM, AUC de 0,80) qui cible les offres de fidélisation ; taux de non-renouvellement des assurés ciblés réduit de 2,2 points, soit environ 2,8 M$ de primes conservées par année.
- Cadre de tests A/B utilisé par l’équipe de tarification pour toutes les modifications de tarifs, 12 expériences depuis 2023.
- Ajout de variables de télématique au modèle de tarification automobile avec les actuaires ; prédiction du ratio sinistres-primes améliorée de 8 % sur les données de validation.
- 6 modèles passés des carnets à des pipelines planifiés et surveillés sur Databricks.
Scientifique des donnéesaoût 2018 - mars 2022
Hydro-Analytique Mauricie
- Prévision de la demande électrique horaire pour 3 distributeurs, avec une erreur absolue moyenne de 3,4 % la veille.
- Modèle de détection d’anomalies sur les compteurs intelligents : 900 compteurs probablement défectueux signalés la première année.
- Présentation des résultats des modèles dans 2 dossiers tarifaires devant l’organisme de réglementation.
Compétences
- Python
- SQL
- Apprentissage automatique
- LightGBM et XGBoost
- Tests A/B et inférence causale
- Prévision de séries temporelles
- Databricks
- MLOps
- Statistiques
- Communication des résultats
Formation
Maîtrise en statistique, Université de Montréal, 2018 ; Baccalauréat en mathématiques, Université de Sherbrooke, 2016