Spaces:
Sleeping
Sleeping
| title: Business Risk Scoring | |
| emoji: 🚀 | |
| colorFrom: blue | |
| colorTo: indigo | |
| sdk: docker | |
| app_port: 7860 | |
| pinned: true | |
| tags: | |
| - streamlit | |
| - machine-learning | |
| - docker | |
| - survival-analysis | |
| - sirene | |
| - fintech | |
| # 📊 Scoring du Risque de Défaillance (Expertise ML) | |
| Ce projet démontre ma capacité à concevoir et déployer une solution de **Machine Learning de bout en bout**, en appliquant des méthodes de modélisation avancées (Survival Analysis) à des problématiques de risque métier. | |
| ## 🎯 Objectif du Projet | |
| L'enjeu est de modéliser la probabilité de survenance d'un événement (défaillance d'entreprise) sur un horizon temporel donné. Contrairement à une classification binaire classique, ce projet utilise une approche de **Survival Analysis** (Time-to-Event) pour capturer la dynamique temporelle du risque. | |
| ## 📂 Source des données & Périmètre | |
| Le modèle exploite les données officielles de la base **SIRENE V3 (Insee)**. | |
| - **Périmètre ciblé :** Analyse focalisée sur les **SAS** et **SARL**. | |
| - **Contrainte :** Étude limitée aux entités publiant leurs bilans annuels. | |
| - **Ingénierie :** Filtrage et structuration de données administratives brutes pour isoler les variables financières et démographiques pertinentes. | |
| ## 🛠 Stack Technique & Ingénierie | |
| - **Langage :** Python | |
| - **Modélisation :** Survival Analysis avec **XGBoost** (Cox Model). | |
| - **Optimisation :** Recherche d'hyperparamètres via **Optuna**. | |
| - **Conteneurisation :** Architecture et déploiement via **Docker**. | |
| - **Interface :** Dashboard de visualisation avec **Streamlit**. | |
| - **Performance :** Modèle validé avec un score **C-index de 0.749**. | |
| ## 🚀 Contenu de la Démo | |
| Cette interface est une **vitrine technique** permettant de visualiser : | |
| - **La performance du modèle :** Analyse approfondie des métriques et validation du C-index. | |
| - **L'interprétabilité :** Analyse de l'impact des variables (secteurs d'activité, tranches d'effectifs, ancienneté) sur le calcul du score de risque. | |
| - **L'architecture Ops :** Démonstration d'un service packagé sous Docker, garantissant la portabilité et la mise en production du modèle. | |
| --- | |
| **Auteur :** Joël Termondjian – Data Engineer & Expert Risk & Finance | |
| [LinkedIn](https://www.linkedin.com/in/joeltermondjian) | [GitHub](https://github.com/Djohell13) | |