Consultant en science des données et géospatiale
J'aide les organisations à appliquer la statistique et le machine learning aux données climatiques, sanitaires et géospatiales, en les transformant en modèles et outils qui soutiennent des décisions fondées sur des preuves dans le monde réel.
Me contacter
Modèles spatiaux et indices de risque à partir de données satellitaires, climatiques, d'aléas et de vulnérabilité
Combinaison de données épidémiologiques et environnementales pour suivre les épidémies et éclairer les politiques publiques.
Inférence bayésienne et pipelines reproductibles (R, Python, Shiny/Dash) qui transforment l'analyse en tableaux de bord réellement utilisés.
J'ai travaillé avec
Je combine science du climat, santé publique, statistique et machine learning pour construire des outils qui tiennent la route dans le monde réel, autour de quatre domaines de pratique connectés :
Modélisation du risque climatique et environnemental
Modélisation des aléas et agrégation multirisque pour appuyer la planification de la résilience climatique.
Intégration de données sanitaires et environnementales
Combinaison de données épidémiologiques, environnementales et géospatiales pour appuyer les décisions de santé publique.
Analyse géospatiale et ML spatial
Analyse SIG, télédétection, et statistique et machine learning spatial.
Outils pour la prise de décision en politiques publiques
Statistique et inférence bayésiennes pour quantifier l'incertitude et appuyer des décisions robustes, livrées sous forme d'analyses reproductibles et de tableaux de bord interactifs (Shiny, Dash).
2026 · Projet
Conception d'une méthodologie mondiale pour quantifier l'exposition des écoles aux aléas climatiques, à l'aide de données géospatiales et d'une agrégation des risques basée sur le machine learning.
2025 · Projet
Carte interactive des résultats électoraux argentins depuis 2011, avec exploration dynamique jusqu'au niveau du bureau de vote ; démonstration publique pour la province d'Entre Ríos.
2023 · Publication
Journal of Medical Entomology
2023 · Publication
medRxiv
2022 · Projet
Développement d'un tableau de bord Shiny suivant les cas confirmés, probables et mortels de COVID-19 en Argentine pour le secteur éducatif, avec des indicateurs dérivés tels que le taux de positivité, le taux de létalité et l'incidence.
2022 · Projet
Regroupement spatial des points de chaleur détectés par satellite dans le delta du Paraná afin de construire des indicateurs d'alerte précoce du risque d'incendie, développé pour l'Institut Malbrán.
2022 · Publication
medRxiv
2021 · Projet
Développement de tableaux de bord interactifs Shiny et Dash pour suivre et communiquer les données épidémiologiques du COVID-19 dans le cadre du projet sedcovid au CONICET/UBA.
2021 · Projet
Package de R open source permettant d'extraire et de structurer les données de la fonctionnalité « Popular Times » de Google sous forme de dataframes prêts à l'emploi.
Matías Poullain, MSc
Je suis biologiste de formation, devenu data scientist, basé à Buenos Aires, en Argentine. Après une licence en biologie orientée écologie et statistique et un master en Data Mining & Knowledge Discovery, j'ai passé ces dernières années à construire des modèles statistiques et de machine learning, ainsi que des solutions d'analyse géospatiale pour des organisations de santé publique, de politique climatique, de développement international et du secteur agricole. J'enseigne également l'inférence bayésienne dans un programme de master à l'Universidad de Buenos Aires (UBA). Je travaille couramment en espagnol, en français et en anglais.
Vous travaillez sur un problème de données climatiques, de santé ou géospatiales ? Contactez-moi, ou retrouvez-moi sur LinkedIn.