Lino Galiana

Lino Galiana

Data Scientist

INSEE

Biography

I am data scientist at the French national statistical institute, Insee. I study how emerging data or new computational methods help to renew the production of statistical knowledge.

I mostly work with Python and . I sometimes use C++ to improve performance or Spark for big data analysis. I am a huge Git fan. I also like a lot the possibilities offered by state-of-the-art data-science tools to reduce the cost of exploring new datasets or new questions.

Most of my work is available on my Github page or the Github page of the Insee’s Lab. I maintain the utilitR project which is a collective effort involving many people from French administration to propose a high-quality documentation regarding software. See Projects 👇 and Publications 👇 and Talks 👇 sections for more details.

I currently teach Python for Data Scientists (Github repository ) at ENSAE Paris Tech, one of the top French engineering school. I also teach a course “Reproductibility and good practices in data science projets” (Github repository ) that brings student to the question of MLops. I used to teach urban economics at Sciences Po Paris and macroeconomics for candidates to the Insee exam. See Teaching 👇 section for more details.

Interests
  • Big data
  • Statistics
  • Machine Learning
  • NLP
  • Econometrics
Education
  • Msc Statistics and Data Science, 2017

    ENSAE

  • Msc Econometrics, 2013-2018

    ENS Lyon & Paris School of Economics

  • Msc Applied Mathematics, 2015-2017

    Université Pierre et Marie Curie (Jussieu), Paris VI

Experience

 
 
 
 
 
INSEE
Data Scientist
Sep 2018 – Present Paris
Academic research in the Department of Economic Studies.
See Projects 👇 and Publications 👇 and Talks 👇 sections for more details.
 
 
 
 
 
ENSAE Paris Tech
Professor
Sep 2020 – Present Paris
Python for data scientists
Website: https://pythonds.linogaliana.fr/
Github page

Reproductibility and good practices in data-science projects
Website: https://ensae-reproductibilite.netlify.app/
Github page

See Teaching 👇 section for more details.
 
 
 
 
 
Sciences Po Paris
Professor
Jan 2016 – May 2020 Paris

Past courses:

  • Urban Economics: Master 1 in geography (2016-2020) ; - Microeconomics: undergraduate, 2016-2017 ; - Mathematics for economists: undergraduate, 2016-2017.

    See Teaching 👇 section for more details.

Teaching

List of some courses I gave recently

Travail collaboratif avec `R` et `Git`

Travail collaboratif avec R et Git

Cours pour dĂ©couvrir la manière d’utiliser R dans un projet collaboratif avec Git crĂ©Ă© Ă  l’Insee avec Mathias AndrĂ©, Romain Lesur, Annie Moineau et Olivier Meslin.

Le contenu du cours est disponible sur le site web https://collaboratif-git-formation-insee.netlify.app/. Le code source est disponible sur le compte Github InseeFrLab

2019: Macroeconomics

Undergraduate macroeconomics course for exam preparation at INSEE

2016-2019: Urban Economics

Urban Economics course at Sciences Po. Program available here

2016-2017: Mathematics for Economics

Undergraduate mathematics course at Sciences Po

2016-2017: Microeconomics

Undergraduate microeconomics course at Sciences Po

Recent Publications

Quickly discover relevant content by filtering publications.
La mixité sociale est plus forte en journée sur les lieux d’activité que pendant la nuit dans les quartiers de résidence

Les données de mobilité issues de la téléphonie mobile permettent d’analyser la mixité sociale au-delà des seuls lieux de résidence. En effet, les personnes à hauts revenus et à bas revenus se déplacent et ainsi se côtoient pendant la journée.

La mixité sociale est plus importante en journée lorsque les personnes sont en dehors de leur lieu de résidence dans les agglomérations de Paris, Lyon et Marseille. La ségrégation est minimale entre 10 heures et 18 heures quand la plupart des gens ont rejoint leur lieu de travail, alors qu’elle est maximale la nuit.

Bien que la mixité sociale augmente avec les déplacements en journée, les personnes à bas revenus restent majoritaires dans le nord-est de l’agglomération parisienne et les personnes à hauts revenus dans l’ouest. La différence entre le jour et la nuit est plus marquée à l’ouest qu’à l’est.

Dans les villes, l’organisation des infrastructures de transport entre le centre et la périphérie facilite ou, au contraire, freine les déplacements. Les personnes à bas revenus habitent plus souvent dans les espaces où il est plus difficile de se déplacer (centre à Marseille, périphérie à Lyon et Paris).

La mixité sociale est plus forte en journée sur les lieux d’activité que pendant la nuit dans les quartiers de résidence

Skills

R
Python
Spark
GIT
Linux
CI/CD
Statistics

Contact