Expert en traitement de données et Intelligence Artificielle.
Formation
2019
Diplôme d’Ingénieur option innovation
2018
Classes Préparatoires
aux Grandes Ecoles - PSI
aux Grandes Ecoles - PSI
Montpellier
2015
Langues
Compétences
Intérêts
Théâtre, Jeux de stratégie, Jeux de société,
Littérature fantasy.
Littérature fantasy.
Expériences
Full Stack Data Scientist
- Depuis Mai 2024 -
- Mise en place de bonnes pratiques dans la gestion et l'analyse des données ;
- Création et déploiement de méthodes de détection de fraude ;
- Analyse des données du covoiturage dans le but d'évaluer l'efficacité des politiques publiques.
Outils principaux : Python, Scikit-Learn, dbt, Elementary, PostGIS, Plotly.
2024
Full Stack Data Scientist
- Depuis Juillet 2022 -
Chez Trackdéchets, j'ai été moteur sur tous les sujets liés à la données :
- Accompagnement d'un intrapreneur dans le pilotage de projet par la donnée ;
- Création d'un entrepôt de données ;
- Mise en place de méthodes de détection de fraude ;
- Création d'une plateforme données permettant l'orchestration des pipelines de données, la transformation des données, la mise en place de tests et d'outils d'observabilité de la donnée ;
- Mise en place de nombreux tableaux de bords nécessaires au pilotage de l'activité ;
- Coopération statistiques avec différentes administrations : ADEME, DREAL, DGPR... ;
- Création d'une application de visualisation de données présentant des statistiques publiques ;
- Création d'une application de statistiques à destination des agents de contrôle de l'environnement ;
- Gestion des sujets open-data.
Outils principaux : Python, Scikit-Learn, Airflow, Meltano, dbt, ClickHouse,
Metabase, Django, Plotly.
2022
Full Stack Data Scientist
- 2.5 ans -
- Algorithmes de machine learning supervisés et non supervisés (détection de fraude, clustering, classification automatique...) sur des données de tous types : texte, audio, image...;
- Prévision de séries temporelles 📈;
- Natural language processing (BERT <3) 📝 sur des sujets de NER, NLI, Sentiment Analysis, Matching ;
- Déploiement d'applications de dataviz ;
- Déploiement et exposition de modèles ML en mode serverless ;
- 🔎 Analyses de données massives dans le Cloud ;
- Conception et orchestration de pipeline de données ;
- Déploiement d'application de visualisation de données' ;
- Déploiement de tableaux de bord 📊.
2022
Data Scientist
- 1.5 an -
- Répondre aux besoins data internes en terme d'analyse et de modèles prédictifs pour, entre autre, développer de nouvelles fonctionnalités produits, détecter la fraude et anticiper le churn ;
- Développement de modèles de traitement des emails sur la base de traitement du language naturel et traitement de l'image ;
- Analyses de données massives (volumétrie de l'ordre de 10^9 enregistrements), entraînement et déploiement de modèles de machine learning dans le Cloud Google. Création de dashboards temps réel.
Outils principaux : Python, Scikit Learn, Pytorch, Google
Cloud
Platform (Vertex AI, Functions, Kubernetes, BigQuery, Data Studio, Logging...), MongoDB,
Dataiku DSS,
Flask, FastAPI, Tableau.
2020
Ingénieur Machine Learning
- 1.5 an -
- Développement de fonctionnalités intelligentes s’appuyant sur les technologies Deep Learning.
- Participation aux projets machine learning de la R&D à la mise en production.
- Travail en mode «MLOps» avec le cloud Azure pour la mise en service d’algorithmes d’IA.
Outils principaux : Python, PyTorch, Scikit Learn,
TensorFlow, Keras, Pandas, Plotly, Azure.
2019
Ingénieur IHM &
Mission Controller
- 6 mois -
Réalisation d’une application web de contrôle de mission en temps réel de ballons
stratosphériques.
Outils principaux : PHP, JavaScript, HTML5 & CSS3,
Java
pour Android, Python.
2018