Description

Je suis data scientist, spécialisé dans la création de modèles d'apprentissage automatique et de modèles cinétiques, avec un parcours de recherche qui me permet de résoudre efficacement des problèmes complexes.

- Maîtrise des bibliothèques Python standard pour l'IA, y compris Scikit-Learn et TensorFlow

- Expérience dans le test et le déploiement de modèles de machine learning en environnement de production

- Engagement envers un processus de développement itératif, avec des prototypes régulièrement publiés pour recueillir les retours des partenaires

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

Accepte de travailler sur site

Brassac-les-Mines (jusqu’à 50 km), Clermont-Ferrand (jusqu’à 10 km)

Université Clermont Auvergne
Enseignant extérieur module deep learning
EDUCATION & E-LEARNING
janvier 2021 - avril 2024 (3 ans et 3 mois)
J'enseigne le deep learning dans le master Industrie 4.0. L'objectif est de former des étudiants afin qu'ils soient capables de maitriser les outils modernes utilisés en production industrielle.

Enseignement
Braincube
Chercheur / Data scientist
décembre 2019 - avril 2024 (4 ans et 5 mois)
Issoire, France
Utilisation de deeplearning (CNN) pour prédire les phases de sommeil à partir d'une couette "connectée" équipée d'accéléromètres.
Implémentation d'une procédure d'évaluation standardisée des algorithmes de l'entreprise.
Gestion de la traçabilité des conditions d'évaluation des algorithmes
Déclenchement en intégration continue de l'outil au sein de notre gestionnaire de version
archivage des caractéristiques de chaque version d'algorithme
Développement d'un outil prédictif pour données tabulaires. L'outil est utilisé pour anticiper des résultats d'analyse en laboratoire instantanément.
Prétraitement autonome des données
Recherche du meilleur algorithme régresseur via des outils d'autoML/algorithmes génétiques
Mise à disposition des prédicteurs trouvés
Encapsulation de l'outil derrière une API swagger
Mise en place d'outils d'imputation de valeurs manquantes inspirés du filtrage collaboratif

Développement de régresseurs symbolique utilisant des algorithmes génétiques

Réalisation d'outils de recommandation de réglage d'usine en utilisant l'optimisation Bayésienne.
Développement Back-End REST APIs Python Scikit-learn Intégration continue AutoML Machine learning Convolutional Neural Networks Neural Networks TensorFlow Python Flask
McGill University
Chargé d'enseignement extèrieur Foundations of Quantitative Life Sciences
EDUCATION & E-LEARNING
septembre 2017 - mars 2019 (1 an et 7 mois)
Montréal, Canada
J'ai participé aux enseignements travaux dirigés de cette unité d'enseignement destinée aux étudiants en master, pour les initier aux approches computationnelles, mathématiques et statistiques les plus récentes, appliquées à la résolution de problématiques en recherche en biologie quantitative.