À propos de Alexis
Data Scientist & Ingénieur Machine Learning
Compétences:
- Modèles d'IA: Deep Learning, CNN, GAN, LSTM, XGBoost, SVM
- Tâches: Classification, régression, segmentation, génération, détection d'anomalies, embedding, désagrégation de signal, clustering
- Entrainements: Supervisé, non supervisé, semi supervisé, auto supervisé
- Données: Images, vidéos, 3D (rendus, mesh ou nuage de points), séries temporelles, tableaux, texte
- Langages de programmation: Python, JavaScript, Scala, Java, C++, SQL, NoSQL
- Librairies de data science: PyTorch, Lightning, Tensorflow, Keras, Scikit-Learn, XGBoost, Weights and Biases, Pandas, Spark, Kubeflow
- Bases de données: SQL, MySQL, PostgresSQL, MongoDB
- Intégration et déploiement: Docker, Kubernetes, CI/CD, Git, Azure DevOps, GCP, architecture micro services, RabbitMQ, FastAPI, OpenAPI
Exemples de réalisations
- Moteur de recherche de pièces 3D pour Renault: Développement de modèles d'embeddings et de matching pour des pièces 3D par similarité géométrique. Intégration dans une architecture micro service.
- Désagrégation de signal pour Total Energie: Création de modèles prédictif pour estimer la consommation électrique d'appareils individuels à partir de la consommation globale d'un foyer. Mise en place d'une démo à partir de prises connectées
Anglais
Capacité professionnelle complète
Français
Bilingue ou natif
Expériences
- BrightClueMachine Learning EngineerAUTOMOBILEoctobre 2021 - Aujourd'hui (4 ans et 8 mois)Rennes, FranceDéveloppement d'un moteur de recherche pour données techniques basé sur l'analyse géométrique de pièces 3D modélisées en CAO. Développement de solutions basée sur l'analyse de données sous forme de mesh, de nuage de points, d'images ou de caractéristiques pour les différentes fonctionnalités du produit.
- eSoftThingsMachine Learning EngineerENERGIEnovembre 2019 - octobre 2021 (1 an et 11 mois)Rennes, FranceTotalEnergie:Segmentation d'utilisateurs:Mise en place d'un système de segmentation pour permettre aux client de TotalEnergie de comparer leur consommation avec des foyer similaires.NILM:Développement d'une solution permettant de désagréger le signal de la consommation électrique d'un foyer afin d'identifier et des quantifier l'énergie consommée par les appareils électroménagers.CooperlDétection et prévision d'anomalies:Développement d'un modèle de détection d'anomalie permettant de détecter et prévoir certains évènements dans les élevages de cochons (caudophagie, stress, maladies, etc...)
- CEA ListIngénieur Recherche - Intelligence ArtificielleCENTRES DE RECHERCHEavril 2019 - septembre 2019 (6 mois)Saclay, FranceStage de fin d'étude dans l'institut LIST du CEA à Saclay au sein du LI3A (Laboratoire d'Intelligence Artificielle et Apprentissage Automatique). Je travaille sur l'interprétabilité des modèles de machine learning et en particulier XGBoost. Je propose une méthode d'interprétabilité basée sur les exemples adversariaux issus des attaques adversariales.
Recommandations
Soyez le premier à recommander Alexis
Contribuez à la réussite de ce freelance en partageant votre expérience de collaboration avec lui.
Ces profils de freelance correspondent également à vos critères
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Formations
- IngénieurÉcole Centrale de Marseille2019Mathématiques (Statistiques, Probabilités, Analyse, Modélisation, ...) Data Science Machine Learning Gestion de Projet Entrepreneuriat
- Master Recherche - Intelligence Artificielle et Apprentissage AutomatiqueUniversité Aix-Marseille2019Machine Learning Deep Learning Apprentissage supervisé, non supervisé, semi supervisé, par renforcement Data Science
Certifications
- Big Data Analysis with Scala and SparkÉcole Polytechnique Fédérale de Lausanne2024
- TOEIC - 960/990ETS EMEA2019