Description

🎓 Jeune diplômé de Télécom SudParis, je suis un développeur junior spécialisé en Data Science et Python, passionné par la résolution de problèmes concrets à travers les données.

💡 Mon objectif : gagner en expérience en participant à des projets réels, tout en apportant sérieusement ma contribution technique.

🚀 Compétences :

Analyse de données, nettoyage, visualisation (Pandas, Matplotlib, Seaborn)

Machine Learning/ Deep learning (scikit-learn, tensorflow)

SQL, Python

Outils : Jupyter, Git, Streamlit, etc.

📁 J’ai déjà travaillé sur plusieurs projets académiques et personnels (voir GitHub) et je suis curieux, rigoureux et rapide à apprendre.

✅ Je suis disponible pour des missions courtes ou longues, et mon TJM est adaptable selon vos besoins.

Domaines d’expertise

Langues

Anglais
Bilingue ou natif
Français
Bilingue ou natif
Espagnol
Capacité professionnelle limitée

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 50 km)

ALTEN
AI engineering
CENTRES DE RECHERCHE
juillet 2025 - Aujourd'hui (11 mois)
Sèvres, France
R&D sur l'IA générative appliquée à la vision par ordinateur
Détection et tracking de piéton pour la sécurité routière des
véhicules autonomes
Implémentation d'approches génératives basées sur du fine
tuning VLM et un RAG multimodal
Optimisation de mémoire GPU (offloading, fine-tuning LoRA,
optimisation des prétraitements NumPy pour les transferts CPU
GPU
Implémentation d'approches non génératives, création d'un
pipeline CNN LSTM pour la détection et le tracking des piétons
Benchmark des modèles dans des contextes dynamiques (milieu
urbain, occlusions partielles des piétons)
Vision par ordinateur / Traitement d'images Machine learning LLM Retrieval-Augmented Generation (RAG) VLM
Kaggle
Data analyst
E-COMMERCE
janvier 2025 - mars 2025 (2 mois)
Paris, France
Analyse exploratoire des données clients d’un e-commerce afin
d’identifier des patterns de comportement et leviers business
Pipeline complet d’analyse de données e-commerce : ingestion,
nettoyage, EDA et visualisation
Conception de dashboards KPI pour l’analyse du comportement
client et l’aide à la décision
Segmentation client basée sur des métriques RFM et clustering
non supervisé
Étude temporelle des comportements d’achat (récence, fidélité,
saisonnalité)
Nettoyage et prétraitement des données Data science Analyse de données Stratégie Business Intelligence (BI) Pandas
Kaggle
Data scientist
BANQUE & ASSURANCES
mars 2025 - mai 2025 (2 mois)
Paris, France
Conception d’un pipeline de machine learning supervisé pour la
détection de transactions frauduleuses
Entraînement et comparaison de plusieurs modèles Random
Forest, XGBoost / LightGBM
Sélection de modèles basée sur Recall, Precision, F1-score et
AUC-PR plutôt que l’accuracy
Gestion du fort déséquilibre de classes via techniques de
rééchantillonnage (oversampling, SMOTE et pondération des
classes
Optimisation des hyperparamètres pour améliorer la détection
des fraudes tout en limitant les faux positifs
Machine learning Data science EDA Nettoyage et prétraitement des données