Giuseppe Guarino

Dans le prolongement de ma précédente mission, j'ai évolué vers un poste basé sur les opérations. J'ai été responsable de la création d'un nouveau pipeline MLOps, construit spécifiquement autour de l'écosystème AWS Sagemaker, pour la livraison constante de modèles ML et le déploiement transparent en production. Le pipeline exploite des fonctions et des événements sans serveur pour déployer des modèles vers des points de terminaison de production pour des modèles servant des milliers de clients par jour.

Développement de modèles d'apprentissage automatique pour la recommandation de produits destinés à des milliers de clients par jour, lorsqu'ils achètent des billets et des forfaits sur le site Web de Disneyland Paris.

Dans le cadre d'un grand projet public, j'ai été appelé à tester et à évaluer différents systèmes de prévision énergétique à l'échelle nationale. Les différents défis à relever étaient les suivants:

1. Évaluer les différentes infrastructures de manière à ce qu'elles puissent fournir les calculs les plus efficaces, dans un délai défini.

2. Définir une vérité de base pour l'évaluation des modèles, afin d'extrapoler les prévisions à des zones dépourvues de données.

3. Comparer les nouveaux systèmes aux systèmes d'estimation actuels et définir une amélioration de la marge.