Hippolyte D.

→ Industrialisation des pipelines de données de divers transporteurs. Automatisations de processus afin de réduire la charge de travail manuel et d'augmenter la productivité (ingestion, reporting et monitoring). Conception et développement d'une API interne de normalisation géographique consommée par plusieurs équipes, -99% d'erreurs et enrichissement continu du référentiel.

→ Cadrage technique de la migration vers un Data Warehouse, conduit avec le Directeur Data : rédaction de la documentation, formation des utilisateurs aux nouveaux outils et montée en compétence Python de l'équipe.

Outils : Microsoft Azure (SQL Database) – Python (Polars, FastAPI) – Power BI – Confluence

→ Refonte d'architecture et migration d'une application de visualisation de données vers une stack moderne avec intégration d'un module de prédictions de machine learning : développement, documentation et mise en production.

→ Data POCs : développement et mise en production de modèles de machine learning (CNN, SVM, XGBoost).

Outils : Python (Pandas, FastAPI, scikit-learn, PyTorch, Dash Plotly) – PostgreSQL – Spark – Docker

> Continuité d'un travail de recherche sur les performances algorithmiques en vision par ordinateur

✅ Amélioration de tous les résultats précédents (+8% sur l'ensemble)

✅ Implémentation d’articles scientifiques (GradCAM, transfer learning, CNN)

-> POC de vulgarisation scientifique : transfert d'émotion d'une personne réelle vers une peinture de portrait, modifiée en conséquence (GAN)

Python (Tensorflow, PyTorch, ScikitLearn)