Description

As a passionate AI Engineer, I firmly believe that even the most sophisticated algorithm is only valuable if it solves a concrete problem. My expertise lies precisely at the intersection of advanced research and robust software engineering.

I specialize in bridging the gap between theory and practice, transforming complex mathematical concepts into efficient, optimized, and deployable software solutions.

My areas of expertise include:

Reinforcement Learning (RL): Creating autonomous agents for complex decision-making.

Optimization: Solving constraint problems and maximizing operational efficiency.

Production Deployment: Architecting resilient and scalable AI solutions.

Always looking for new technical challenges to optimize the real world through artificial intelligence. My inbox is open: it's always a pleasure to share and discuss these technical topics.

Tech Stack: Python, PyTorch/Jax, RLlib, Docker, Cloud Computing, Kubernetes.

Langues

Anglais
Bilingue ou natif
Français
Bilingue ou natif

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 50 km)

UTT & FFIE,
INGÉNIEUR R&D EN REINFORCEMENT LEARNING
ENERGIE
janvier 2025 - janvier 2026 (1 an)
10000 Troyes, France
• • Industrialisation de modèles de décision séquentielle en Python pour l'optimisation énergé tique, assurant le passage de la recherche à la production.
• • Développement d'environnements de simulation personnalisés (OpenAI Gym) pour l'entraînement de méthodes RL (PPO, SAC)
• • Résultat : Conception d'une API REST haute performance pour le déploiement du modèle, générant 18% d'économie d'énergie.
Python Reinforcement Learning API Gym On premise
Munic,
INGÉNIEUR DEVOPS
AUTOMOBILE
janvier 2024 - janvier 2025 (1 an)
Paris, France
• • Automatisation de l'infrastructure cloud en Go (Terraform/Helm) sur OVHcloud pour sup porter des charges de 50k+ utilisateurs.
• • Orchestration de microservices sur Kubernetes et optimisation des pipelines CI/CD (GitLab CI, ArgoCD).
• • Résultat : Réduction du temps de déploiement de 40% et mise en place d'un monitoring avancé (Prometheus/Grafana) pour la stabilité des services.
DevOps MLOps Plateformes et infrastructures cloud Infrastructure as code Kubernetes
Munic,
INGÉNIEUR LOGICIEL / DATA ENGINEER
AUTOMOBILE
janvier 2023 - janvier 2024 (1 an)
Paris, France
• • Développement de pipelines ETL robustes en Python et Go pour le traitement massif de séries temporelles télématiques.
• • Refactoring de l'entrepôt de données (TimescaleDB) et implémentation de tests rigoureux.
• • Résultat : Augmentation de la couverture de tests de 30% à 90% et réduction des coûts d'infrastructure de 8% via la compression de données.
Python GO Microservices Data Engineer SQL