À propos de Marc
Diplômé de l'Ecole Polytechnique et de l'Ecole Normale Supérieure.
Expérience dans des laboratoires de recherche privés : Spotify AI Research Lab et publics : MILA (Université de Montréal).
Publication de 4 articles de recherche.
Expertise et rapidité d'exécution en Python avec les libraires de traitement de données classiques : pandas, numpy, Machine Learning : XGBoost, scikit-learn, tensorflow, keras...
Maitrise des algorithmes de machine learning classiques jusqu'aux plus pointus (Generative Adversarial Networks, Deep reinforcement learning, LSTMs, Word2Vec...).
Les domaines sur lesquels j'ai déjà mené des missions comprennent:
> Equilibrage de charge dans le domaine de l'énergie
> Staffing optimal par prédiction du nombre d'appels pour un call center
> Modèle prédictif de churn B2C pour un fournisseur d'électricité alternatif.
> Santé - prédiction de de risques post-opératoires pour des laboratoires de cardiologie dans 100+ hôpitaux aux Etats-Unis
Anglais
Bilingue ou natif
Français
Bilingue ou natif
Accepte de travailler sur site
Paris 4e Arrondissement (jusqu’à 10 km)
Expériences
- CHANEL SAS - Corporate IT - Digital, CRM, CCC
Sur Malt
Développement d'un module Speech-to-text sur vocabulaire spécifiquenovembre 2020 - février 2021 (3 mois)Paris, FranceDéveloppement d'un module de reconnaissance vocale automatique sur du vocabulaire spécifique.- Création d'un filtre d'extraction pour dataset ciblé- Entrainement d'un modèle Speech-to-Text- Entrainement d'un modèle de Named-entity-recognition pour extraction d'entités nommées - Village AICEO - head du laboratoire AIAGENCE & SSIImars 2019 - Aujourd'hui (7 ans et 3 mois)Paris, France
- SpotifyAI Research ScientistCINÉMA & AUDIOVISUELjanvier 2018 - mars 2019 (1 an et 2 mois)Cité de Londres, Royaume-UniResearch Scientist spécialisé en Machine Learning et Audio Signal Processing.- Développement d'une méthode ensembliste pour l'identification de cover songs. Brevet déposé pour cette nouvelle méthode et publication scientifique à la conférence ISMIR (International Society for Music Information Retrieval)https://arxiv.org/abs/1905.11700- Développement de modèles de Deep Learning pour la génération automatique de musique, à la fois de la génération de signal audio brut (modèles type Wavenet, ClariNet) et de la génération symbolique type MIDI (modèles de type MusicVAE, i.e. Auto-Encodeurs Variationnels avec décodeurs en réseau récurrents hierarchiques)
Avis
Julien
CHANEL SAS - Corporate IT - Digital, CRM, CCC
Avis laissé le 02.02.2021
Recommandations
AU
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
- Ingénieur PolytechnicienEcole Polytechnique2016Cycle polytechnicien, filière Data Science et mathématiques appliquées. Algorithmique, Théorie des Graphes, Recherche Opérationnelle, Randomization, Analyse de données topologique, Apprentissage Statistique
- Master MVA (Mathématiques, Vision, Apprentissage)Ecole Normale Supérieure2017Deep Learning, Reinforcement Learning, NLP, Audio Signal Processing, Méthode des noyaux, Object Recognition, Computer Vision, Graphs in Machine Learning