Description

Ingénieur en machine learning depuis plus de 8 ans, je vous accompagne sur vos projets machine learning et deep learning.

- développement et déploiement de modèles de machine learning et deep learning adaptés à vos besoin

- vous aider à développer votre stratégie machine learning et data (gestion des données, entrainement et déploiement de modèles de machine learning/deep learning, maintenance, déploiement sur le cloud, etc.)

- deployer, maintenir et mettre à jour vos modèles en production côté back end, sur le cloud ou en interne (MLOps)

- vous aider à définir les bonnes pratiques en matière de gestion des données et développement logiciel autour du machine learning

Je suis ingénieur CentraleSupélec spécialisé en machine learning. Après avoir réalisé et encadré de nombreux projets data et recherche chez Dreem, j'ai participé au développement de fonctionnalités clés MLops chez Dataiku où l'IA est au coeur du produit.

J'apprécie autant le côté recherche que développement de mon métier. Je souhaite vous accompagner de manière rigoureuse et efficace dans vos projets.

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris 1er Arrondissement (jusqu’à 15 km)

Dataiku
Senior software engineer, MLOps
EDITION DE LOGICIELS
juin 2021 - Aujourd'hui (4 ans et 11 mois)
Paris, France
Actively worked on integration of the Dataiku platform (DSS) with MLflow open-source platform for external model import and experiment tracking
Lead the development of ML model export for scoring in python (dataiku-scoring)
Worked on integration with third parties cloud providers (AWS Sagemaker, Microsoft AzureML and Google vertex AI)
Python Angular MLflow Amazon Web Services (AWS) GCP MLOps
Dreem
Lead machine learning engineer (head of algorithms)
SECTEUR MÉDICAL
octobre 2014 - avril 2021 (6 ans et 6 mois)
Paris
Machine learning applied to sleep data (EEG, ECG time-series) for sleep stage detection, sleep apnea detection, sleep-related disorders
Lead several scientific publications on deep learning applied to sleep data
Lead validation of the performance of a sleep-recording product based on clinical trials and state-of-the-art deep learning algorithms
Deployed and maintained machine learning models back end side to perform scoring on data acquired with the product (MLops)
Deployed and maintain algorithm pipeline embedded in the product
Recruited and lead a team of five permanent data scientists and machine learning engineer
Deep Learning Machine learning Python Data science Pytorch Research Rédaction scientifique MLOps C/C++ Django