Yue Li

• Conception et déploiement de pipelines de données et d'API cloud‑native basés sur Python/Django pour automatiser l'entraînement et le dé‑ ploiement en production de modèles de machine learning sur GCP (BigQuery, architectures serverless).

• Mise en place et maintenance d'un système d'inférence en temps réel (< 5 ms de latence) propulsé par TensorFlow et TensorFlow Serving, amélio‑ rant la scalabilité, la fiabilité et l'efficacité du déploiement des modèles.

• Collaboration avec les équipes produit, data et infrastructure afin de définir les feuilles de route techniques et d'aligner les choix d'architecture sur les objectifs métier.

• Amélioration de la résilience du code et des pipelines CI/CD grâce à la conteneurisation des services avec Docker et à l'automatisation du provi‑ sioning d'infrastructure avec Terraform, permettant des itérations plus rapides et réduisant les erreurs de déploiement.

• Création de tableaux de bord Grafana et de systèmes de supervision Prometheus/on‑call pour assurer la santé et la fiabilité de l'infrastructure de machine learning.

• Rédaction de documentation et animation de sessions de formation pour favoriser l'onboarding, l'adoption et la pérennité des solutions.

• Supervision de bout en bout du développement d'une plateforme financière cloud reposant sur des microservices RESTful (Python, Flask, SQLAlchemy, FastAPI), avec gestion des schémas via Marshmallow, versionnement de base de données avec Alembic et traitement asynchrone avec Celery.

• Mise en place de tests automatisés robustes avec PyTest et Freezegun, automatisation des workflows, et utilisation de Jinja2 pour la génération dynamique d'e‑mails et de rapports.

• Interface principale entre les parties prenantes exécutives et les équipes techniques, garantissant la traduction des besoins métiers en livrables techniques.

• Direction de projets collaboratifs en intelligence artificielle avec des startups et partenaires industriels, en veillant à l'adéquation entre solutions techniques et besoins métiers.

• Conception d'un système de détection d'intrusion basé sur le machine learning intégrant des contraintes de cybersécurité et d'analyse de données avancée.

• Conception et animation de formations techniques pour plus de 50 étudiants en ingénierie, reliant théorie académique et applications concrètes.

• Coordination entre parties prenantes et livraison de prototypes pour accélérer l'adoption de l'IA dans les cas d'usage industriels.