Description

Docteur en informatique, expert en Data Science & IA avec plus de 10 ans d’expérience dans la conception et le déploiement de solutions d’intelligence artificielle en environnements industriel et médical. Spécialiste du Machine Learning, du Deep Learning, du cloud et du MLOps, j’assure la réussite de projets complexes de bout en bout, cadrage, architecture, industrialisation, tout en encadrant des équipes techniques pluridisciplinaires.

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
Arabe
Bilingue ou natif

Préférences en matière de lieu de travail

Accepte de travailler sur site

Lyon (jusqu’à 50 km)

PrediSurge
PhD. Lead Data Scientist
SECTEUR MÉDICAL
janvier 2024 - Aujourd'hui (2 ans et 5 mois)
PhD – Lead Data Scientist
Je pilote la dimension scientifique et technique de projets IA et MLOps,

Leadership technique & stratégique : définition des orientations scientifiques, encadrement de la R&D et pilotage des projets IA.

Modèles prédictifs : conception et déploiement des modèles predictifs pour les procedure EVAR.

Imagerie médicale : développement et optimisation de réseaux neuronaux pour la segmentation automatique de structures vasculaires (pré et post-opératoire).

MLOps & cloud : mise en place d’une infrastructure AWS complète et d’une chaîne CI/CD pour gérer tout le cycle de vie des modèles (entraînement, validation, déploiement).

Collaboration interdisciplinaire : travail avec des équipes médicales, scientifiques et techniques pour transformer les besoins métier en solutions concrètes.

Industrialisation & bonnes pratiques : définition de standards (Model Cards, data & model versioning, GitFlow, tests) et accompagnement des équipes dans leur adoption.
intelligence artificielle Amazon Web Services Recherche et développement MLOps Data science
Hospices Civils de Lyon
PhD. Senior Data Scientist
SECTEUR MÉDICAL
septembre 2020 - janvier 2024 (3 ans et 4 mois)
PhD – Senior Data Scientist
Membre de la commission IA des Hospices Civils de Lyon, j’accompagne des projets stratégiques en santé publique et en recherche biomédicale, à l’intersection de l’intelligence artificielle, de la statistique et de la biologie. Mon objectif est de transformer des besoins cliniques complexes en solutions concrètes grâce à des modèles avancés d’IA.

Je conçois et déploie des modèles prédictifs et des outils d’analyse, tout en mettant en place des infrastructures MLOps (MLflow, Git/GitLab, Docker, AWS) et en industrialisant les pipelines de données. Habitué aux environnements interdisciplinaires, je collabore avec médecins, chercheurs et ingénieurs, tout en encadrant des équipes (3 à 5 personnes) et en diffusant les bonnes pratiques de développement et de rigueur scientifique.

Quelques réalisations marquantes :

Outil NLP basé sur BERT pour l’analyse des retours patients (Lauréat Innovation HCL), avec une stack MLOps complète.
Diagnostic assisté du cancer oral via computer vision (CNN, Fusion Learning) en collaboration avec McGill University.
Prédiction des maladies cardiaques dans le cadre du projet ANR PEPR Santé Numérique (modèles multi-échelles et jumeaux numériques hybrides).
Analyses big data issues du Digital Spatial Profiler (clustering et apprentissage supervisé sur données multimodales).
Contribution au projet européen QUALITOP, plateforme d’IA pour le suivi personnalisé de patients sous immunothérapie.

Compétences clés : Machine Learning, Deep Learning, NLP (BERT, classification multi-labels), Computer Vision (CNN, fusion learning), MLOps (MLflow, AWS, Git/GitLab, Docker), Python, R, statistiques avancées, analyse de données multimodales, agilité.
intelligence artificielle Data science Cloud computing MLOps Python
OpenClassrooms
Mentor en Data Science & Data Analyst
juin 2021 - décembre 2023 (2 ans et 6 mois)
Accompagnement d’étudiants en Data Science, Machine Learning et IA, à travers des projets concrets ancrés dans des problématiques réelles. J’assure un mentorat technique et méthodologique du niveau initiation jusqu’à l’industrialisation (MLOps et cloud), avec un objectif simple : rendre les apprenants autonomes, capables de livrer des solutions robustes, évaluées et déployées.

Mentorat académique

Clarification et approfondissement des fondamentaux et avancés : Big Data, ML, Deep Learning, IA, statistiques et probabilités, MLOps.

Mise en place de bonnes pratiques : cadrage des besoins, choix des métriques, traçabilité et versioning, validation croisée, reproductibilité, CI/CD et déploiement.

Projets supervisés

ML dans le cloud (AWS), modèles de scoring, études de marché et prévisions.
Prédictions dans le secteur de l’énergie, classification automatique, détection de “bad buzz” par deep learning.
Conception de bases de données relationnelles, data pipelines, APIs de service modèle (FastAPI, Flask).

Technologies & compétences

Langages : Python, R. Big Data & data : PySpark, SQL, NumPy, pandas.
ML/DL : scikit-learn, TensorFlow ; tâches de classification, régression, clustering ; optimisation et tuning (grid/random/Bayes).
Analyse & visualisation : ACP, t-SNE, matplotlib ; storytelling et communication des résultats.
MLOps & cloud : MLflow, Git/GitLab, Docker, AWS ; packaging, suivi d’expériences, monitoring.
Ingénierie logicielle : tests, revues de code, documentation.

Formats d’accompagnement

Cours, ateliers pratiques et sprints projet.
Relecture de notebooks et architecture, audits rapides de code, coaching “pair programming”.
Évaluations et feedbacks actionnables, plan de montée en compétences individualisé.

Résultat : des projets réalistes, des modèles mesurés (ROC, AUC, précision/rappel) et des déploiements maîtrisés, qui préparent à la mise en production en conditions réelles.
Python Cloud computing MLOps Amazon Web Services Machine learning