Description

🎓Charlie c'est ...

Un Ingénieur Machine Learning spécialisé en Computer Vision — détection d'objets et vision 3D — et en MLOps, pour des modèles qui tiennent réellement en production
Un diplômé de l'EPITA, école d'ingénieurs reconnue en IA et Computer Vision (MSc Data Science, ML & Computer Vision)
Et qui accompagne les entreprises dans la conception, l'industrialisation et le monitoring de modèles de vision

✨ Construction de votre pipeline de vision, de l'idée à la production

Besoin de détecter et localiser des objets dans vos images/vidéos, de reconstruire une scène en 3D, ou de faire tenir un modèle de vision en production sans exploser vos coûts d'inférence ?

Ingénieur ML spécialisé en Computer Vision, je conçois, entraîne et déploie des pipelines de détection d'objets et de vision 3D mesurables et prêts pour la production : API/serving, métriques claires, documentation d'exploitation, transfert à votre équipe.

Cas d'usage : détection/comptage d'objets (sécurité, industrie, retail), reconstruction et calibration 3D, industrialisation d'un modèle bloqué en notebook (serverless, ONNX/TensorRT, monitoring).

🔄 Une méthode fondée sur l'amélioration continue

Un modèle n'est jamais "fini" au déploiement : je mesure avant d'optimiser, je monitore la dérive (drift) en production, je réimplémente les briques critiques plutôt que d'empiler des librairies pour pouvoir corriger ce qui compte, et je documente chaque décision pour que votre équipe reste autonome

✅ Travaillez avec moi, c'est s'appuyer sur :

Un accompagnement complet (collecte, entraînement, déploiement, monitoring)
Une expertise éprouvée en détection d'objets et vision 3D
Une infrastructure de production solide
Un suivi expliqué : je vous aide à comprendre chaque étape pour un contrôle total sur les forces et les faiblesses de votre projet

✉️ Envoyez-moi votre projet et je vous propose un mini plan d’attaque pour atteindre vos objectifs !

Domaines d’expertise

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

En télétravail uniquement

Travaille majoritairement à distance

Yield Studio
Machine Learning Engineer
EDITION DE LOGICIELS
octobre 2025 - novembre 2025 (1 mois)
Paris, France
Développement d'un système de détection d'avions sur panneaux publicitaires par IA
Exploration méthodique de 4 approches de computer vision classique (HSV, template matching ORB, détection de contours) pour établir une baseline à 65-70% d'accuracy.
Construction d'un pipeline complet d'entraînement PyTorch avec data augmentation (rotation, scale, brightness) et transfer learning sur MobileNetV2.
Fine-tuning en 2 phases : freezing des couches pré-entraînées puis entraînement complet avec learning rate adaptatif.
Optimisation et déploiement du modèle (PyTorch → ONNX) pour exécution WebAssembly dans le navigateur, taille finale 8.47 MB, latence 50-100ms.
Développement d'une application web complète (JavaScript, HTML) avec interface de test batch et métriques en temps réel (confusion matrix, precision, recall, F1-score).
Amélioration des performances de +20% par rapport à la baseline classique : accuracy 72.4%, precision 100%, recall 63.6%.
Documentation technique exhaustive et recommandations pour scale-up vers production (objectif 90%+ accuracy).
Computer Vision Python Pytorch Machine learning OpenCV
WearIT
Co-Founder & Ingénieur Machine Learning
MODE & COSMÉTIQUES
janvier 2024 - Aujourd'hui (2 ans et 7 mois)
- Réalisation d’un POC frontend et backend de la solution (React, NestJS, MongoDB, AWS EC2).
- R&D sur Virtual Try On 3D sur le modele OCCNet (PyTorch).
- Construction d’un dataset de 3 M d’images (paires mannequins-vêtements) via web scraping (JS, MongoDB, AWS S3).
- Automatisation de la labellisation (classification type, texture, couleur, morphologie) par modèles PyTorch.
- Entraînement multi-GPU multi-noeud (32×A100) pour la création de deux models de diffusion IA propriétaires (PyTorch) : SSIM 0.8170, PSNR 15.57, FID 4.88.
- Mise en production des modèles avec ONNX/TensorRT sur AWS EC2.
- Développement d’une application
Pytorch Python IA générative Deep Learning Machine learning
Lumyosa
Data Scientist & Software Engineer
septembre 2022 - février 2023 (5 mois)
- Conception d’un modèle de classification du genre vocal (MFCC + boosting tree, Scikit-Learn), F1 score : 98 %.
- Étude d’état de l’art sur l’analyse sentimentale vocale et textuelle.
- Développement d’un CNN de classification d’émotions (TensorFlow), F1 score : 60 % (data drift)
- Création d’une plateforme d’analyse de feedback client (Angular, PHP) intégrant les modèles IA pour l’analyse de sentiments.
TensorFlow Deep Learning Data science Machine learning Python