À propos de Charles
Docteur (Ph.D.) et ingénieur chercheur spécialisé en Intelligence Artificielle et Recherche Opérationnelle, j'aide les entreprises à résoudre leurs défis algorithmiques les plus complexes.
Mon expertise se situe à l'intersection de la Data Science avancée et de l'optimisation sous contraintes. J'interviens principalement sur la conception de systèmes d'aide à la décision, la modélisation des préférences et la création d'algorithmes hautement scalables.
Pourquoi travailler avec moi ?
- Expertise de pointe : Maîtrise avancée de la Programmation Par Contraintes (PPC) et de l'optimisation multi-objectifs pour modéliser des critères complexes et interconnectés.
- Double culture (R&D / Industrie) : Capable de traduire une problématique scientifique complexe en un prototype industriel robuste, testé et prêt pour la production.
- Profil Full-Stack Data : Je ne me contente pas de modéliser, je développe et je déploie mes solutions (Python, Java, Docker, PostgreSQL).
Mes domaines d'intervention
- Conception de Systèmes de Recommandation contextuels et intelligents.
- Optimisation combinatoire et Recherche Opérationnelle (Logistique, Supply Chain, Allocations de ressources).
- Analyse et modélisation prédictive de séries temporelles (projets IoT / Énergie).
- R&D appliquée et architecture d'algorithmes sur-mesure.
Contextes de collaboration et R&D : Continental, ETX Studio, APHEEN.
Discutons de votre projet pour transformer vos contraintes techniques en opportunités business !
Français
Bilingue ou natif
Anglais
Capacité professionnelle complète
Accepte de travailler sur site
Metz (jusqu’à 50 km)
Expériences
- LIRMM (Laboratoire d’Informatique, de Robotique et de Microélectronique de Montpellier)Ingénieur R&D Expert IA - Systèmes de Recommandation & Modèles de PréférencesRESEARCHfévrier 2024 - novembre 2025 (1 an et 9 mois)Montpellier, France
- Conception et développement de méthodes d'apprentissage de contraintes pour modéliser finement les préférences des utilisateurs.
- Création d'un système de recommandation contextuel avancé intégrant de multiples variables dynamiques (météo, type de trajet, environnement, contraintes de temps).
- Collaboration industrielle directe avec Continental (systèmes embarqués) et ETX Studio (médias audio) dans un cadre de R&D appliquée.
- Développement et déploiement d'un prototype complet (Java, Python, PostgreSQL, Docker) démontrant la viabilité et la faisabilité industrielle de la solution.
- Compétences clés : IA appliquée, Systèmes de recommandation contextuels, Modélisation des préférences, Architecture Backend, Docker.
- IMT AtlantiqueIngénieur Chercheur en IA - Optimisation Multi-Objectifs & Programmation Par Contraintes (Ph.D.)RESEARCHoctobre 2020 - septembre 2023 (2 ans et 11 mois)Nantes, France
- Recherche et développement d'algorithmes d'aide à la décision basés sur la modélisation des préférences et l'optimisation multi-objectifs.
- Conception d'un modèle d'optimisation sous contraintes (PPC) hautement scalable pour identifier automatiquement les meilleures configurations possibles (front de Pareto / solutions non dominées).
- Création d'outils de Data Mining avancés pour extraire des règles logiques et des connaissances métiers à partir de volumes de données complexes (surpassant les approches standards du marché).
- Modélisation mathématique de critères interconnectés (via des approches floues/intégrale de Choquet) pour affiner la précision des systèmes d'aide à la décision complexes.
- Architecture et développement complet d'une librairie Java intitulée Choco mining pour la fouille de données (basée sur Choco-solver), intégrant des contraintes génériques, modulaires et prêtes pour l'industrialisation
- Technos & Outils : Java, Python, Choco-solver, Programmation Par Contraintes (PPC), Data Mining, Machine Learning, Recherche Opérationnelle.
- Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA)Ingénieur Data Science - Prédiction Temporelle & IoT (Stage de Master 2)ENERGY AND UTILITIESavril 2020 - août 2020 (4 mois)Nancy, France
- Développement d'un modèle prédictif d'intelligence artificielle en collaboration avec l'APHEEN pour anticiper l'évolution des températures intérieures de bâtiments.
- Analyse, nettoyage et prétraitement de séries temporelles complexes issues de capteurs connectés (IoT) : température, humidité et données météorologiques exogènes.
- Benchmark d'algorithmes et conception d'une architecture de Deep Learning basée sur des réseaux de neurones récurrents (RNN / LSTM) pour la prédiction multi-capteurs.
- Validation de la faisabilité industrielle du modèle en vue d'applications concrètes d'optimisation énergétique (pilotage intelligent et réduction des coûts de chauffage).
- Technos & Environnement : R, Matlab, Python (Data Processing), Séries Temporelles, Deep Learning (RNN), IoT / Capteurs, Efficacité Énergétique.
Recommandations
Soyez le premier à recommander Charles
Contribuez à la réussite de ce freelance en partageant votre expérience de collaboration avec lui.
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
- Doctorat en Intelligence ArtificielleIMT Atlantique2023
- Master MIAGE (Méthodes Informatiques Appliquées à la Gestion des Entreprises)Université de Lorraine2020Mention bien