David Sarkissian

Senior ML Engineer, j'ai la chance d'intervenir sur des sujets stimulants notamment sur des sujets ML et Gen AI.

J'ai notamment travaillé sur :

- L'optimisation d'un modèle de forecasting rencontrant d'énormes difficultés lors de la phase de training (3 semaines de training) en ramenant cette durée d'entrainement à quelques heures. Le code n'utilisait pas la puissance de calcul de la machine à son plein potentiel.

- Mise en place d'une solution Tech for Tech en utilisant la gen ai pour faciliter le travail des Data Engineer et des Product Owner notamment sur des solutions d'analyses approfondie des Lineage de Données stocké sur BigQuery.

- Mise en oeuvre d'un POC sur un sujet de Gen BI de type "Talk to my data"

Evidemment tous ces sujets sont menés sur la GCP ( Vertex AI, BigQuery, Cloud Run etc..)

Intervention chez Senoee sur une mission très coutre (10 jours ouvrés) afin d'industrialisé le modèle clé de l'entreprise (FastText de Meta).

En utilisant les services GCP (Vertex AI Pipelines, Bigquery, Artifact Registry et Cloud Run) j'ai pu industrialisé le modèle en question avec une pipeline de training qui permet de faire le preprocessing de la donnée, le training du modèle, l'upload sur Model Registry et l'exposition sur une endpoint Cloud Run de manière automatisé.

Cette industrialisation a permis également d'acculturé l'entreprise à la manière la plus fiable et sécurisé de déployer un modèle en production.

POC sur la détection de churn client avec création d’un modèle de deep learning multi modal (“image” et donnée tabulaire). Vectorisation des différents parcours client avec des modèles tel que Doc2Vec.

Conception et mise en production d’un modèle de DeepLearning de détection d’anomalies basé sur une architecture AutoEncoder

Assistant Personnalisé pour un métiers basé sur du RAG.Notamment avec base graph Neo4j