Bienvenue sur le profil Malt de Ferdinand !
Localisation et déplacement
- Localisation
- Paris, France
- Télétravail
- Effectue ses missions majoritairement à distance
Préférences
- Durée de mission
-
- ≤ 1 semaine
- ≤ 1 mois
- entre 1 et 3 mois
- Taille d'entreprise
-
- 1 personne
- 2 - 10 personnes
- 11 - 49 personnes
- 50 - 249 personnes
- 250 - 999 personnes
+1 autres
Vérifications
Charte du freelance Malt signée
Consulter la charte
Influence
Chargement...
Langues
Catégories
Compétences (22)
- BigData
-
Débutant Intermédiaire Confirmé
- Frameworks
-
Débutant Intermédiaire Confirmé
- Methodologies
-
Débutant Intermédiaire Confirmé
- Cloud
-
Débutant Intermédiaire Confirmé
-
Débutant Intermédiaire Confirmé
- Containerization
-
Débutant Intermédiaire Confirmé
- Data Science
-
Débutant Intermédiaire Confirmé
-
Débutant Intermédiaire Confirmé
Ferdinand en quelques mots
Bonjour,
Ingénieur de formation, je me suis spécialisé dans la donnée et son traitement.
De son acquisition à sa restitution en passant par la valorisation de cette dernière je me suis très vite rendu compte que la valeur apportée dépendait de la capacité à servir à grande échelle. Je me définis aujourd’hui comme ML Engineer.
Depuis, je m'applique à faire un réel focus sur la mise en production des traitements de la donnée (du simple traitement ETL au modèle complexe de machine learning avec ré-entraînement et monitoring).
Je m'applique aujourd'hui à maintenir cette volonté chez les clients que j'accompagne en privilégiant une approche pragmatique, fondée sur la valeur apportée et la scalabilité technique.
J'ai eu l'occasion d'appliquer cela chez différents acteurs, notamment Sybel pour qui j'ai dû concevoir et développer un modèle de recommandation de bout en bout. J'ai également travaillé pour EDF afin de rédiger un état de l'art du MLOps tant sur la scène internationale qu'en France auprès de nos clients actuels.
Enfin j'ai pu mettre à profit ces nouvelles connaissances pour développer une chaîne de traitement MLops au sein du Pass Culture.
Je me ferai un plaisir d'échanger avec vous sur vos problématiques et je saurai me rendre disponible pour tout rendez-vous.
Ferdinand H.
Ingénieur de formation, je me suis spécialisé dans la donnée et son traitement.
De son acquisition à sa restitution en passant par la valorisation de cette dernière je me suis très vite rendu compte que la valeur apportée dépendait de la capacité à servir à grande échelle. Je me définis aujourd’hui comme ML Engineer.
Depuis, je m'applique à faire un réel focus sur la mise en production des traitements de la donnée (du simple traitement ETL au modèle complexe de machine learning avec ré-entraînement et monitoring).
Je m'applique aujourd'hui à maintenir cette volonté chez les clients que j'accompagne en privilégiant une approche pragmatique, fondée sur la valeur apportée et la scalabilité technique.
J'ai eu l'occasion d'appliquer cela chez différents acteurs, notamment Sybel pour qui j'ai dû concevoir et développer un modèle de recommandation de bout en bout. J'ai également travaillé pour EDF afin de rédiger un état de l'art du MLOps tant sur la scène internationale qu'en France auprès de nos clients actuels.
Enfin j'ai pu mettre à profit ces nouvelles connaissances pour développer une chaîne de traitement MLops au sein du Pass Culture.
Je me ferai un plaisir d'échanger avec vous sur vos problématiques et je saurai me rendre disponible pour tout rendez-vous.
Ferdinand H.
Expériences
pass Culture
Culture
ML Engineer
J’ai travaillé pour cette start-up d’état d’Août 2020 à Juin 2021 pour constituer l’équipe data. Nous avions comme rôle de mettre en place un algorithme de recommandation. Dans un premier temps un gros travail de data engineering a été nécessaire pour agréger tous les flux. Puis nous avons mis en place un pipeline Mlops à l’aide d’Airflow et de MLflow.
Sybel
Divertissements & loisirs
Accompagnement data & algorithme de recommendation
Accompagnement d’une start-up dans le domaine des séries audio sur toute la chaîne de traitement de leurs données
- Mise en place de l’infrastructure cloud sous Google Cloud Platform
- Développement de l’architecture pour traiter les données de logs remontant des applications
- Développement d’algorithmes de recommandation pour les utilisateurs (content-based & Matrix Factorization)
- Mise en place de l’infrastructure cloud sous Google Cloud Platform
- Développement de l’architecture pour traiter les données de logs remontant des applications
- Développement d’algorithmes de recommandation pour les utilisateurs (content-based & Matrix Factorization)
DELOITTE CONSEIL - Deloitte Organisation
Conseil & audit
Réalisation d'une plateforme de classification de mail
Réalisation d'un classificateur de mail à partir d'un corpus de 800 mails labellisés. Création d'une plateforme web qui permet d'offrir des résultats en live plus visuellement.
Balinéa
E-commerce
Développeur mobile
Création et développement de l'application mobile android de Balinéa, lancement officiel le 18/09/2017.
Création complète:
-Modèles des données
-Appel aux différents webservices par l'API interne à Balinéa
-Création de l'interface suivants des maquettes préalablement réalisées
-Stockage de données à l'aide d'une base interne
Création complète:
-Modèles des données
-Appel aux différents webservices par l'API interne à Balinéa
-Création de l'interface suivants des maquettes préalablement réalisées
-Stockage de données à l'aide d'une base interne
2 missions Malt
Consultez les avis de fin de mission de Ferdinand
1 recommandation externe
Consultez les recommandations qu'a reçues Ferdinand