Description

Je suis étudiant ingénieur en dernière année à Télécom SudParis, suivant également un master en data science à l'École Polytechnique. Actuellement chercheur en IA chez Huawei.

J'accompagne mes clients sur des sujets de collecte, d’analyse de la donnée et d’intelligence artificielle.

Je propose divers services :

• Data Science : création de modèles prédictifs de type régression / classification / clustering / text mining / NLP

• Analyse fonctionnelle : compréhension et formalisation du besoin dans un langage clair et concis

• Données : extraction, mise en forme, exploitation des données

• Conseil pour améliorer la qualité des données et d’un système d’IA

Pour vous donner un aperçu de mes compétences, voici un panel de mes derniers projets :

- Implémentation de AlphaZero "from scratch" pour le jeu d'échec.

- Création de dataset et pipeline pour LLM avec hugging face.

- Analyse de microstructure du marché maritime pour un fond souverain dans le cadre de mon master à Polytechnique.

- Création d'un "bot" (Sélénium) pour réserver une place automatiquement dans une résidence universitaire.

Je ne travaille pour l'instant qu'à distance car je suis en Suède jusqu'en Septembre.

Domaines d’expertise

Langues

Français
Bilingue ou natif
Anglais
Bilingue ou natif

Préférences en matière de lieu de travail

En télétravail uniquement

Travaille majoritairement à distance

Huawei
AI Researcher Intern
avril 2025 - Aujourd'hui (1 an et 2 mois)
Stockholm, Sweden
Je travaille actuellement sur les réseaux bayésiens et l’apprentissage par renforcement multi-agent pour l’optimisation de la consommation d’énergie dans les réseaux 6G.

Currently working on Causal Models and Multi Agent Reinforcement Learning for power optimization in 6G networks
CNRS
AI Researcher Intern
juillet 2024 - août 2024 (1 mois)
Nancy, France
• J’ai lu plusieurs articles pour approfondir ma compréhension des machines à vecteurs de support (SVM).
• J’ai amélioré les performances du SVM de Weston et Watkins pour la prédiction des variations stéréochimiques des protéines de 1,5 %. La solution a été implémentée en C.

• Read several articles to deepen understanding of Support Vector Machines (SVM).
• Improved performance of Weston and Watkins SVM in predicting protein stereochemical variation by 1.5%. Solution implemented in C.
Nestlé Global
Data Scientist Intern
AGROALIMENTAIRE
juin 2023 - août 2023 (2 mois)
Vittel, France
• Développement d’un algorithme en Python pour agréger des listes de molécules au format Excel, ainsi que plusieurs algorithmes pour filtrer la liste obtenue.
• Utilisation de techniques de web scraping pour créer des jeux de données (Selenium, BeautifulSoup).
• Identification de la méthode analytique appropriée pour les substances per- et polyfluoroalkylées (PFAS) à l’aide d’algorithmes de machine learning (précision de 96 %) (Pandas, Numpy, Scikit-learn).

• Development of a Python algorithm for aggregating excel lists of molecules. As well as several algorithms for filtering the resulting list.
• Used web scraping to create datasets. (Selenium, BeautifulSoup)
• Found the right analytical method for per-and-polyfluoroalkyl substances by using machine-learning algo rithms. (96% accuracy) (Pandas, Numpy, Scikit-learn)