Jérémie Guilherme

Passionné par le Machine Learning et le sport, j’accompagne les entreprises, startups et clubs de sport dans l’exploitation de données et la création de solutions basées sur l’IA. Mon expertise se concentre principalement sur le traitement du langage naturel (LLMs, chatbots, assistants IA) et la Computer Vision mais ma passion pour le sport m’a également conduit à développer des compétences avancées en analyse de données sportives.

Machine Learning:

- Entraînement de modèles supervisés et non supervisés

- Optimisation de pipelines ML pour des cas d’usage réels (NLP, vision, sport)

- Évaluation, mise en production et suivi des performances de modèles

Développement IA :

- Conception de chatbots personnalisés

- Développement de solutions IA sur mesure (assistants IA, planificateurs...),

- Entrainement et déploiement de modèles Computer Vision (Détection, Classification, Tracking).

Data Science appliquée au football :

- Création de fiches de scouting détaillées

- Développement de modèles xG (expected goals)

- Mise en place de KPI avancés pour analyses tactiques.

Data Engineering & Cloud :

- Gestion de bases de données (MongoDB, MySQL, PostgreSQL, Redis, SQLite)

- Déploiement sur AWS

- Développement de backends et APIs scalables (FastAPI)

Langages : Python, JavaScript

Data Manipulation & Analyse : Pandas, NumPy

Visualisation de données : Matplotlib, Seaborn

Modélisation Machine Learning : Scikit-Learn

Bases de données : PostgreSQL, MySQL, SQLite, MongoDB, Redis

Fine-tuning et entraînement : PyTorch, TensorFlow, Keras

NLP: Hugging Face Transformers, LangChain, CrewAI, OpenAI, LLaMA, Mistral, Anthropic

Détection et segmentation d’images : YOLOv10, DINOv2, U-Net

Traitement d’images : OpenCV

Suivi et tracking d’objets : DeepSORT, SORT, ByteTrack

Sources de données football : StatsBomb, Opta, Wyscout

Cloud Platforms : AWS (S3, Lambda, SageMaker, EC2)

Frontend : React.js, Next.js

Backend : FastAPI, Django