Marc Sarfati

expert machine learning

Peut se déplacer à Paris

  • 48.8566
  • 2.3517
Proposer un projet La mission ne démarrera que si vous acceptez le devis de Marc.
Proposer un projet La mission ne démarrera que si vous acceptez le devis de Marc.

Localisation et déplacement

Localisation
Paris, France
Peut travailler dans vos locaux à
  • Paris 4e Arrondissement et 50km autour

Préférences

Durée de mission
  • ≤ 1 semaine
  • ≤ 1 mois
  • entre 1 et 3 mois
  • entre 3 et 6 mois
  • ≥ 6 mois

Vérifications

Langues

Catégories

Compétences (15)

Marc en quelques mots

Diplômé de l'Ecole Polytechnique et de l'Ecole Normale Supérieure.
Expérience dans des laboratoires de recherche privés : Spotify AI Research Lab et publics : MILA (Université de Montréal).
Publication de 4 articles de recherche.

Expertise et rapidité d'exécution en Python avec les libraires de traitement de données classiques : pandas, numpy, Machine Learning : XGBoost, scikit-learn, tensorflow, keras...

Maitrise des algorithmes de machine learning classiques jusqu'aux plus pointus (Generative Adversarial Networks, Deep reinforcement learning, LSTMs, Word2Vec...).

Les domaines sur lesquels j'ai déjà mené des missions comprennent:
> Equilibrage de charge dans le domaine de l'énergie
> Staffing optimal par prédiction du nombre d'appels pour un call center
> Modèle prédictif de churn B2C pour un fournisseur d'électricité alternatif.
> Santé - prédiction de de risques post-opératoires pour des laboratoires de cardiologie dans 100+ hôpitaux aux Etats-Unis

Portfolio

Portfolio uniquement accessible aux membres

Expériences

YourAIPrediction

Agence & SSII

CEO - head du laboratoire AI

Paris, France

mars 2019 - Aujourd'hui

Spotify

Cinéma & audiovisuel

AI Research Scientist

Cité de Londres, Royaume-Uni

janvier 2018 - mars 2019

Research Scientist spécialisé en Machine Learning et Audio Signal Processing.
- Développement d'une méthode ensembliste pour l'identification de cover songs. Brevet déposé pour cette nouvelle méthode et publication scientifique à la conférence ISMIR (International Society for Music Information Retrieval)
https://arxiv.org/abs/1905.11700
- Développement de modèles de Deep Learning pour la génération automatique de musique, à la fois de la génération de signal audio brut (modèles type Wavenet, ClariNet) et de la génération symbolique type MIDI (modèles de type MusicVAE, i.e. Auto-Encodeurs Variationnels avec décodeurs en réseau récurrents hierarchiques)

MILA (Université de Montréal)

Centres de recherche

Deep Reinforcement Learning Research Intern

Montréal, Canada

avril 2017 - août 2017

Stage de recherche en deep reinforcement learning sur la détection automatique de features indépendamment contrôlables.
Publication scientifique : https://arxiv.org/pdf/1703.07718.pdf

2 recommandations externes

Formations