Nenad Aksentijevic

Accompagnement des clients dans la définition et la mise en œuvre de cas d'usage IA générative (analyse de retours clients, documents textuels)

Animation d'échanges techniques pour améliorer l'expérience utilisateur et orienter les choix IA Conception de solutions basées sur : OCR & Document AI pour l'extraction d'informations LLM via APIs pour le question-answering et la génération RAG multi-agents avec LangChain, LangGraph Déploiement et industrialisation (Google Cloud Platform, AWS...) Développement full-stack et intégration produit (Python, FastAPI, Streamlit) Réalisation de POC et démonstrateurs IA à destination des clients Mise en place de workflows low-code avec n8n pour orchestrer des cas d'usage IA (OCR, LLM, RAG)

Travail dans un environnement agile sur l'application utilisant des techniques d'intelligence artificielle (TAL) et d'apprentissage automatique pour optimiser les processus grâce aux textes de retour d'expérience (par exemple, des enquêtes ou des questionnaires). Tâche principale: collaborer avec les clients pour améliorer l'expérience utilisateur, optimiser et ajouter de nouvelles fonctionnalités: Backend: Java, Spring boot, Swagger Frontend: JavaScript, TypeScript, React DB: HanaDB, SQL Tâche secondaire: création d'un multi-agent workflow avec LangChain: RAG agent: création d'un agent qui utilise RAG pour retrouver les données demandées par l'utilisateur se trouvant dans une VectorDB SQL agent: création d'un agent qui utilise les requêtes SQL pour retrouver les données demandés par l'utilisateur se trouvant dans les données tabulaires Streamlit: création d'une interface utilisateur (comme ChatGPT) pour faciliter l'utilisation d'outil aux clients

Déploiement des secrets les de source dans le cluster en utilisant Docker, Kubernetes et Kyma Runtime Sécurisation d'accès avec Nginx authentification et OAuth2 GitHub CI/CD pipeline Traitement automatique des langues Automatisation de déploiement dans un cluster en utilisant LangChain Création des prompts pour LLM (gpt-4)

Retrieval Augmented Generation (RAG avec LangChain)

Création d'un agent intelligent qui génère les configurations Kubernetes dans les fichiers YAML et qui déploie automatiquement les fichiers dans le cluster