Description

Data Scientist & Data Engineer diplômé, avec 6 ans d’expérience, j’accompagne les entreprises dans la conception et le déploiement de solutions Data et IA, de la compréhension des besoins jusqu’à la mise en production.

Domaines d’intervention :

Conseil en IA & Data : analyse des besoins, choix d’architectures et évaluation de faisabilité
Industrialisation & MLOps : Airflow, CI/CD (GitHub Actions, Jenkins), Docker, cloud
Machine Learning/Deep : classification, détection d’anomalies, NLP
Data engineering : pipelines ETL/ELT, bases de données SQL/NoSQL, scalabilité (Spark, Elasticsearch, MongoDB)

Expérience & projets :

SNCF Réseau (2020–2024) : Data Scientist sur un projet de jumeau numérique du réseau ferroviaire (traitement de données LiDAR, modélisation, industrialisation et mise en production de pipelines data/ML)
Projet personnel 1 : sélectionné par la Station F Landing Zone (2026)
Projet personnel 2 : auteur d’un article de recherche sur l’architecture des grands modèles de langage (LLM), soumis au Journal of Machine Learning (Springer, 2025, actuellement en cours d’évaluation par les pairs)

Articles :

Polyakov P. et al, Bayesian monitoring of emerging infectious diseases. PLoS ONE. 11(4): e0152629, 2016. — Institut Pasteur
Polyakov P. et al., Automated force volume image processing for biological samples, PLoS One., 6(4):e18887, 2011. — CNRS

Docteur en physique, spécialisé en physique chimique.

Domaines d’expertise

Langues

Français
Bilingue ou natif
Anglais
Bilingue ou natif

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 10 km)

Self
L’architecture des grands modèles de langage.
CENTRES DE RECHERCHE
octobre 2025 - Aujourd'hui (10 mois)
Paris, France
Actuellement en cours d’évaluation par les pairs. Article de recherche (auteur unique moi) sur l’architecture des grands modèles de langage. Soumis à Journal of Machine Learning (Springer) le 11.12.2025.
Fine-tuning Glue Hugging Face Transformers LLM
Self
LLM Agent–Driven ncRNA Design via Intrinsic Features and Structure-Guided Feedback
SECTEUR MÉDICAL
mars 2025 - septembre 2025 (6 mois)
Paris, France
Accepté par la Landing Zone de Station F le 11/06/2026. Développement de deux pipelines basés sur des agents LLM pour la génération de séquences d’ARN non codants, guidés par des requêtes humaines. Chaque pipeline intègre des caractéristiques structurales de l’ARN (BioPython), un modèle génératif de structures 3D, ainsi qu’un accès en temps réel à la littérature scientifique via PubMed, afin de favoriser une prise de décision éclairée. Ce prototype est conçu pour générer des séquences d’ARN, aussi bien de novo qu’à partir d’une séquence modèle, offrant ainsi une flexibilité adaptée aux approches exploratoires.
LLM RAG Agent IA diffusion
Self
Test: Reconstruction 3D des dents à partir de cinq photographies intra-orales.
SECTEUR MÉDICAL
janvier 2025 - février 2025 (1 mois)
Paris, France
Implémentation du framework TeethDreamer (en local et sur AWS pour l’exploration d’applications en pratique médicale. Adaptation du modèle et réexécution des expériences afin d’évaluer l’impact des ajustements sur les performances.
Cloud AWS Nerf Ubuntu