You're seeing this page as if you were . The main menu is still yours, though. Exit from immersion
Rania A.RA

Rania A.

Machine Learning Engineer et Data scientist, PhD

550 €/jour
Paris, FR
3-7 ans

Délai de réponse moyen : 4h

À propos de Rania

Senior ML Engineer avec un PhD en Intelligence Artificielle et 5+ ans d'expérience en production ML end-to-end. J'industrialise des modèles Python de A à Z : du prototype au déploiement supervisé, avec MLOps complet (monitoring, drift detection, versioning, registry).
Habituée aux environnements industriels exigeants, je collabore naturellement avec architectes, data engineers et Product Managers en mode Agile/Scrum. Mes pipelines sont modulaires, reproductibles, auditables, et mes modèles restent performants dans le temps (zéro régression en production).

Ce que j'apporte :

- Industrialisation de modèles ML et pipelines ELT/ETL en Python propre (Clean Code, tests unitaires, CI/CD).

- MLOps end-to-end : MLflow, drift monitoring, retraining automatisé, Grafana.

- Déploiement cloud (Azure, AWS) via Docker et GitHub Actions.

- Inférence temps réel < 500ms sur flux capteurs IoT.

- Intégration de LLM et IA générative pour enrichir les workflows métier et automatiser l'analyse.

- 4 publications peer-reviewed IEEE & IFAC ·

- Bilingue FR/EN

Disponible ASAP · 5j/semaine · Remote ou présentiel France
  • Français

    Bilingue ou natif

  • Anglais

    Capacité professionnelle complète

Accepte de travailler sur site
Paris (jusqu’à 50 km), France (jusqu’à 10 km), Paris (jusqu’à 50 km), Toulouse (jusqu’à 50 km), Marseille (jusqu’à 50 km)

Expériences

  • LIS Lab et Predict
    Machine Learning Engineer : Industrial REST API for Time-Series Processing and Validation
    ENERGIE
    janvier 2025 - Aujourd'hui (1 an et 5 mois)
    Marseille, France
    Conception et industrialisation d'un pipeline de données complet pour la détection automatique et la qualification de séquences d'essais sur données multi-capteurs (séries temporelles).
    Ce que j'ai livré :

    Pipeline ELT modulaire et reproductible en Python : architecture prête pour la production
    Système expert de détection et classification de séquences (stable / instable) sur flux temps réel
    REST API industrielle (Python · Flask) avec échanges JSON client/serveur
    Déploiement Docker avec protocole de tests formel et résultats auditables
    Exploration d'approches LLM pour automatiser l'interprétation des résultats et l'interaction avec les outputs analytiques

    Stack : Python · Pandas · Flask · Docker · REST APIs · Time-Series · CI/CD · LLM Integration
    Docker Python Pandas LLM Scikit-learn
  • Telaqua (IoT & Smart Irrigation Startup)
    Machine Learning Engineer, PhD (Energy & IoT)
    ENERGIE
    janvier 2022 - janvier 2025 (3 ans)
    Marseille, France
    Industrialisation complète de modèles ML en production sur des cas d'usage IoT critiques : prédiction de durée de vie batterie et contrôle prédictif d'irrigation en temps réel.

    Résultats mesurables :

    • 92% F1 Score en production sur la détection de fin de vie de batteries Li-ion
    • +30% de précision vs baseline grâce à des modèles hybrides clustering + régression (estimation RUL)
    • < 500ms de latence sur le pipeline d'inférence temps réel (flux capteurs → scoring → alertes)

    Ce que j'ai livré :

    - Cycle MLOps end-to-end : acquisition → feature engineering → entraînement → versioning (MLflow) → déploiement → monitoring continu (drift, data quality, retraining automatisé)
    - APIs ML Dockerisées déployées chez les clients avec CI/CD et pipelines scalables
    - Système de contrôle prédictif intégré à une plateforme IoT d'irrigation
    - Collaboration étroite avec équipes software et data engineering (Agile/Scrum)
    - 4 publications peer-reviewed IEEE & IFAC sur la modélisation santé batterie et le contrôle prédictif

    Stack : Python · PyTorch · TensorFlow · Scikit-learn · XGBoost · MLflow · InfluxDB · Grafana · Docker · AWS · CI/CD · SHAP · REST APIs
    Docker Gitlab CI/CD Data science Analyse de données SQL
  • Groupe Renault
    Validation & Test Engineer
    AUTOMOBILE
    janvier 2020 - août 2021 (1 an et 7 mois)
    Guyancourt, France
    ▸ Automatisation de suites de tests en Python (MIL), analyse time-series haute fréquence pour détection
    d'anomalies.
    ▸ Travail en environnement industriel structuré (AUTOSAR) avec équipes QA cross-fonctionnelles en
    Scrum/Jira.

    Stack : Python · Jira · Agile/Scrum · AUTOSAR · Systèmes Embarqués
    Machine learning Python Analyse de données Data analysis Data science

Recommandations

Soyez le premier à recommander Rania

Contribuez à la réussite de ce freelance en partageant votre expérience de collaboration avec lui.

Ces profils de freelance correspondent également à vos critères

AgathaA

Agatha Frydrych

Backend Java Software Engineer

4.7

(3)

2

BaptisteB

Baptiste Duhen

Fullstack developer

4.6

(4)

5

AmedA

Amed Hamou

Senior Lead Developer

4

(2)

7

AudreyA

Audrey Champion

Web developer

4.3

(3)

4

Formations

  • Ph.D en data science
    Aix-Marseille Université - Laboratoire d'Informatique et Systèmes
    2025
    Doctorat en IA
  • Master's degree
    IFP SCHOOL
    2019
    Master's degree

Compétences

Catégories