Description

Diplômé de l'EPITA option IA et data science, j'ai 9 ans d'expérience professionnelle en développement logiciel dont environ 6 en machine learning.

Spécialisé dans le design de systèmes machine learning distribués: orchestration de l'apprentissage, validation, déploiement, monitoring, ré-apprentissage planifié, avec des contraintes de haute disponibilité (HA), rapidité, latence et mémoire GPU.

Je mets l'accent sur le déploiement de pipelines ML "saines" et robustes, en évitant les pièges comme les modèles qui perdent en précision au moment de leur mise en production.

Domaines: détection de fraudes / anomalies, NLP, Computer Vision, ranking.

--------

I specialize in designing and deploying machine learning pipelines in distributed environments with constraints such as high-availability (HA), low latency and GPU limitations. I have experience with most lifecycle stages of ML pipelines: training, calibration, automatic or human-in-the-loop validation, deployment, monitoring, scheduled re-training. I have professional experience building ML models for anomaly/fraud detection, NLP and ranking.

I take satisfaction in delivering systems that are robust. For instance, I focus on making sure models perform as well in production as they do on training data.

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

Accepte de travailler sur site

Vancouver (jusqu’à 10 km)

Le Bon Coin
Développeur backend Go
E-COMMERCE
janvier 2022 - Aujourd'hui (4 ans et 5 mois)
Paris, France
Équipe transverse authentification / autorisation.
Go Kubernetes PostgreSQL Microservices
Igloo Security
Ingénieur Machine Learning Senior
EDITION DE LOGICIELS
janvier 2017 - janvier 2021 (4 ans et 1 mois)
Séoul, Corée du Sud
- Conception et développement d’une plateforme ML distribuée (jusqu’à vingt machines et 12 GPUs) et de son API, déployée dans une dizaine de centres de données gouvernementaux sud-coréens. Technologies (sur ma partie): Python, Docker swarm, Zookeeper, Pytorch, catboost, Kafka, HDFS, PySpark.
- Configuration et déploiement d’environ 50 pipelines ML par client, en gérant les problèmes liés aux “concept drift”, calibration des scores, feedback utilisateur, interpretabilité etc.
- gestion d'une petite équipe

--------------

- Designed a distributed ML platform and its API from scratch with coworkers, now running in several data centers in Korea.
- Developed the backbone of the ML stack in Python atop Docker
swarm, Zookeeper, Kafka, HDFS, PyTorch.
- Expertise in anomaly detection: iForest, autoencoders etc.
- Set up the customers’ ML pipelines, dealing with concept drift, domain adaptation problems and other pitfalls.
Machine learning Big Data Docker Pandas Numpy Pytorch
Keukey
Ingénieur Machine Learning / NLP
EDITION DE LOGICIELS
mars 2015 - décembre 2016 (1 an et 9 mois)
Séoul, Corée du Sud
- Projet principal: API pour détecter et éliminer les éléments de disfluence verbale en aval de l’algorithme de reconnaissance automatique de la parole. Technologies: Conditional Random Field (CRF) avec Wapiti et wrapper Java.
- Mise en place des processus et des outils d'annotation pour collecter environ 10k phrases annotées par des locuteurs coréens natifs.

------------

- Implemented an NLP sequence labeller to remove disfluency in voice commands.
- ML algorithm to help users revise text via spoken commands.
- Devised annotation processes/tools and built a labeled dataset from the ground up (~10k sentences).
Java xgboost Python NLP