Description

Ingénieur en informatique spécialisé en Machine Learning. Je peux intégrer une équipe, ou bien prendre en charge un projet IA de A à Z, à savoir :

Récupération des données :

- Récolte ou Création de la donnée à partir de vos sources (crawlers, scraping, API internes/externes, bases de données, tableurs, ...)

Traitement des données :

- lecture des fichiers selon le format : json, csv, text, excel

- nettoyage et traitement de données avec Pandas et Numpy

- stockage dans une base de données selon le besoin, j'utilise la BDD la plus appropriée au projet (mongoDB, PostgreSQL, Neo4J)

Visualisation des données :

- Visualisation avec Python : matplotlib, seaborn, plotly

- Ou en dashboard dynamiques : Dash/Bokeh

Analyse, prédiction et classification de données :

- Analyse préalable des données avec sklearn

- Si nécessaire, entraînement d'un modèle de Deep Learning avec Tensorflow, Pytorch ou Keras en fonction de l'application

Création du service/livrable final :

- création d'API avec Flask, FastAPI

- création d'application avec Flask, déploiement sur AWS ou self-hosted

Langues

Français
Bilingue ou natif
Anglais
Bilingue ou natif

Préférences en matière de lieu de travail

En télétravail uniquement

Travaille majoritairement à distance

NVIDIA
Machine Learning Intern
janvier 2020 - juillet 2020 (6 mois)
Austin, TX, USA

- Contributor to the RAPIDS cuML machine learning open source repository. RAPIDS is an open-source platform incubated at NVIDIA that enables end-to end data science workflows on GPUs. cuML's API is based on popular projects such as Scikit-Learn and Dask.
- Wrote a blog post for NVIDIA about my work on accelerating NLP preprocessing on GPU: https://medium.com/rapids-ai/natural-language processing-text-preprocessing-and-vectorizing-at-rocking-speed-with-rapids cuml-74b8d751812e
Criteo
Deep Learning Engineer Intern
février 2019 - août 2019 (6 mois)
Paris, France
Implemented self-attention mechanism to recommender systems with a variation of The Transformer model from the paper Attention is all you Need. Conducted offline evaluation of the model with significant metrics uplift (+12%) on prospecting scenarios. Written in Python and Tensorflow. Large dataset of about 300 millions samples.
SOLUTECH SAS
Software Engineering Intern
août 2017 - février 2018 (6 mois)
St Barthélemy

- Designed and implemented algorithms for optic fiber deployment with Python and GIS databases with the goal to win an invitation to tender for the market of optic fiber deployment in St Barthélemy. Automatic generation of the graph describing the infrastructure of cables throughout the island. Optimization of the graph given interchangeable objective criterions through exhaustive search and pruning.
- Development of an android app for geolocalized data collection with dynamic forms generated from config files served by a backend server. This app was used by architects to facilitate collection of critical data such as water pipelines and electrical lines status after the hurricane Irma struck the islands of St Barthélemy and St Martin.