Data Scientist / Engineer expérimenté ayant développé des solutions big data pour de grands groupes dont AXA, Bloomberg, KPMG, Bank of America et Standard & Poor's. Issu de la meilleure école d'ingénieur d'Angleterre (Imperial College), j'ai développé une passion pour la data science appliquée à un contexte Business. J'aime travailler dans différents secteurs, identifier leurs besoins métiers et déployer des applications en production ayant une vraie valeur ajoutée. Mon champ d'expertise est le suivant:

Machine Learning et Deep Learning:

- Apprentissage supervisé (SVM, regression logistique, clustering, kNN, XGBoost, réseaux de neurones artificiels profonds, classification bayésienne, arbres de décisions)
- Segmentation de clients (retail/e-commerce), détection d'anomalies/fraudes, moteurs de recommendations, analyse de séries temporelles, prédiction de churn et détection de tendances.

Traitement automatique de textes (NLP):

- Classification de documents en plusieurs languages (BERT, TFIDF, Word2Vec, GLOVE).
- Fouille et recherche d'information (produits, entreprises, lieux, personnes) dans des documents textuels
- Recommendation automatique de documents
- Analyse de sentiment avancée et domain-specific
- Systèmes de questions-réponses précis et agents conversationnels (en plusieurs langues)
- Résumé automatique de textes
- Détection de coréferences et résolution d'anaphores

Traitement d'images:

- Reconaissance optique de caractère (récente mission de 3 mois pour aider une fintech à extraire des informations de tickets de caisse et de documents scannés)
- Reconaissance et vérification faciale

Outils:

- Languages: Python, R, Matlab, C#, Go
- Bases de données: SQL, MongoDB
- Packages: Scikit-learn, Tensorflow 2.0, Keras, Pytorch, Pandas, Spark-ML, Spacy, NL, OpenCV
- Infrastructure: Google Cloud Platform (GCP), AWS
- Déploiement: Docker, Kubernetes, Spark