Je travaille depuis 5 ans comme data scientist dans des startups à forte croissance, et j'ai récemment rejoins la fondation scikit-learn pour développer le futur de l'open source en machine learning.

J'ai mené l'ensemble de mes projets avec une approche end-to-end, où j'étais en charge de la compréhension du besoin produit, de la création de pipelines de données et de modèles, jusqu'à leur déploiement et monitoring. Ma compréhension du MLOps et ma capacité à programmer m'ont permis de contribuer à l'ensemble de la stack data et de former des data scientists juniors.

Je crois en une approche "data-centric" plus que "model-centric", où chaque projet démarre avec la création d'une baseline déployée en production, répondant simplement au problème, avant d'itérer sur cette solution.

Je peux vous aider à:
- Traduire le besoin en problème mathématique
- Enrichir vos pipelines de données et vos automatisations (dbt, Airflow, Dagster)
- Augmentation de vos données (scraping)
- Extraire des insights actionnable et créer des dashboards (Streamlit, Dash)
- Entrainer et déployer des modèles d'apprentissage (PyTorch, scikit-learn)
- Monitorer les performances data et business (Datadog, Metabase, Looker)
- Industrialiser et optimiser une solution (Numpy, Scipy, Cython)