LME
Ingénieur Machine Learning
8 ans
PRINCIPALES EXPÉRIENCES
Ingénieur Machine Learning Senior - Doctolib - Paris, France
3 ans
Ingénieur Machine Learning - Capgemini - Paris, France
2 ans
Data Scientist - Criteo - Paris, France
2 ans
DOMAINES DE COMPÉTENCES
- Conception de modèles d'apprentissage automatique
- Optimisation et mise à l'échelle d'algorithmes
- Déploiement de modèles en production
- Traitement du langage naturel (NLP)
- Data Engineering et gestion de pipelines de données
- Recherche et veille technologique IA
EXPÉRIENCES PROFESSIONNELLES
Ingénieur Machine Learning Senior - Doctolib
04-2021 - 06-2024
Contexte :
Leader européen des solutions e-santé, projet de personnalisation intelligente de la prise de rendez-vous et d'automatisation du traitement des messages patients.
Missions :
- Développement de modèles de recommandation pour la planification intelligente des rendez-vous
- Optimisation des modèles de NLP pour la classification automatique des messages utilisateurs
- Mise en production et monitoring de pipelines de machine learning sur AWS
Environnement technique :
Python, PyTorch, AWS SageMaker, Docker, Airflow
Résultats :
Amélioration de 28% du taux de conversion des rendez-vous ; réduction du temps de traitement des tickets automatisés de 35%.
Ingénieur Machine Learning - Capgemini
02-2019 - 03-2021
Contexte :
Mission pour un grand compte bancaire, mise en place de solutions d'automatisation et d'analyse prédictive des fraudes.
Missions :
- Conception de modèles de détection de fraude basés sur le deep learning
- Industrialisation des solutions ML avec CI/CD et monitoring continu
- Formation et encadrement de 4 data scientists juniors
Environnement technique :
TensorFlow, scikit-learn, Kubernetes, Azure ML
Résultats :
Augmentation du taux de détection des fraudes de 21% ; industrialisation de 3 workflows ML déployés sur le cloud.
Data Scientist - Criteo
02-2017 - 01-2019
Contexte :
Entreprise spécialisée dans le ciblage publicitaire, optimisation des algorithmes de recommandation et du traitement des données à grande échelle.
Missions :
- Développement d'algorithmes de ciblage publicitaire personnalisés
- Analyse exploratoire de données massives pour le calibrage de modèles
- Participation à la migration des pipelines de données vers Apache Spark
Environnement technique :
Scala, Spark, Hadoop, Python
Résultats :
Augmentation de 14% du retour sur investissement publicitaire pour les clients principaux ; réduction de 30% du temps de traitement des données.
FORMATIONS ET CERTIFICATIONS
Master en Intelligence Artificielle - Télécom Paris
09-2014 - 06-2016
Programme spécialisé en machine learning, deep learning, traitement du signal et big data.
Licence Informatique - Université Pierre et Marie Curie
09-2011 - 06-2014
Cours approfondis en programmation, statistiques, algèbre linéaire et algorithmes.
CONNAISSANCES TECHNIQUES
Programmation
Python, Scala, Java, C++
Machine Learning & Deep Learning
TensorFlow, PyTorch, scikit-learn, Keras, XGBoost
Big Data
Apache Spark, Hadoop, Kafka
Cloud & MLOps
AWS SageMaker, Azure ML, Docker, Kubernetes
NLP & Computer Vision
spaCy, NLTK, OpenCV, Transformers (HuggingFace)
Outils & Divers
Git, Jupyter, MLflow, Airflow
LANGUES
- Français - Langue maternelle
- Anglais - Courant
