Data Scientist / Ingenieur Machine Learning / Ingenieur MLOps spécialisé en NLP/RAG, MLOps, systèmes de recommandation et intelligence artificielle multimodale.
Je conçois des projets de machine learning de bout en bout : analyse exploratoire, préparation des données, modélisation, évaluation, API, conteneurisation, tests et automatisation CI/CD.
- Conception de pipelines ML reproductibles et orientés production.
- Développement de systèmes RAG et d'applications basées sur les LLM.
- Modélisation de problèmes de recommandation, ranking et prédiction séquentielle.
- Classification multimodale combinant texte et image.
- Industrialisation avec FastAPI, Docker, DVC, Prefect et GitHub Actions.
- Attention particulière à la qualité du code, aux tests, à la sécurité et à la documentation.
Machine Learning : scikit-learn, LightGBM, PyTorch, Transformers, ranking, séries temporelles et analyse de survie
NLP et LLM : RAG, embeddings, Sentence Transformers, Ollama, OpenAI
MLOps : FastAPI, Docker Compose, DVC, Prefect, CI/CD, tests automatisés
Data : pandas, NumPy, PostgreSQL, visualisation et analyse exploratoire
Étude de cas publique sur un système de recommandation séquentielle : analyse exploratoire, génération de candidats, ranking MRR@10, prédiction d'action et suivi des scores.
API MLOps de classification de produits combinant texte et image avec FastAPI, PyTorch, Transformers, EfficientNet, Docker, DVC et tests automatisés.
Chatbot RAG local permettant d'interroger un CV et un export LinkedIn, avec embeddings locaux, FastAPI, Streamlit, Ollama et support optionnel d'OpenAI.
Projet pédagogique d'analyse de survie sur données censurées avec courbes de Kaplan-Meier, modèle de Weibull, visualisations et interprétation des résultats.
Je privilégie des solutions lisibles, testées et documentées. Mon objectif est de relier la qualité statistique du modèle à une implémentation réellement utilisable : API claire, configuration sécurisée, environnement reproductible et suivi des expérimentations.
Vous pouvez me contacter directement via mon profil GitHub ou ouvrir une discussion sur l'un de mes projets publics.