Compétences Principales
Deep Learning & ML
Maîtrise avancée de PyTorch, TensorFlow, Scikit-learn et déploiement de modèles. Expérience avec LLMs, pipelines RAG, CNNs et prévision de séries temporelles.
Computer Vision
Spécialisé en analyse d'images médicales, segmentation, classification et détection d'objets avec des frameworks de deep learning.
Time Series
Développement de pipelines end-to-end pour la prédiction de KPIs, détection d'anomalies et prévision de séries temporelles en temps réel en production.
MLOps & DevOps
Expérience en conteneurisation (Docker), orchestration (Kubernetes) et workflows CI/CD. Déploiement via FastAPI, Airflow et plateformes cloud (Scaleway, AWS).
Databases
Expertise en SQL et NoSQL (MongoDB). Conception et optimisation de schémas relationnels et requêtes analytiques pour pipelines ML.
Python
Expert Python avec expérience approfondie en NumPy, Pandas, Matplotlib, PyTorch, TensorFlow, Keras et développement d'APIs avec FastAPI et Django.
Langues
Français: Natif
Anglais: Courant
Formation
Ph.D. in Computer Vision
Research Focus: Deep Learning, Medical Image Analysis, Skin Cancer Detection, Explainable AI.
Master's Degree in Mechatronics (GPA: 4.0/4.0)
Engineer's Degree in Mechatronics (GPA: 3.33/4.0)
Expérience Professionnelle
Lead AI Engineer
Conception et développement d'algorithmes d'IA pour l'aide au diagnostic dermatologique et l'optimisation des workflows médicaux dans les centres DermaScan.
Missions principales
- Conception d'algorithmes d'aide au diagnostic dermatologique à partir d'images dermoscopiques
- Optimisation du workflow patient via le développement d'outils IA
- Mise en place d'une pipeline d'extraction automatisée de données médicales depuis des comptes rendus de téléexpertise
- Structuration et enrichissement de la donnée médicale pour améliorer la qualité des datasets
- Pilotage de la veille technologique IA & santé
- Interface scientifique entre équipes techniques, dermatologues partenaires et laboratoire LIS
- Contribution à la conformité réglementaire des solutions IA (RGPD, AI Act)
- Vulgarisation scientifique interne pour acculturer les équipes non techniques
Stack technique
Senior Data Scientist
Direction du développement de solutions IA pour l'optimisation de la gestion des flux de conteneurs pour les acteurs clés de la logistique (armateurs, terminaux, transitaires).
Contributions principales
- Développement d'un moteur d'insights alimenté par GenAI utilisant Retrieval-Augmented Generation (RAG) pour permettre aux clients d'interroger et d'analyser les KPIs CO₂ via le langage naturel.
- Construction d'une pipeline d'intelligence documentaire combinant OCR et LLMs pour automatiser l'extraction de données depuis des documents scannés.
- Conception et déploiement de modules de prévision de séries temporelles pour prédire le trafic, les besoins en capacité et les rendez-vous de terminaux.
- Ingénierie d'APIs et microservices scalables utilisant FastAPI, Docker, Kubernetes et Airflow.
- Analyse exploratoire de données sur de grands datasets logistiques hétérogènes.
- Développement de modèles de machine learning pour la prédiction, la classification et l'optimisation.
- Conception de pipelines de données et intégration de multiples sources internes et externes.
- Déploiement cloud et MLOps utilisant Scaleway Cloud, Prometheus et workflows CI/CD.
Stack technique
Temporary Lecturer and Researcher (ATER)
Recherche appliquée en deep learning pour l'imagerie médicale 2D/3D. Enseignement et encadrement d'étudiants en informatique et ingénierie avancées. Publications dans des revues à comité de lecture.
Domaines
Researcher in Computer Vision
Développement de modèles de deep learning pour la détection du cancer de la peau. Focus sur la conception de datasets, architectures CNN et collaborations de recherche inter-institutionnelles en IA médicale.
Research Intern (AI & CV)
Conception d'un système de diagnostic proof-of-concept pour le mélanome utilisant des modèles de deep learning précoces (SVM, CNN, MLP). Focus sur le preprocessing, sélection de features et évaluation.