Mon positionnement est clair : intégrer, déployer et fiabiliser des cas d'usage IA concrets. Issu d'une reconversion géologie → Data & IA, j'ai développé une expertise en Computer Vision, NLP, déploiement de modèles et architecture data. Je m'intéresse particulièrement aux environnements où l'IA doit sortir du prototype pour devenir utile, robuste et exploitable en production.
| Projet | Description | Stack |
|---|---|---|
| SKU Detection API | API de détection et reconnaissance de produits en rayon (DETR + CLIP) | Python, Flask, PyTorch, Hugging Face |
| Scoring Crédit | Pipeline ML complet : EDA 300k+ lignes, LightGBM, SHAP, API Flask, dashboard Streamlit, data drift | Python, Scikit-learn, Evidently, Streamlit |
| E-Santé | Plateforme microservices de prédiction du risque de cancer du sein, sécurisée JWT | Python, FastAPI, TypeScript, Docker, MongoDB, MariaDB |
| Architecture Big Data | Pipeline batch & streaming distribué sur cluster Hadoop + Kafka | Python, PySpark, Kafka, Docker Compose, HDFS |
ML / IA — PyTorch, TensorFlow, Scikit-learn, Hugging Face, YOLO, CLIP, DETR, SHAP
Data Engineering — Spark, Kafka, Snowflake, HDFS, ETL/ELT, Docker
Déploiement — Flask, FastAPI, Streamlit, Azure ML, GCP Vertex AI
Bases de données — SQL, MariaDB, MongoDB
Langages — Python, SQL, R, TypeScript