CV Jupyter : Trouvez votre consultant freelance

Exemple des missions de Pierre-Alexandre,
freelance JUPYTER résidant dans les Hauts-de-Seine (92)

Développeur Full Stack
Asyora
août 2023 - juin 2025
Situation : Initiative entrepreneuriale pour lancer une solution SaaS visant à réduire le temps passé en réunions traditionnelles.

Tâche : Concevoir une plateforme de réunions asynchrone intégrant les meilleures pratiques pour optimiser la gestion du temps.

Actions :
- Développement complet de la solution avec Django (Python), Htmx et Tailwind CSS.
- Déploiement et gestion de l’infrastructure sur Amazon Web Service (AWS) et DigitalOcean.
- Gestion de base de données PostgreSQL.
- Application des bonnes pratiques DevOps tels que CI/CD et des tests (unitaires, d’intégrations et systèmes).
- Documentation de la conception des algorithmes pour faciliter le partage des connaissances et garantir la reproductibilité.

Résultat : Réduction notable du nombre et de la durée des réunions, avec une amélioration significative de la productivité des utilisateurs.

Stack : Python, Django, Amazon Web Service, Docker, Pytest, Tailwind CSS, Htmx, DigitalOcean, Git, Github Actions CI/CD, PostgreSQL, JavaScript.
Full-stack, Python, Django, Amazon Web Service, Docker, Pytest, Tailwind CSS, Htmx, DigitalOcean, Git, Github Actions CI/CD, PostgreSQL, JavaScript

Ingénieur Machine Learning
Groupe Rhapsodie
octobre 2021 - août 2024
Situation : L𠆞ntreprise souhaitait créer un laboratoire d’intelligence artificielle (IA) dédié au développement de solutions spécialisées dans la reconnaissance des émotions à partir du texte (NLP) et de la parole.

Tâche : Concevoir une infrastructure robuste, scalable et alignée avec la vision de l𠆞ntreprise, tout en implémentant des modèles de machine learning à l’état de l𠆚rt pour des applications spécifiques.

Actions :
- Mise en place d’une infrastructure en appliquant les meilleures pratiques MLOps.
- Collecte, transformation et annotation de données.
- Développement et déploiement de modèles deep learning (PyTorch).
- Intégration et adaptation de modèles de langage larges (LLM).
- Création de prototypes d𠆚gents intelligents avec LangGraph et LangChain.
- Gestion et optimisation des ressources de calcul.
- Encadrement de collaborateurs pour assurer la cohérence des développements.
- Documentation de la conception des algorithmes pour faciliter le partage des connaissances et garantir la reproductibilité.

Résultat : Mise en place d’un laboratoire opérationnel avec workflow MLOps optimisé, permettant le déploiement rapide de produits IA.

Stack : Python, Hugging Face, OpenAI API, LangChain, LangGraph, ZenML, PyTorch, Gradio, MLflow, Qdrant, Git, Github Actions CI/CD, Amazon Web Service (AWS), NumPy, Pandas, Pytest, Seaborn, Asyncio, Docker, Django, FastAPI, Tailwind CSS, Htmx, JavaScript.
Intelligence artificielle, Machine learning, MLOps, LLM, Agent, Python, Hugging Face, OpenAI API, LangChain, LangGraph, ZenML, PyTorch, Gradio, MLflow, Qdrant, Git, Github Actions CI/CD, Amazon Web Service (AWS), NumPy, Pandas, Pytest, Seaborn, Asyncio, Docker, Django, FastAPI, Tailwind CSS, Htmx, JavaScript

Ingénieur Machine Learning
DataValue Consulting (DVC)
février 2021 - août 2021
Situation : L𠆞ntreprise souhaitait concevoir des produits d’intelligence artificielle (IA) spécialisés en traitement du langage naturel (NLP), destinés à sa clientèle.

Tâche : Implémenter et adapter des modèles de machine learning à l’état de l𠆚rt pour des applications spécifiques, tout en encadrant des projets et des collaborateurs.

Actions :
- Conception et développement d𠆚lgorithmes Python de reconnaissance d𠆞ntités nommées (NER), en exploitant des modèles de langage larges (LLM) tels que BERT et RoBERTa.
- Encadrement de collaborateurs, en assurant leur montée en compétences et la qualité des livrables.
- Conseiller sur le choix et la mise en place d’une infrastructure performante et adaptée aux besoins des projets.

Résultat : Livraison de solutions IA adaptées aux besoins métier.

Stack : Python, PyTorch, PyTorch Lightning, Docker, Git, Jupyter, Seaborn, NumPy, Pandas.
Intelligence artificielle, Machine learning, MLOps, LLM, Python, PyTorch, PyTorch Lightning, Docker, Git, Jupyter, Seaborn, NumPy, Pandas

Ingénieur Machine Learning
Laboratoire informatique de l’université du Mans (LIUM)
décembre 2018 - février 2021
Situation : Le laboratoire souhaitait analyser des archives françaises historiques pour en extraire des informations exploitables.

Tâche : Concevoir des algorithmes d’intelligence artificielle (IA) automatisant l𠆚nalyse de documents anciens.

Actions :
- Développement en Python d𠆚lgorithmes intégrant de la reconnaissance optique de caractères (OCR), de la transcription automatique (ASR) et de la reconnaissance d𠆞ntités nommées (NER).
- Mise en place d’un pipeline intégrant différentes technologies (OCR, ASR, NER) pour automatiser le traitement complet des archives.
- Documentation de la conception des algorithmes pour faciliter le partage des connaissances et garantir la reproductibilité.

Résultat : Livraison d’outils permettant une meilleure compréhension et exploitation des documents d’époque, facilitant ainsi les recherches historiques et la valorisation des archives.

Stack : Python, PyTorch, Keras, Tensorflow, SLURM, Git, Scikit-learn, NumPy, Jupyter.
Intelligence artificielle, Machine learning, Python, PyTorch, Keras, Tensorflow, SLURM, Git, Scikit-learn, NumPy, Jupyter

Ingénieur Machine Learning
Institut national de l𠆚udiovisuel (INA)
décembre 2015 - décembre 2018
Situation : L𠆞ntreprise souhaitait aider les documentalistes dans leur travail d𠆚nnotation des données audiovisuelles, où la volumétrie croissante des archives nécessite des solutions d𠆚utomatisation.

Tâche : Développer des algorithmes d’intelligence artificielle (IA) de diarization afin d𠆚utomatiser l𠆚nnotation des locuteurs.

Actions :
- Développement en Python d𠆚lgorithmes de diarization prenant en compte les interventions humaines.
- Contribution active à deux projets Open-Source Python (S4D et SIDEKIT) spécialisés dans la reconnaissance du locuteur et la diarization.
- Élaboration d’une mesure d’évaluation pour déterminer avec précision les performances des algorithmes d’IA de diarization assistés par l’humain.
- Publication des résultats sous forme d𠆚rticles scientifiques et les présenter lors de conférences internationales.
- Travailler dans un contexte international en anglais, en collaborant efficacement avec des collègues et partenaires ne parlant pas français.
- Documentation de la conception des algorithmes pour faciliter le partage des connaissances et garantir la reproductibilité.

Résultat : Livraison d’un outil permettant d𠆚méliorer la vitesse d𠆚nnotation des données audiovisuelles, facilitant le travail des documentalistes.

Stack : Python, Jupyter, Git, SLURM.
Intelligence artificielle, Machine learning, Python, Jupyter, Git, SLURM.