CV Jupyter : Les nouveaux profils dispos

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

• Développeur Full Stack

  Asyora
  Jan 2023 - Jan 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&#x2019infrastructure 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&#x2019intégrations 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
  Jan 2021 - Jan 2024

  Situation : L&#x2019entreprise souhaitait créer un laboratoire d&#x2019intelligence 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&#x2019entreprise, tout en implémentant des modèles de machine learning à l&#x2019état de l&#x2019art pour des applications spécifiques.
  
  Actions :
  - Mise en place d&#x2019une 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&#x2019agents 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&#x2019un 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,

• Ingénieur Machine Learning

  DataValue Consulting (DVC)
  Jan 2021 - Jan 2021

  Situation : L&#x2019entreprise souhaitait concevoir des produits d&#x2019intelligence artificielle (IA) spécialisés en traitement du langage naturel (NLP), destinés à sa clientèle.
  
  Tâche : Implémenter et adapter des modèles de machine learning à l&#x2019état de l&#x2019art pour des applications spécifiques, tout en encadrant des projets et des collaborateurs.
  
  Actions :
  - Conception et développement d&#x2019algorithmes Python de reconnaissance d&#x2019entités 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&#x2019une 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&#x2019université du Mans (LIUM)
  Jan 2018 - Jan 2021

  Situation : Le laboratoire souhaitait analyser des archives françaises historiques pour en extraire des informations exploitables.
  
  Tâche : Concevoir des algorithmes d&#x2019intelligence artificielle (IA) automatisant l&#x2019analyse de documents anciens.
  
  Actions :
  - Développement en Python d&#x2019algorithmes intégrant de la reconnaissance optique de caractères (OCR), de la transcription automatique (ASR) et de la reconnaissance d&#x2019entités nommées (NER).
  - Mise en place d&#x2019un 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&#x2019outils permettant une meilleure compréhension et exploitation des documents d&#x2019époque, 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&#x2019audiovisuel (INA)
  Jan 2015 - Jan 2018

  Situation : L&#x2019entreprise souhaitait aider les documentalistes dans leur travail d&#x2019annotation des données audiovisuelles, où la volumétrie croissante des archives nécessite des solutions d&#x2019automatisation.
  
  Tâche : Développer des algorithmes d&#x2019intelligence artificielle (IA) de diarization afin d&#x2019automatiser l&#x2019annotation des locuteurs.
  
  Actions :
  - Développement en Python d&#x2019algorithmes 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&#x2019une mesure d&#x2019évaluation pour déterminer avec précision les performances des algorithmes d&#x2019IA de diarization assistés par l&#x2019humain.
  - Publication des résultats sous forme d&#x2019articles 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&#x2019un outil permettant d&#x2019améliorer la vitesse d&#x2019annotation des données audiovisuelles, facilitant le travail des documentalistes.

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