CV/Mission d'Expert e*Gate freelance

Exemple de missions de Khadir,
Expert e*Gate habitant Paris (75)

• AI Expert/ Data Platform Product Owner

  ESSEC BUSINESS SCHOOL/ CERGY-PARIS
  Jan 2022 - aujourd'hui

  PROJET :
  L'ESSEC Metalab (for Data, Technology & Society) constitue l'un des trois axes majeurs de la stratégie ESSEC RISE.
  Il favorise la recherche scientifique interdisciplinaire et l'innovation pédagogique, mise à profit par les transformations en cours
  des technologies de la donnée et de l'IA, dans les domaines de l'économie et de la gestion, des sciences humaines, ainsi que des
  sciences statistiques et de l'ingénieur.
  Il rassemble des professeurs, des étudiants et des partenaires de l'ESSEC pour produire des programmes de recherche et
  d'éducation percutants sur l'adoption de l'IA et des technologies associées par la société dans son ensemble.
  TEAM :
  3 data scientists, 1 data engineer, 1 DevOps engineer, 1 project/team manager.
  MISSIONS:
  Au sein de l'ESSEC Business School, face à l'impact croissant de l'intelligence artificielle et de l'apprentissage automatique sur le
  monde des affaires, j'ai joué un rôle clé dans la sensibilisation et la formation des acteurs académiques et professionnels. J'ai
  activement soutenu les professeurs, chercheurs et collaborateurs en les aidant à saisir les opportunités offertes par l'IA et la
  data science. Mes responsabilités principales incluaient la mise en &oeliguvre et la gestion de plateformes dédiées à
  l'expérimentation en IA, l'accompagnement des enseignants dans des modules centrés sur l'IA, le Big Data et le Machine
  Learning, ainsi que la conduite de formations spécialisées. De plus, j'ai été un acteur majeur dans la diffusion des connaissances
  en IA et data science au sein de l'institution.

  ENVIRONNEMENT TECHNIQUE : Azure, Databricks, Airflow, Dataiku, Tableau, Python, Spark, MLFlow, Pytorch, Spark ML, Scikit-learn, Git, SQL

• Machine Learning Engineer / Data Scientist

  COVÉA/ PARIS
  Jan 2021 - Jan 2021

  PROJET :
  Covéa est un groupe d'assurances regroupant trois marques complémentaires (MMA, MAAF et GMF), ils sont en train de
  développer des outils de veille des réseaux sociaux, d'analyse des enquêtes de satisfaction, des voices bot et plusieurs solutions
  innovantes. J'ai intégré l'entreprise pour l'industrialisation, la mise en production, l'amélioration et l&rsquoimplémentation des modèles
  et des solutions pour l&rsquoanalyse des réseaux sociaux.
  TEAM :
  3 data scientists, 1 data engineer, 1 DevOps engineer, 1 project/team manager.
  MISSIONS:
  &bull Mise en place des bonnes pratiques pour développer des solutions industrialisables et évolutives.
  &bull Déployer des modèles de machine learning avec MLFlow dans un environnement cloud Azure Databricks
  &bull Implémenter des modèles de clustering, de détection des topics et d&rsquoanalyse de sentiment en se basant sur les
  transformers.

  ENVIRONNEMENT TECHNIQUE : Python, Azure Databricks, Spark, MLFlow, Pytorch, Spark ML, Scikit-learn, Azure data lake storage, Spacy, NLTK

• Machine Learning Engineer

  SCHNEIDER ELECTRIC/ GRENOBLE
  Jan 2020 - Jan 2020

  PROJET :
  Le département « Artificial Intelligence and Analytics » accompagne les équipes métier de Schneider Electric dans le traitement
  de grandes quantités de données IoT issues des offres EcoStruxure dans le domaine de la gestion de l'énergie et de
  l'automatisation industrielle et dans le développement de nouveaux services à valeur ajoutée à travers des composants ou
  modèles analytiques complexes.
  TEAM :
  4 data scientists, 1 machine learning engineer, 2 Data engineers, 1 project manager.
  MISSIONS:
  Accompagnement de l&rsquoéquipe des data scientists pour accélérer et faire évoluer leurs modèles en simplifiant tout le cycle de vie
  du Machine Learning pour les solutions de l'industrie pétrolière et gazière, afin de mettre en place un pipeline de bout en bout
  intégré, évolutif et avec un coût réduit entre l'application commerciale (Autonomous Production Advisor) et le Data Factory.
  J&rsquoai développé des prototypes basés et les déployés dans le cloud, tous suivis par MLFLow :
  &bull Training d'un modèle CNN Keras ML sur des volumes de données plus importants à l'aide de Petastorm
  &bull Training d'un modèle CNN Keras ML distribué sur plusieurs GPU à l'aide d'Horovod.
  &bull Training d&rsquoun modèle de Stacking distribué sur plusieurs GPU à l'aide d'Horovod.

  ENVIRONNEMENT TECHNIQUE : Python, Spark, Git, MLFlow, TensorFlow, Keras, Linux, Gitlab, Scikit-learn, Petastorm, Horovod

• Lead Data scientist/ Research engineer

  NOVELIS/ PARIS
  Jan 2019 - Jan 2020

  PROJET : SMART PROGRAMMING
  Développement d&rsquoune plateforme permettant de générer des applications web à partir des cahiers de charges
  TEAM :
  1 data scientist, 2 Post-Doc, 2 PhD candidates, 1 Data engineer, 1 web developer
  MISSIONS:
  Proposition et développement des algorithmes de représentation et de modélisation des langues naturelles (Anglais et Français)
  afin de développer des interfaces capables de transformer un langage naturel à des modèles de bases de données relationnelles
  et des requêtes SQL.
  &bull Tâches réalisées :
  Implémentation et fine tuning des modèles de transformation de connaissances pour la modélisation des langues en se
  basant sur le pre-trained model BERT.
  Implémentation des algorithmes de représentation des textes avec des graphes.
  Implémentation et développement des algorithmes d&rsquoextraction d&rsquoinformation à partir de Wikipedia.

  ENVIRONNEMENT TECHNIQUE : Python, Scikit-learn, Gensim, NLTK, Pandas, Flask, Tensorflow, MongoDB, Linux, GitLab, Docker.

• Data scientist/ Tech lead

  GROUPE OCP / UM6P
  Jan 2017 - Jan 2019

  PROJET : EAGLE
  Développement d&rsquoune platforme IoT pour la maintenace prédictive (acquisition des données, monitoring et analytics)
  EQUIPE :
  2 data scientists, 3 data engineers, 3 software developers, 1 Devops engineer and 1 designer.
  MISSIONS:
  Mise en place et administration d&rsquoun cluster Hadoop pour les traitements Datawarehouse non critiques mode batch
  (traitements mensuels) : Hortonworks Data Platform HDP (Sqoop, HDFS, Hive, Pig).
  Mise en place et administration d&rsquoun cluster d&rsquoingestion de streaming et de calcul des données temps réel : Hortonworks Data
  Flow HDF (Nifi, Kafka, Storm, Spark Streaming).
  Implémentation des modèles de prédiction des pannes pour la maintenance des équipements et ateliers de l&rsquoOCP Group à base
  de deep learning.
  Implémentation des modèles d&rsquoanalyse et diagnostique automatique des équipements.
  Développement des fonctions de traitement de signal et des modèles de classifications des défauts de roulement des différents
  machines tournantes.
  PROJET : AGRIOP
  Développement d&rsquoune plateforme de recommandation et d&rsquoaide à la décision pour les agriculteurs dédiés à l&rsquoAfrique en partenariat
  avec les ministères d&rsquoagriculture du Maroc, Ethiopie et de TOGO.
  EQUIPE :
  3 data scientists, 4 software developers, 1 Devops engineer et un scrum master.
  MISSIONS:
  Implémentation des modèles de recommandation des fertilisants à partir des données du sol.
  Implémentation des modèles d&rsquoirrigation en analysant les caractéristiques de la culture, le type du sol et la météo
  Implémentation des modèles de prédictions des prix des produits agricoles.
  Implémentation des modèles de recommandation des cultures adéquat à chaque parcelle agricole.
  PROJET : AUTOMATED DATA SCIENCE PLATFORM:
  Développement d&rsquoune plateforme d'intelligence artificielle et de machine learning automatique (Automated Machine learning
  Platform).
  EQUIPE :
  1 Data scientist, 2 PhD students, 1 data engineer and 1 developer
  MISSIONS:
  Mon rôle dans ce projet était de concevoir la plateforme, de déterminer les flux de données nécessaires pour chaque projet
  d'intelligence artificielle, et d&rsquoimplémenter des modèles de deep learning et de machine learning pour prédire et optimiser les
  hyper paramètres des différents modèles de machine learning, pour éviter les problèmes de overfitting, et ainsi pour
  sélectionner les meilleurs modèles pour des différents cas d'utilisation.

  ENVIRONNEMENT TECHNIQUE: Python, Anaconda, Flask, Spark, XGBoost, H2O, Scikit-learn, NLTK, Keras, Tensorflow, OpenCV, MongoDB, Docker, Git, Hadoop, Kafka, Oozie, Linux.

• Consultant Big Data

  OCTO TECHNOLOGY
  Jan 2017 - Jan 2017

  PROJET WAFASALAF BOT :
  Développement d&rsquoun système conversationnel automatique (chatbot) pour le compte de la société Attijari Wafa banque.
  EQUIPE :
  1 data scientist, 2 developers and 1 data engineer
  MISSIONS :
  J&rsquoai contribué au développement d&rsquoun chatbot pour le compte de, Durant ce projet, j&rsquoai implémenté un programme qui permet
  de classer les messages par leurs types (réclamation, demande de crédit, demande de simulation de crédit, demande d&rsquoemploi,etc) et d&rsquoextraire les entité et l&rsquoinformations intéressante à partir de ces messages, j&rsquoai implémenté par la suite un modèle de
  sélection de réponse en se basant sur Word2Vec et les réseaux de neurones récurrents (LSTM)
  PROJET : PREDICTION DES PROVISIONS
  Implémentation d&rsquoun modèle de prédictions des provisions.
  EQUIPE :
  2 data scientists
  MISSION :
  J&rsquoai modélisé et implémenté un modèle de deep learning qui permet de prédire la valeur mensuelle globale des provisions liées
  aux échéances impayés.

  ENVIRONNEMENT TÉCHNIQUE: SAS, Dataiku, Python, Anaconda, Scikit-learn, Flask, Appache Lucene, NLTK, Elastic Search, Hortonworks data platform (HDP), MongoDB, Oozie, Flume, PyCharm IDE, Linux, Docker, Git.

• Data scientist / Scrum master

  FRAKTAL
  Jan 2014 - Jan 2017

  PROJET : HARTI EXPERT
  Développement d&rsquoun système de questions/réponses basé sur les ontologies des domaines et le deep learning.
  EQUIPE:
  2 Data scientist, 3 développeurs, un data engineer
  MISSIONS :
  Au sein de la Start-up Fraktal, je me suis occupé d&rsquoimplémenter un système de question réponse intelligent qui permet
  de proposer des répon...