CV/Mission d'Ingénieur NoSQL freelance

Exemple de missions d'Isam,
Ingénieur NoSQL habitant la Seine-Saint-Denis (93)

• Data Scientist

  CAISSE NATIONALE DE L’ASSURANCE MALADIE (CNAM)
  Jan 2020 - aujourd'hui

  Contexte : Développement d’un outil de contrôle des documents internes (format image). Empêcher l’export et l’import des
  fichiers images contenant des données sensibles. Reconnaissance des objets par des techniques Computer vision et
  reconnaissance optique des caractères.
  Mission :
  - Réalisation des modèles d’IA pour répondre à la problématique
  - Documentation & guide d’utilisateur
  Vision par ordinateur
  - Implémentation d’un algorithme de localisation du texte dans une image.
  - Implémentation d’un modèle de reconnaissance des caractères
  - Implémentation d’un CNN (Architecture Deep Learning) pour la classification d’images et la localisation d’objets.
  - Traitement de l’image à l’aide des méthodes « Non-max Suppression » et « Anchor Boxes »

  Environnement technique : Python, Tensorflow, Keras, Numpy, Scipy, Pandas, Scikit-Learn, Git

• Lead Data Scientist

  TALAN
  Jan 2019 - Jan 2020

  Contexte : Développement d’un chatbot intelligent capable de proposer les meilleures réponses aux utilisateurs.
  Entrainer le chatbot pour analyser visuellement et textuellement son interaction avec l’utilisateur pour savoir à quel moment il
  doit le diriger vers le service client (Humain)
  Mission :
  - Réfèrent technique pour le projet
  - Recueil des besoins liés à la problématique du POC
  - Réalisation des modèles d’IA pour répondre à la problématique
  - Documentation & guide d’utilisateur
  Traitement automatique du langage naturel
  - Analyse des sentiments pour améliorer la performance des réponses du chatbot
  - Web scraping
  - Tokenization
  - Stemming & Lemmatization
  - Removing Stop Words and Punctuation
  - Computing term frequencies (Tf-idf)
  - Word Embeddings & Latent Dirichlet Allocation
  - Clustering (K-Means algorithm, hierarchical based algorithm)
  - Model Evaluation
  - Visualisation, Matplotlob
  Vision par ordinateur
  - Implémentation de l’approche convolutionnelle de l’algorithme « Sliding Windows & YOLO » pour la classification
  d’images et la localisation d’objets, à partir d’images extraites d’un flux vidéo en temps réel
  - Implémentation d’un CNN (Architecture Deep Learning) pour la classification d’images et la localisation d’objets, à
  partir d’images extraites d’un flux vidéo en temps réel
  - Traitement de l’image à l’aide des méthodes « Non-max Suppression » et « Anchor Boxes »
  - Détection d’objets en temps réel
  - Évaluation de la performance de l’algorithme avec la fonction « Intersection Over Union » et du « Confidence Score

  Environnement technique : Python, Nltk, Tensorflow, Dlib, Keras, Numpy, Scipy, Pandas, Scikit-Learn, Linux, Git

• Big Data Engineer & Formateur

  TALAN
  Jan 2019 - aujourd'hui

  Mission 1 : Développement Big Data pour le compte de plusieurs projets, installation et tests de distribution Hadoop,
  Enseignement de cours Hadoop et NoSQL en école d'ingénieur (cours magistral +TP)
  - Validation technique des codes et réalisation des recettes
  - Transfert et archivage des données de Azure vers (Cloudera) et de
  - HDFS vers Azure (scripts Python)
  - Mise en place et suivi des tests unitaires et de conformité de la solution développée
  - Étude comparative des distributions Hadoop : Cloudera, Horthonworks et MapR
  - Réalisation des reportings d’avancement des demandes métier sur le périmètre applicatif
  - POC : Streaming Kafka-Spark-Scala pour l’intégration et le traitement des données de différents capteurs (RATP)
  Mission 2 : Enseignements à l’ESIEA et EISTI
  - Cours magistral : Ecosystème Big Data, Distributions Hadoop
  - TP : HDFS Hive
  - Cours magistral : Base de données Nosql
  - TP : Hbase, Elastic Serch, Neo4j
  Langages : Python, Spark-Scala
  Python : Numpy, Pandas, Scipy, Matplotlib.
  Distributions Hadoop & NOSQL : Cloudera, Hortonworks, HDFS, Hbase, Hive, ELK, Mongodb, Cassandra.

• Doctorant-chercheur

  UNIVERSITÉ SORBONNE-PARIS DESCARTES
  Jan 2013 - Jan 2017

  Contexte :
  - Enrichissement des bases de données d’images médicales
  - Extraction des connaissances à partir des bases de données en présence de valeurs manquantes
  Mission : Développeur pour une plate-forme de crowdsourcing
  - La découvertes des règles manquantes pour alimenter un système de recommandation en utilisant les
  décompositions tensorielles (article référent : Kolda&all).
  - Algorithmes de recommandations implémentés en Python et matlab.
  - Enrichissement des bases de données d’images médicales par des nouveaux attributs, une problématique
  transversale (biologie et fouille des données), en se basant sur du crowdsourcing (recherche participative).
  - Convergence de la majorité des crowders (participants) à travers des questions ouvertes ou fermées.
  - Le choix de l’entropie comme indicateur de scoring.
  - Développement en Python, Matlab – Utilisation de R Visualisation

  Environnement fonctionnel : Machine Learning : Clustering, crowdsourcing, décomposition tensorielle Environnement technique : Python, R, Matlab

• UNIVERSITÉS PARIS SUD, CERGY PONTOISE, INCM…
  Jan 2009 - Jan 2018

  Enseignant Chercheur en mathématiques appliquées
  Mission :
  - Niveau L3M à l’Université de Cergy Pontoise : Méthodes numériques
  - Niveau DUT 1 et 2 STID à l’Université Paris Descartes : Analyse, algèbre
  - Première année et deuxième année à l’université Paris Sud : Algèbre, Analyse, Statistiques, métrologie

  Environnement technique : Fortran, C++

• Ingénieur recherche et développement

  LIMSI-CNRS
  Jan 2005 - Jan 2009

  Mission : analyse numérique et dynamique des fluides
  - Méthodes numériques pour la résolution des équations aux dérivées partielles
  - Méthode des Volumes finis pour la simulation numérique du liquide (incompressible),Méthode différences finies et
  éléments finis pour la vapeur (compressible)
  - Méthode du front tracking pour le suivi de l’interface liquide vapeur
  - Modèle Low Mach pour séparer la pression dynamique et thermique
  - Fortran MPI pour la simulation numérique

  Environnement technique : Fortran, C++, Calcul parallèle : MPI