Ingénieur Data science freelance : Premiers profils dispos et dernières missions mises en ligne

Exemple de missions de Romain,
Ingénieur Data science habitant Paris (75)

COGNIWAVE DYNAMICS Paris, Ingénieur Data Science - CDI
Janvier 2024 - Présent
Projet : Développement d'une plateforme SaaS pour l'analyse et le traitement automatique de documents avec des
modèles de type LLM (Llama 2, Llama 3, Mistral)
• Conception et développement d'une plateforme SaaS permettant aux utilisateurs d'interagir avec des modèles
de langage de grande taille (LLM) pour analyser et traiter automatiquement divers documents.
• Objectif : Offrir une solution de traitement de documents avancée, permettant aux utilisateurs de synthétiser
des informations, d'extraire des éléments clés et de répondre aux questions spécifiques sur les documents.
• Intégration de différents modèles de langage (LLM) tels que Llama 2, Llama 3, et Mistral pour fournir des
capacités de traitement précises et efficaces.
• Utilisation de la bibliothèque Langchain pour orchestrer l'intégration des LLM et faciliter les interactions entre les
différents modules de la plateforme.
• Mise en place de ChromaDB et FAISS comme systèmes de stockage vectoriel pour gérer les embeddings des
documents et offrir un accès rapide aux informations encodées.
• Utilisation de VLLM pour la gestion parallèle des tâches et l'optimisation des performances des modèles de
langage.
• Développement d'une API RESTful avec Flask pour permettre aux utilisateurs d'accéder aux fonctionnalités de la
plateforme et de traiter les documents de manière fluide.
• Gestion de l'assignation automatique des documents et des processus de traitement via l'interface utilisateur.
• Déploiement et gestion de la plateforme à l'aide de conteneurs Docker, assurant une portabilité et une
évolutivité optimales pour les utilisateurs.
• Orchestration avec Kubernetes pour automatiser le déploiement, la mise à l'échelle et la gestion des conteneurs,
garantissant ainsi une haute disponibilité et une robustesse de la plateforme même sous des charges
importantes.
Différentestechnologies et techniques utilisées:
• Langage de programmation : Python pour le développement des modules backend de la plateforme.
• Vector Store : ChromaDB et FAISS pour le stockage et la gestion des embeddings des documents.
• Modèles de langage : Llama 2, Llama 3, Mistral, intégrés via Langchain pour l'analyse des documents.
• Gestion des tâches : VLLM pour la parallélisation des traitements sur les modèles LLM.
• Framework web : Flask pour le développement de l'API RESTful.
• Conteneurisation : Docker pour le déploiement et la gestion de la plateforme dans des environnements isolés
• Orchestration : Kubernetes pour automatiser le déploiement, la gestion et la mise à l'échelle des conteneurs.
COGNIWAVE DYNAMICS Paris, Luxembourg, Oct. 2022 - Auj.
Consultant Data (NLP / Python) / Ingénieur informatique
Projet : Classification automatique des CV et le matching entre le poste et le profil
• Conception et développement d'un système automatisé pour la classification des CV et le matching avec les
postes appropriés.
• Utilisation de techniques d'apprentissage automatique et de Traitement du Langage Naturel (NLP) pour analyser
les CV et les offres d'emploi.
• Objectif: Améliorer et optimiser le processus de recrutement en identifiant les candidats les mieux adaptés aux
postes disponibles.
• Création d'un modèle de Machine Learning pour classifier automatiquement les CV en fonction de différentes
catégories : compétences, expérience, domaine d'expertise, etc.
• Développement d'un algorithme de matching intelligent pour associer automatiquement les candidats aux
postes correspondants.
Différentestechnologies et techniques utilisées :
• Langage de programmation: Python pour le développement des différents modules du projet.
• Base de données: Utilisation de MongoDB, système de gestion de base de données NoSQL, pour stocker les CV,
les informations des candidats et les offres d'emploi.
• Framework web: Mise en place de l'API avec Flask pour interagir avec la base de données et effectuer les
opérations de classification et de matching.
• Traitement du Langage Naturel (NLP): Utilisation de bibliothèques telles que NLTK (Natural Language Toolkit)
pour le prétraitement des données textuelles et l'extraction d'informations pertinentes.
• Docker : Création de conteneurs Docker pour encapsuler l'application et ses dépendances, facilitant ainsi le
déploiement de l'application dans des environnements isolés et assurant sa portabilité sur différentes platesformes.
• FrontEnd: Conception de l'interface utilisateur avec HTML, CSS et JavaScript.
• Hébergement en production : Mise en production de l'application sur un serveur web, avec configuration
avancée des serveurs Nginx pour gérer le trafic entrant et sortant.
Projet : Développement d'un Chatbot pour l'Analyse et le Traitement Automatisé des CV en Utilisant les LLM avec la
méthode RAG
• Conception et mise en œuvre d'un système automatisé basé sur la méthode RAG (Retriever Augmented
Generation) pour le traitement et l'analyse avancée des CV.
• Utilisation des modèles de langage (Llama2) et de la méthode RAG pour construire un chatbot capable de
répondre aux questions des recruteurs sur les profils des candidats, de synthétiser les informations extraites des
CV et d'extraire des éléments clés tels que les expériences, les certifications et le nombre d'années d'expérience.
• Objectif : Améliorer l'efficacité du processus de recrutement en fournissant un outil intelligent capable d'analyser
et de synthétiser rapidement les informations pertinentes à partir des CV des candidats.
• Utilisation d'un modèle de langage LLM (Large Language Model) Llama 2 pour répondre de manière précise et
contextuelle aux requêtes des recruteurs, en utilisant la méthode RAG adaptée à notre contexte spécifique.
Différentestechnologies et techniques utilisées:
• Langage de programmation : Utilisation de Python pour le développement de l'ensemble des modules du projet,
y compris l'implémentation de la méthode RAG et l'intégration des modèles de langage.
• Vector Store : Utilisation de Chromadb comme système de stockage des embeddings des CV, permettant un
accès rapide et efficace aux données encodées.
• Bibliothèques spécialisées : Intégration de bibliothèques telles que Langchain qui facilite l'intégration de ces
modèles dans divers types d'applications, comme les chatbots, les assistants intelligents, les outils de traduction
automatique et de génération de contenu.
Wanasis Solutions Constantine, Algérie, Juin 2020 - Sept. 2020
Développeur Frontend (stage)
Projets: Interface Intuitive de Définition de Règles Métier
• Conception d'une interface utilisateur hautement intuitive pour les systèmes de gestion de règles métier, avec
un accent sur la facilité d'utilisation et l'accessibilité.
• Objectif: Permettre aux utilisateurs novices en codage de définir aisément les règles métier sans connaissances
techniques approfondies.
• Contribution à l'amélioration de l'expérience utilisateur en rendant le processus de définition des règles métier
plus simple et convivial.
Technologies utilisées:
• Langages : HTML, CSS et JavaScript (Vue.js) ont été employés pour développer une interface web réactive et
interactive.
• Frameworks: Vue.js Utilisé comme framework frontend pour créer des composants réutilisables et faciliter la
gestion de l'état de l’application.
• Tests: Des tests d'interface ont été réalisés pour garantir la qualité et la fonctionnalité de l'application.