Data Scientist

Contribution au déploiement et à l'opérationnalisation de systèmes basés sur le machine learning et les LLM au sein de Quantum Arise.

• A contribué au déploiement et à l'opérationnalisation de systèmes de machine learning et basés sur des LLM, en travaillant sur l'ensemble du cycle de vie MLOps et DevOps.
• A soutenu la conception de pipelines CI/CD, les flux de travail de déploiement de modèles et l'automatisation de l'infrastructure pour les systèmes ML de production.

Intervention en tant qu'instructeur pour former des apprenants professionnels et académiques aux métiers de la donnée.

• A enseigné le Machine Learning, le Deep Learning, la création de tableaux de bord, les bases de données, l'analyse de données, le développement logiciel, les statistiques et les méthodologies de recherche.

Analyse des données de vente au détail au sein de l'AIMS afin d'identifier les moteurs et les freins de la rentabilité globale.

• A analysé des données de vente au niveau des commandes (ventes, bénéfices, remises, catégories, segments, régions) pour identifier quelles catégories de produits, segments de clients et régions généraient ou réduisaient la rentabilité globale.
• A mis en évidence des gammes de produits à fortes ventes mais déficitaires en raison de remises importantes, et a traduit ces résultats en recommandations claires et priorisées pour la direction.
• A construit des visualisations pour communiquer les facteurs de rentabilité à travers les catégories et les régions aux parties prenantes non techniques.

Conception de l'architecture de données et des spécifications pour le développement d'un système de réservation de rendez-vous sous forme de MVP.

• A conçu le schéma de données (diagramme entité-relation) pour les services, les créneaux, les utilisateurs et les rendez-vous afin de prendre en charge une application de planification adossée à PostgreSQL.
• A défini les exigences fonctionnelles et les parcours utilisateurs pour les vues de réservation orientées client et les vues de calendrier orientées fournisseur, garantissant la disponibilité en temps réel et l'intégrité des données.
• A documenté les instructions d'installation et d'utilisation (guide de démarrage rapide) pour favoriser la reproductibilité et l'intégration des parties prenantes.

Projet de recherche portant sur l'impact de jeux de données d'échographies mammaires limités sur les performances de segmentation par deep learning.

• A examiné l'impact de jeux de données d'échographies mammaires annotés et limités sur les performances de segmentation par apprentissage profond.
• A exploré des approches génératives pour synthétiser des images d'ultrasons réalistes et des annotations de lésions pour l'augmentation de données.
• A évalué comment l'augmentation de données synthétiques améliore la précision, la robustesse et la généralisation des modèles automatisés de segmentation des lésions, contribuant ainsi à un cadre d'apprentissage profond économe en données.