Data Scientist Machine Learning Deep Learning

Conception et développement d'un assistant IA juridique basé sur une architecture Retrieval-Augmented Generation (RAG) permettant d'interroger une base documentaire juridique.

• Architecture RAG fiable et traçable pour interroger des bases documentaires juridiques.
• Système capable de fournir des réponses contextuelles et fiables basées sur la documentation juridique.
• Intégration de modèles de langage et de mécanismes d'embeddings pour l'accès intelligent aux données.

Conception et développement d'un CRM de pilotage de l'activité commerciale d'un réseau de vendeurs Free mobile et box, accompagnant l'ensemble du parcours du recrutement à la facturation.

• Backend développé avec Node.js, Express et TypeScript, avec API REST sécurisées incluant gestion des rôles, permissions et authentification par sessions.
• Base de données PostgreSQL optimisée avec Drizzle ORM pour la gestion des données métier complexes.
• Intégration de fonctionnalités d'IA générative (OpenAI, Gemini) et d'OCR (Tesseract) pour l'automatisation du traitement documentaire et l'assistance comptable.
• Traitements temps réel via WebSocket et intégration des APIs Google Calendar pour la synchronisation calendaire.
• Tableaux de bord analytiques permettant le suivi des performances commerciales, des commissions et des indicateurs métiers.
• Notifications par email (Nodemailer/SendGrid) et génération de documents PDF/CSV/SEPA.
• Automatisation des traitements documentaires pour améliorer l'efficacité opérationnelle.

Conception et développement d'une solution d'extraction automatique de données à partir de documents via API OCR pour traitement et intégration dans des systèmes tiers.

• Solution OCR pour l'extraction automatique de données à partir de PDF et d'images.
• API REST pour le traitement et l'intégration des données documentaires.
• Pipelines de traitement documentaire et de prétraitement d'images.
• Structuration des données au format JSON pour leur intégration fluide dans les systèmes tiers.

Développement d'un modèle de Deep Learning pour détecter différents stades de démence à partir d'IRM cérébrales, en intégrant une approche interdisciplinaire et en documentant les choix méthodologiques.

• Conception et entraînement de modèles de Deep Learning (VGG19, ResNet50) pour la classification des stades de démence.
• Prétraitement des images et équilibrage des classes par sur-échantillonnage.
• Préparation des jeux de données d'entraînement, validation et test selon les standards scientifiques.
• Documentation de l'ensemble des choix méthodologiques, métadonnées et modèles en cohérence avec les standards SHS.
• Analyse critique des données d'entrée en identifiant les biais, la représentativité et les variables sensibles.
• Évaluation des modèles à l'aide de métriques de classification (accuracy, précision, rappel, matrice de confusion).

Étude combinant analyses statistiques et revue de littérature scientifique sur la relation entre l'exposition au dioxyde de soufre (SO2) et le risque de cancer du poumon chez les travailleurs des usines de pâtes et papiers.

• Collecte et structuration des données de santé en tenant compte des enjeux éthiques associés.
• Analyses statistiques pour identifier les relations entre l'exposition au SO2 et le risque de cancer.
• Revue de littérature scientifique approfondie.
• Documentation de l'ensemble des méthodes et résultats de manière reproductible.
• Recommandations formulées sur la base des résultats analytiques.

Analyse et classification des pays selon des indicateurs de développement durable, en combinant préparation de données, analyse descriptive et réduction de dimension.

• Préparation et nettoyage d'un jeu mondial d'indicateurs en gérant l'encodage, les valeurs manquantes et la normalisation.
• Analyse descriptive et matrice de corrélations pour identifier les relations clés entre indicateurs d'énergie, santé, éducation et CO₂.
• Réduction de dimension (ACP/PCA) et classification (K-means) pour regrouper les pays par profil.
• Détermination du nombre optimal de clusters pour segmenter les profils de développement.
• Analyse des caractéristiques de chaque cluster et recommandations ciblées formulées.
• Production de code reproductible et de visualisations pour la restitution des résultats.

Développement d'un modèle prédictif de détection du risque de défaut de paiement et déploiement d'une application interactive d'aide à la décision.

• Analyse exploratoire des données bancaires.
• Prétraitement et préparation des données pour la modélisation.
• Développement et optimisation d'un modèle prédictif de détection de fraude.
• Validation et évaluation des performances du modèle avec les métriques appropriées.
• Déploiement d'une application interactive avec Streamlit pour l'aide à la décision.

Intégration de l'équipe de recherche du CNRS pour valider une approche innovante combinant fluorescence en temps résolu (TRF) et intelligence artificielle pour la surveillance en temps réel de polluants dans les effluents industriels et municipaux.

• Reprise d'une base de code scientifique existante et assurance de la continuité des travaux.
• Prétraitement des images et équilibrage des classes par sur-échantillonnage.
• Préparation des jeux d'entraînement, validation et test pour la modélisation.
• Développement et comparaison de modèles de Deep Learning basés sur VGG16 et Xception avec transfert d'apprentissage.
• Optimisation des performances grâce à des mécanismes de régularisation (Dropout, bruit gaussien) et d'attention, atteignant jusqu'à 91 % de précision avec Xception.
• Évaluation des modèles avec des métriques de classification (accuracy, précision, rappel, matrice de confusion).
• Développement d'une solution OCR pour l'extraction automatique de données à partir de PDF et d'images.
• Conception d'une API REST pour le traitement et l'intégration des données.
• Mise en place de pipelines de traitement documentaire et de prétraitement d'images.
• Structuration des données au format JSON pour leur intégration dans des systèmes tiers.
• Travail sur l'analyse de données spectrales et la spectrométrie des masses.
• Application de méthodes d'ajouts dosées et automatisation des expériences avec Opentrons.
• Utilisation de plusieurs librairies Python (NumPy, Pandas, Scikit-image, Scikit-learn, OpenCV, Matplotlib, Seaborn).
• Gestion de l'augmentation et du traitement de données déséquilibrées.
• Mise en place de pipelines d'identification et de quantification.