Data Engineer

Intégration de l'équipe de Nricher afin de participer au développement et à la maintenance de pipelines de données et de classification automatisée.

• Développement et maintenance de pipelines de collecte de données web avec Scrapy.
• Développement de librairies internes.
• Implémentation d'algorithmes de Machine Learning, expressions régulières, Deep Learning et NLP pour classer automatiquement les produits.
• Extraction des caractéristiques des produits à partir des titres et descriptions.
• Conception d'un pipeline RAG pour extraire automatiquement des caractéristiques produits à partir de données textuelles non structurées.

Réalisation d'un stage au sein de SNCF Réseau - DGEX Solutions pour travailler sur la modélisation et l'optimisation de problèmes de transport.

• Modélisation du Vehicle Rescheduling Problem (VRSP) à partir de la compétition Flatland (CFF & AICrowd).
• Développement de modèles de recherche opérationnelle et d'un environnement expérimental basé sur la librairie Flatland.
• Implémentation et expérimentation de méthodes de Reinforcement Learning, notamment DDDQN et PPO.
• Amélioration de l'environnement de simulation Flatland par la configuration des agents et des scénarios personnalisés.

Participation à des activités de recherche au sein du CIRRELT de l'Université Laval axées sur l'optimisation appliquée à l'industrie du bois.

• Étude et implémentation de méthodes d'optimisation pour différentes variantes du Cutting Stock Problem appliqué à l'industrie du bois (espaces irréguliers, multi-dimensions).
• Développement en C++ d'un algorithme basé sur la programmation dynamique pour la résolution exacte.
• Conception et implémentation d'un algorithme génétique pour des instances de grande taille.
• Réalisation d'une analyse comparative des performances entre approches exactes et heuristiques.