AI Engineer - Data Scientist

Intégration de l'équipe IA en tant qu'ingénieur IA et data scientist en alternance chez SNCF Réseau pour concevoir et mettre en production un assistant IA avancé destiné à transformer la consultation de contrats d'entreprise d'une manière conversationnelle utile et pertinente.

• Conception et déploiement d'une architecture Agentic RAG permettant l'analyse conversationnelle et la recherche intelligente de documents contractuels.
• Développement de l'assistant IA local utilisant LangGraph pour orchestrer les flux d'agents complexes.
• Intégration et optimisation de Mistral comme modèle de base pour l'inférence efficace et la réduction de latence avec vLLM.
• Mise en place du monitoring et du prompt engineering pour garantir la qualité et la robustesse des réponses.
• Déploiement de la solution via AWS et configuration de Qdrant comme base vectorielle pour la recherche hybride.
• Sécurisation de la chaîne de traitement en intégrant les meilleures pratiques de data privacy et AI gouvernance.

Réalisation d'un projet de fin d'études en tant que data scientist et ingénieur IA pour automatiser et renforcer les capacités d'analyse de données internes.

• Développement d'un chatbot IA spécialisé en data science capable d'assister les missions de traitement, analyse et science de données.
• Intégration et fine-tuning de Llama-3-70b et OpenAI/GPT-4 pour optimiser la pertinence des réponses métier.
• Orchestration des flux complexes du chatbot en utilisant LangChain et AutoGen pour une automatisation robuste.
• Implémentation des meilleures pratiques de prompt engineering pour garantir des résultats alignés avec les besoins data.

Contribution au développement d'une plateforme innovante dédiée au diagnostic dentaire automatisé par détection céphalométrique.

• Conception et implémentation d'un modèle de deep learning basé sur PyTorch, VGG19, et techniques de computer vision pour la détection automatique des points céphalométriques.
• Développement du pipeline complet de traitement d'images médicales utilisant Scikit-Learn pour le machine learning et validation des détections.
• Création d'une interface utilisateur interactive avec Streamlit et Matplotlib pour la visualisation et l'analyse des résultats de diagnostic.