Je suis ingénieur en apprentissage automatique et data scientist avec une solide formation en mathématiques et plusieurs années d’expérience pratique dans des projets de production.
Je construis des solutions ML de bout en bout – des données brutes et de la recherche aux modèles déployables et aux rapports clairs que les parties prenantes non techniques peuvent utiliser.

Prévisions de séries chronologiques pour la vente au détail et la logistique (TSMixer, Prophet, LSTM, modèles statistiques classiques).
Dans mon précédent poste, j’ai amélioré la précision des prévisions d’offre d’environ 15 %, ce qui a réduit les ruptures de stocks et les surstocks.

Vision par ordinateur et scènes 3D : Splatting gaussienne à l’échelle de la ville, traitement de cartes de profondeur, reconstruction par images et amélioration de la qualité de grandes scènes (jusqu’à ~200 millions de Gaussiens).

ML classique pour la régression et la classification (Gradient Boosting, Random Forest, k-NN et autres) avec scikit-learn et PyTorch.

Ingénierie des données pour le ML : collecte de données à partir de bases de données et API, nettoyage et validation, ingénierie de fonctionnalités, analyse exploratoire des données, tableaux de bord dans Power BI.