Je suis ingénieur Big Data et IA/ML avec 14+ ans d’expérience en informatique, spécialisé dans la conception et la mise en œuvre de plateformes de données évolutives, robustes, en temps réel et quasi-temps réel, à travers des architectures Hadoop et natives cloud. J’ai une vaste expérience dans le travail avec des systèmes de données à grande échelle et à haut débit, traduisant des exigences métier complexes en solutions performantes, fiables et maintenables.

Ingénierie des données et analytique :

J’ai conçu et livré des cadres d’ingénierie des données de bout en bout utilisant des technologies telles que Spark, Kafka, Presto, Hive, HBase, Sqoop, Airflow et Oozie, permettant une ingestion, une transformation, une analyse et une exploration efficaces de données à grand volume et à grande vitesse.
J’apporte un fort état d’esprit analytique à l’exploration des données, à l’analyse et à la gouvernance des données, garantissant la qualité, la cohérence et l’utilisabilité des données pour les consommateurs en aval, y compris les plateformes BI, les pipelines d’apprentissage automatique et les systèmes de décision en temps réel.

Conception et architecture système :

Je suis spécialisé dans la conception de systèmes robustes, en possédant tout le cycle de vie des plateformes modernes de données et d’IA. Mon expérience couvre la conception d’intégrations front-end responsives, la création de microservices backend évolutifs et l’orchestration de déploiements haute disponibilité sur Kubernetes. J’ai une expertise pratique dans la configuration de composants complexes de réseaux et de systèmes distribués afin d’assurer un flux de données fluide et fiable à travers toute la pile.

Intelligence artificielle et systèmes avancés d’IA :

Au fil du temps, mon rôle a évolué, passant de l’ingénierie des données de base à la conception de systèmes et de plateformes pilotés par l’IA. J’ai acquis une solide expertise en apprentissage automatique, apprentissage profond et apprentissage par renforcement.
J’ai travaillé sur plusieurs cas d’usage comme
- Classification et segmentation d’images utilisant des modèles basés sur CNN (YOLO) et des transformateurs de vision (ViT)
- Solutions traditionnelles de ML
- Architectures d’IA générative et d’IA agentique, avec un accent sur l’intégration de systèmes de raisonnement intelligents avec des plateformes de données évolutives afin de construire des solutions d’IA autonomes, axées sur la décision et de qualité production