Pankaj Kumar

Ingénieur IA/ML spécialisé dans la construction de systèmes d’IA intelligents et évolutifs utilisant l’apprentissage automatique, l’apprentissage profond et les grands modèles de langage (LLM). Expérimenté dans le développement d’applications IA de bout en bout, incluant le développement et l’ajustement fin de LLM, la personnalisation de modèles GPT, Claude et LLaMA, l’ingénierie des prompts, l’optimisation des prompts, les systèmes de génération augmentée par récupération (RAG), ainsi que le déploiement et l’optimisation à grande échelle de LLM.

Une solide expertise en traitement du langage naturel (NLP), incluant la classification de texte, l’analyse de sentiment, la reconnaissance d’entités nommées (NER), la traduction automatique, l’IA conversationnelle et le développement de chatbots. Compétent dans des tâches de vision par ordinateur telles que la détection d’objets, la reconnaissance d’objets, la segmentation d’images, la classification d’images, l’analyse vidéo, le suivi d’objets et l’optimisation du déploiement par IA en périphérie.

Expérimenté dans la conception d’architectures de deep learning, incluant CNN, RNN et modèles basés sur Transformers, avec une solide connaissance de l’apprentissage par transfert, du fine-tuning de modèles, de l’optimisation des réseaux neuronaux, de la compression de modèles et du développement d’architectures d’apprentissage profond personnalisé. Il possède également une expérience dans les technologies d’IA générative telles que les GAN, les Autoencodeurs variationnels (VAE), les modèles de diffusion, la génération texte-image, la génération image-image, les applications artistiques IA et la personnalisation de la diffusion stable.

Expérience pratique en apprentissage par renforcement, incluant l’optimisation des politiques, les systèmes d’apprentissage par renforcement multi-agents, les algorithmes de contrôle robotique et le développement d’IA de jeux. Il a également une expérience des séries temporelles et des systèmes de prévision, notamment la modélisation financière, la prévision boursière, la prévision de la demande, la détection d’anomalies et l’analyse séquentielle des données.

Compétent dans le déploiement de systèmes MLOps et IA, y compris les pipelines CI/CD pour les modèles d’apprentissage automatique, la surveillance de modèles, la réentraînement de modèles, le suivi d’expériences et l’optimisation d’infrastructures évolutives via des plateformes cloud. Expérimenté avec les technologies de conteneurisation et d’orchestration telles que Docker et Kubernetes, ainsi que des outils de suivi d’expériences tels que MLflow et Weights & Biases.

Compétent dans les frameworks et bibliothèques modernes d’IA/ML, notamment PyTorch pour la recherche et les systèmes de production en apprentissage profond, TensorFlow et Keras pour le déploiement d’IA en entreprise, Hugging Face Transformers pour le développement de modèles LLM et NLP, OpenCV pour les applications de vision par ordinateur, scikit-learn pour les algorithmes classiques d’apprentissage automatique, et JAX pour la recherche en apprentissage automatique haute performance.

Expérimenté avec les infrastructures d’IA basées sur le cloud, incluant AWS SageMaker, Google Cloud AI Platform avec accélération TPU et capacités AutoML, ainsi que Azure Machine Learning pour solutions d’IA de niveau entreprise.