Modeling, Architecture de solutions data et déploiement de modèles ML en production
Lead technique sur le développement d'un produit ML complet pour la détection d'objets et la segmentation sémantique en temps réel à la périphérie. Architecture de solution data avec DynamoDB et inférence à la périphérie dans une architecture hexagonale.
Point focal produit sur le périmètre data. Architecture de solution avec Azure Functions durables, ingestion incrémentale et TimescaleDB. Création d'un modèle de correction de points de changement en streaming avec techniques avancées.
Point focal produit sur le périmètre data pour le cycle 2. Architecture de solution utilisant Databricks pour l'inférence par lots, Azure Data Factory et base de données PostgreSQL. Création d'un modèle de détection d'anomalies sur séries temporelles.
Mise en place de pipelines d'entraînement versionnés et déployés en continu sur AWS Sagemaker et Azure ML. Intégration de multiples frameworks (TensorFlow, PyTorch) et optimisation avec ONNX pour le déploiement en production.
DataStudio - Exploration Data
Conduite d'analyses pour identifier les causes racines d'événements en utilisant des techniques avancées comme la corrélation de Pearson, les transformations polynomiales et la classification multivariée supervisée.
DataStudio - Exploration Data
Développement d'une application Streamlit pour l'analyse exploratoire des données et l'optimisation des émissions de CO2, permettant d'identifier les leviers d'action les plus efficaces.
DataStudio - Exploration Data
Résolution d'un problème de tournées de véhicules avec fenêtres temporelles (Time Window VRP) pour l'optimisation des livraisons, en utilisant OR-Tools pour la modélisation et la résolution.
DataStudio - Exploration Data
Application de techniques de clustering pour identifier des profils types dans les courbes de charge, permettant une meilleure compréhension des comportements de consommation et l'optimisation des ressources.
TDF - Organisation
Mise en place d'une communauté de pratique Data au sein de TDF, incluant le recrutement, l'organisation de l'équipe Data et la définition des processus et méthodologies.
In this article, we will help you to migrate your project based on poetry to uv. It is quite simple because both dependency managers are…
Lire sur MediumExploration des techniques de visualisation 3D pour l'estimation de profondeur avec ZoeDepth, un modèle état de l'art pour la perception de profondeur monoculaire.
Lire sur MediumGuide pratique pour l'utilisation de l'API Python d'OpenAI avec des prompts multi-images, permettant de combiner vision et langage dans les applications d'IA.
Lire sur MediumRéflexion sur l'importance de la propriété collective dans les équipes techniques et comment elle favorise l'innovation et la qualité des produits.
Lire sur MediumAnalyse approfondie du TimeSeriesForestClassifier de Sktime et méthodes pour améliorer la compréhension des caractéristiques extraites des séries temporelles.
Lire sur MediumTechniques pour calculer et interpréter l'importance des caractéristiques dans les modèles TimeSeriesForestClassifier, améliorant l'explicabilité des prédictions.
Lire sur MediumGuide pratique pour créer un moteur de recherche personnalisé avec Sphinx, permettant d'indexer et de rechercher efficacement dans de grandes quantités de données.
Lire sur MediumAnalyse des défis et pièges liés au rééchantillonnage des séries temporelles, avec des solutions pratiques pour éviter les erreurs courantes dans l'analyse de données temporelles.
Lire sur MediumMéthodologie complète pour l'évaluation de bout en bout des algorithmes de détection d'anomalies, avec comparaison des performances et recommandations pratiques.
Lire sur MediumIntéressé par la collaboration sur des projets d'architecture de solutions data, de ML en production ou d'analyse de séries temporelles ? N'hésitez pas à me contacter.