Je conçois et développe des solutions Data et IA fiables : architecture et traitement des données, entraînement de modèles, développement d’APIs et déploiement en production.
Je combine data science, data engineering et AI engineering pour concevoir des systèmes qui passent fluidement de la donnée brute à une intelligence fiable.
Transformer des jeux de données complexes en insights prédictifs, modèles intelligents et valeur business mesurable.
Concevoir des plateformes de données fiables et des pipelines scalables qui transforment la donnée brute en actifs prêts pour la production.
Construire des systèmes d'IA en production en connectant modèles, données, APIs et infrastructure cloud.
Concevoir des architectures cloud-native pour l'analytique, l'observabilité, l'automatisation et des applications intelligentes.
Data Science/Data Engineering/Intelligence Artificielle
Une sélection de projets en Data Engineering, Machine Learning et AI Engineering, allant des plateformes de données temps réel aux systèmes RAG, MLOps, architectures cloud et solutions intelligentes basées sur la simulation et l’optimisation.
Conception et développement d’une plateforme Data Engineering distribuée pour l’ingestion et le traitement de données en temps réel avec Apache Airflow, Kafka et Spark Structured Streaming. Mise en œuvre de contrats de données Avro avec Schema Registry, validation et mise en quarantaine des données invalides, analytics streaming et stockage Parquet sur MinIO/S3. Architecture orientée production avec cluster Kafka multi-broker, cluster Spark distribué, observabilité Prometheus/Grafana, authentification et ACL Kafka, tests automatisés, Docker et pipelines CI/CD avec GitHub Actions.
Conception et développement d’une plateforme MLOps end-to-end pour l’entraînement, l’évaluation, le déploiement et le monitoring d’un modèle de classification du cancer du sein avec scikit-learn. Mise en œuvre d’un pipeline ML reproductible avec validation et prétraitement des données, évaluation du modèle, suivi des expériences et gestion des modèles avec MLflow. Développement d’une API d’inférence avec FastAPI exposant les prédictions et probabilités, complétée par une observabilité avec Prometheus et Grafana. Architecture orientée production avec Docker, tests unitaires et d’intégration automatisés et pipeline CI/CD avec GitHub Actions.
Conception et développement d’un système RAG multilingue (FR/EN) avec Python, FastAPI, Pydantic, PostgreSQL/pgvector, embeddings, recherche vectorielle et APIs LLM (Gemini/OpenAI), avec réponses en streaming et citations structurées des sources. Développement d’un pipeline RAG end-to-end et d’un framework d’évaluation couvrant la qualité du retrieval (Hit@K, Recall@K, MRR), la fidélité aux sources (groundedness), l’exactitude des citations, la complétude et la pertinence des réponses, la gestion de l’incertitude et la cohérence multilingue FR/EN. Mise en œuvre de pratiques d’AI/Software Engineering orientées production : architecture modulaire et provider-agnostic, PostgreSQL/pgvector, Docker, Alembic, pytest (575+ tests), Ruff et seuils de régression pour le suivi automatisé de la qualité du système.
Conception d’une architecture Data Lakehouse cloud-native sur AWS pour centraliser, transformer, cataloguer et analyser des données provenant de sources multiples. Les données sont stockées dans Amazon S3, transformées via des pipelines ETL avec AWS Glue et organisées dans un catalogue de données pour faciliter leur découverte et leur gouvernance. Amazon Athena permet l’analyse serverless directement sur le Data Lake, tandis qu’Amazon Redshift fournit une couche analytique dédiée aux workloads Data Warehouse. L’infrastructure est définie et automatisée avec Terraform afin de garantir un déploiement reproductible et une architecture évolutive.
Conception d’une plateforme de jumeau numérique pour la supervision, la simulation et l’optimisation de systèmes énergétiques intelligents. L’architecture combine l’acquisition de données en temps réel, des modèles de Machine Learning et des mécanismes de simulation afin de reproduire le comportement d’équipements physiques, analyser leur état et anticiper leur évolution. Une API FastAPI assure l’accès aux données et aux modèles, MongoDB gère les données opérationnelles et Three.js permet de visualiser interactivement les équipements et leurs états. L’ensemble est conteneurisé avec Docker pour fournir une architecture modulaire et reproductible.
Conception d’un moteur intelligent pour prévoir, simuler et optimiser la production de systèmes d’énergies renouvelables. La solution combine des modèles de Machine Learning avec TensorFlow, l’analyse de données avec Pandas et des algorithmes d’optimisation afin d’exploiter les données historiques et opérationnelles, anticiper la production énergétique et identifier des stratégies d’exploitation plus efficaces. Une approche Digital Twin permet de simuler différents scénarios avant leur application, tandis que des services AWS fournissent l’infrastructure nécessaire au stockage et au traitement des données.
Des pipelines de données et systèmes de machine learning aux applications d'IA et jumeaux numériques intelligents.
Un parcours à la croisée de la data science, du développement logiciel, du machine learning, du cloud et du MLOps, avec une approche orientée vers la conception de solutions robustes et industrialisables.
Conception et développement de solutions data et logicielles de bout en bout : architecture, data engineering, machine learning, MLOps, APIs, infrastructure cloud et déploiement.
Développement d'un assistant conversationnel RAG avec ingestion documentaire, embeddings, Redis Vector Search, FastAPI, LLM avec tool calling, validation Pydantic et streaming SSE en temps réel.
Développement de Qardyl, une application full-stack sur AWS avec React, TypeScript, Python, API Gateway, DynamoDB, S3, CloudFront, Cognito, IAM, SES et GitHub Actions.
Développement de solutions Data Science et Machine Learning avec un focus sur l'analyse statistique, la modélisation prédictive et le traitement de séries temporelles industrielles.
Développement de modèles de Machine Learning pour Fabemi afin d'identifier les facteurs influençant les performances des presses vibrantes et de prédire les temps de recette.
Contribution au projet SmartForest à travers le choix des technologies, la conception de la plateforme data ainsi que le développement d'interfaces de suivi et de visualisation.
Développement d'un proof of concept SmartForest consacré à la détection d'anomalies et à l'analyse prédictive sur des systèmes industriels.
Application de méthodes de Machine Learning et d'approches statistiques pour identifier les comportements anormaux dans les données industrielles.
Exploration d'approches de maintenance prédictive pour contribuer à la détection précoce des défaillances potentielles des équipements.
Développement de modèles statistiques et prédictifs appliqués à l'étude d'événements non liés à la communication et aux comportements d'achat.
Application de méthodes d'analyse de données et de modélisation statistique afin d'identifier des tendances et des relations dans les données historiques.
Mise en œuvre d'approches de prévision pour améliorer la prédiction des achats et contribuer à l'optimisation de la gestion des stocks.
Réalisation d'analyses statistiques et de prévisions sur les naissances, les décès et les migrations nettes à partir de données démographiques.
Contribution à des études de projection démographique et à l'analyse des tendances d'évolution de la population.
Participation à des travaux d'analyse de la qualité de l'air urbain et à des études statistiques destinées à soutenir la prise de décision.
Une base académique en statistiques et data science, complétée par un apprentissage continu en ingénierie logicielle, big data, intelligence artificielle et technologies cloud.
Formation avancée en data science, modélisation statistique, machine learning, analyse de données et méthodes quantitatives.
Formation en statistiques, probabilités, modélisation mathématique, analyse de données et calcul statistique.
Développement logiciel
HTML5, CSS3, JavaScript, React, Node.js, Express, MongoDB, APIs REST et développement web full-stack.
Colt Steele
Développement Python
Programmation Python, programmation orientée objet, automatisation, APIs, développement web et développement logiciel.
Andrei Neagoie
Docker & Kubernetes
Docker, Docker Compose, projets multi-conteneurs, déploiement et fondamentaux de Kubernetes.
Maximilian Schwarzmüller
Badges de compétences couvrant les fondamentaux d’AWS, l’architecture, les réseaux, le serverless et la migration de données.
Une expertise multidisciplinaire combinant data science, machine learning, ingénierie IA, data engineering, cloud et développement logiciel.
Je combine expertise technique et approche d'ingénierie de bout en bout : transformer les données brutes en modèles fiables, applications intelligentes, plateformes data évolutives et systèmes IA prêts pour la production.
Conception d'architectures évolutives pour les données, le machine learning et les applications IA, de l'expérimentation à la production.
Conception de workflows data et de solutions analytiques permettant de transformer des données complexes en informations exploitables.
Développement de modèles prédictifs, séries temporelles, détection d'anomalies et approches d'optimisation.
Développement de systèmes LLM, RAG et IA générative avec recherche documentaire, tool calling et APIs de production.
Conception de pipelines batch et streaming pour l'ingestion, la transformation, le traitement et la supervision des données.
Automatisation des workflows ML, déploiement, supervision et mise en place d'environnements machine learning reproductibles.
Conception et déploiement de solutions cloud évolutives avec AWS, conteneurs, services serverless et infrastructure managée.
Développement de services backend, APIs et applications full-stack maintenables autour de cas d'usage data et IA.
Des fondations data aux systèmes intelligents en production
Vous avez un projet, une idée de recherche, un défi lié aux données ou un système d'IA en tête ? Échangeons sur la manière de transformer votre idée en une solution fiable.
