Ingénierie IA & data
Data science et machine learning
Expérimentation, classification, NLP, vision, évaluation de modèles et aide à la décision explicable.
Un rang explicable, relié à la preuve du CV.
Le score additionne expérience documentée, confiance, force de preuve et étendue des compétences explicitement citées. Il reste conservateur lorsque la preuve publique est incomplète.
- Preuve principale
- Notebooks, supports pédagogiques, dépôts et livrables; la date du premier notebook reste à consolider.
- Expérience
- 4+ ans · 32 pts
- Confiance
- 12 pts
- Preuve · étendue
- 13 + 6 pts
- Scikit-learn
- PyTorch
- TensorFlow
- BERT
- Computer vision
- Explainability
Transformer cette capacité en résultat de mission.
Data Engineering & Evidence Architecture
Transformer des données dispersées en décisions traçables et réutilisables.
Voir le servicePVPharmacovigilance Data Engineering
Accélérer la détection et le traitement des signaux sans transférer le jugement de sécurité à un modèle ou à un dashboard.
Voir le serviceHTHealthTech & PharmaTech Product Engineering
Transformer les décisions du client pharma en fonctionnalités dont les preuves, permissions, validations et responsabilités sont conçues avec le produit.
Voir le serviceDSDecentralized Science & Verifiable Research Infrastructure
Protocoles et infrastructures de recherche où la provenance, le calcul, l’attribution et la validation deviennent inspectables par un tiers nommé, sans transformer des données sensibles en données publiques.
Voir le servicePointer vers l’unité qui démontre cette capacité.
Les liens de parcours ciblent une preuve atomique, pas l’expérience entière : ils peuvent être réutilisés depuis toute autre page sans dupliquer le contenu.
Expérimentation data et machine learning
Structuration d’expérimentations data et ML pour transformer une hypothèse en résultat analysable.
Dans : Consultant indépendant AI, Data et Software EngineeringPédagogie data et machine learning
Transformation de notions data et ML en séquences pédagogiques vérifiables par l’évaluation.
Dans : Formateur informatique — Python, cybersécurité, data et blockchainRecherche en machine learning confidentiel
Application de méthodes ML à des contextes scientifiques et médicaux soumis à des contraintes de confidentialité.
Dans : Expert technique — privacy-preserving machine learningTraitement de données biologiques
Traitement de données biologiques pour soutenir l’analyse et l’optimisation des pratiques.
Dans : CHU de Strasbourg — radiopharmaciezkML Bootcamp
mars 2024 – avr. 2024 · Encode Club