Description

Data Scientist freelance – IA, Machine Learning & Modélisation avancée

Je vous aide à exploiter vos données pour créer de la valeur grâce à des solutions sur mesure en intelligence artificielle, statistiques et simulation.

Formé en Génie Physique et Statistiques, avec une spécialisation en IA et mathématiques appliquées, j’allie rigueur scientifique et sens pratique pour transformer des problématiques complexes en modèles performants et interprétables.

Ce que je peux vous apporter :

- Développement de modèles Machine Learning / Deep Learning adaptés à vos données (classification, régression, détection d’anomalies, NLP, etc.)

- Mise en place de pipelines de data science (préparation, feature engineering, validation, industrialisation)

- Simulation et modélisation physique ou statistique pour des applications industrielles ou R&D

- Visualisation et interprétation des résultats pour une prise de décision éclairée

Quelques exemples de réalisations :

- Détection d’anomalies sur des données capteurs aéronautiques chez Safran Aircraft Engines

- Optimisation de modèles prédictifs pour la surveillance d’équipements complexes

- Études de faisabilité et prototypage de solutions IA pour l’industrie

Languages

English
Native or bilingual
Spanish
Conversational
Italian
Basic

Workplace preferences

Remote only

Primarily works remotely

Safran Aircraft Engines
Data Scientist
AVIATION AND AEROSPACE
March 2025 - September 2025 (6 months)
Paris, France
• Développement d’une méthode de correction automatique de ”baseline” des déflexions d’aubes basée sur le ML/DL à partir de signaux Tip Timing.
• Génération d’une base de données synthétiques à partir de modèles physiques (data pipeline from scratch en python) pour le Machine et Deep Learning.
• Prétraitement et feature engineering : Extraction et réduction de variables (PCA, Feature Selection), normalisation avec StandardScaler et MinMaxScaler.
• Implémentation et comparaison de modèles ML (Régression Linéaire et Polynomiale, SVM/SVR, Random Forest, XGBoost) et de modèles DL (MLP, CNN, U-Net).
• Développement d’une interface graphique avec Streamlit.
• Suivi des expériences et des hyperparamètres (MLflow), versioning des modèles (Git), conteneurisation (Docker) et pipeline de déploiement reproductible (CI/CD)
Machine learning Data science Python Streamlit Deep Learning
EIDD
Vision par ordinateur pour classification d'objets
September 2024 - December 2024 (3 months)
• Développement de modèles de vision par ordinateur pour la classification d’objets en environnement sous-marin complexe (segmentation sémantique).
• Conception et entraînement de réseaux de segmentation sémantique (UNet, DeepLabV3+) avec fine-tuning de modèles pré-entraînés sur la base de données SUIM.
• Mise en place de stratégies d’optimisation : data augmentation, ajustement des hyperparamètres (taux d’apprentissage, batch size, momentum).
• Évaluation rigoureuse par les métriques standards du domaine (IoU, F1-score).
Deep Learning Computer Vision Pytorch SQL Data science
Université de Bologne
Modélisation d'un réseau d'antennes sur CST Microwave Studio
May 2024 - August 2024 (3 months)
Bologna, BO, Italy
• Étude de diverses méthodes pour la simulation de réseaux d'antennes (Time-Modulated-Array, Frequency-Diverse-Array)
• Modélisation d'un réseau d'antennes patchs circulaire à double polarisation sur CST Microwave Studio
• Analyse des résultats et comparaison entre différentes structures de réseau d'antennes patchs à
l'aide de la courbe du S11 et du farfield.
• Bilans de liaison et comparaison entre différentes structures de réseau d'antennes

CST Antennes Bilans de liaison Modélisation 3D Matlab