About Glacien
Qui je suis
Data Scientist et ML Engineer avec une expérience confirmée sur des projets data critiques au sein de grands groupes industriels : TotalEnergies, Hitachi Rail, L'Oréal, Thales, Sercel.
Mon ADN : faire le pont entre la complexité algorithmique et la décision opérationnelle. Je ne livre pas un notebook, je livre un système qui tourne en production et que les équipes métier comprennent et adoptent.
Ce que je fais
Machine Learning, Deep Learning & Integration IA
- Modèles prédictifs supervisés et non-supervisés (classification, régression, clustering, détection d'anomalies)
- Deep learning : CNN (computer vision, segmentation type U-Net), RNN/LSTM, Transformers
- NLP : extraction d'information, classification de texte, embeddings, fine-tuning de LLMs
- Quantification d'incertitude (bayésien, ensembling, calibration) différenciant clé sur les cas industriels où la fiabilité prime sur la précision brute
Data Engineering & MLOps
- Pipelines de données (Python, SQL, Spark)
- Industrialisation : Docker, CI/CD, orchestration (Airflow), suivi d'expériences (MLflow)
- Cloud : AWS, Azure, GCP
Approche hybride physique / ML
Intégration de connaissances métier dans les modèles (physics-informed ML)
Particulièrement pertinent sur signaux capteurs, séries temporelles industrielles, données géophysiques
Ce que je cherche
Missions en régie longue (3-6 mois, temps plein) sur des problématiques data science / ML à fort enjeu opérationnel. J'aime particulièrement les contextes où la donnée est imparfaite, le domaine technique, et la décision critique c'est là que mon expérience industrielle fait la différence.
French
Native or bilingual
English
Fluent
Can work on-site
Paris (up to 50km)
Experience
- HitachiRailData Scientist - Maintenance prédictive sur systèmes de signalisation ferroviaire Hitachi RailMECHANICAL ENGINEERINGSeptember 2025 - March 2026 (6 months)Paris, FranceConception et industrialisation de modèles de maintenance prédictive sur un parc de systèmes de signalisation ferroviaire (assets embarqués, au sol et postes de contrôle) déployés à l'international (Europe, Asie, Amériques).Réalisations clés :Développement de modèles ML (supervisés et non supervisés) pour la détection précoce d'anomalies sur signaux capteurs et séries temporelles, traitant plusieurs centaines de Go de données IoTConception de pipelines de traitement quasi temps réel, de la collecte capteurs à l'alerte opérationnelleRéduction des faux positifs par optimisation continue des modèles, en remplacement d'une approche préventive par seuils fixes / calendrierAnimation d'ateliers métier au sein d'une équipe data/IA de 5+ personnes, vulgarisation des résultats auprès des équipes opérationnelles signalisationPOC validé, actuellement en cours de déploiement sur le parc opérationnelImpact : passage d'une logique de maintenance préventive calendaire à une logique prédictive sur un domaine critique de sécurité ferroviaire, contribution directe à la disponibilité opérationnelle des systèmes de signalisation à l'échelle internationale.Stack : Python, SQL, séries temporelles, ML/DL, Git, Power BI, Jupyter
- LorealData Scientist - Reporting ESG & décarbonation L'OréalENVIRONMENTALJune 2024 - July 2025 (1 year and 1 month)Conception et industrialisation d'un système de reporting carbone consolidé pour piloter la stratégie de décarbonation du groupe sur le périmètre France, en remplacement d'un process Excel manuel chronophage.Réalisations clés :
- Construction d'un modèle de données ESG standardisé, consolidant des sources hétérogènes multi-entités au sein du périmètre France
- Développement complet du dashboard Power BI (DAX, mesures dynamiques, automatisation des rafraîchissements mensuels alignés sur le cycle reporting RSE)
- Scripts Python (Pandas, NumPy) pour standardiser et fiabiliser les traitements amont
- Détection d'anomalies, ruptures de tendance et incohérences sur les indicateurs carbone
- Coordination transverse avec les équipes RSE, data owners et direction ; formation des utilisateurs finaux
- Solution adoptée par 10-30 utilisateurs réguliers (équipes RSE, direction, responsables zones)
Impact : transformation d'un processus de reporting ESG manuel (Excel + mails, plusieurs jours par cycle) en une solution BI centralisée, automatisée et fiable. Accélération significative de la prise de décision stratégique sur la trajectoire carbone du groupe France et amélioration de la qualité du suivi des engagements de décarbonation.Stack : Python (Pandas, NumPy), Power BI, DAX, M, SQL, SAS - ThalèsData / ML Engineer - Automatisation & supervision d'infrastructure ThalesFILM AND AVJuly 2022 - April 2024 (1 year and 9 months)Vélizy-Villacoublay, FranceDéveloppement d'une solution Python d'automatisation pour le déploiement et la supervision sécurisée d'un parc d'équipements collaboratifs sur la majorité des sites Thales France.Réalisations clés :
- Développement d'un outil de configuration on-premise via API REST, capable de configurer plusieurs centaines d'équipements selon les standards de sécurité Thales
- Réduction du temps de configuration unitaire de plusieurs heures à quelques minutes par équipement, au bénéfice direct des équipes IT et réseau
- Mise en place d'un système automatisé de collecte et monitoring temps réel des données d'usage (visibilité parc auparavant inexistante)
- Développement collaboratif d'une version de firmware adaptée aux exigences spécifiques du groupe, garantissant la conformité aux normes de sécurité internes
- Intégration CI/CD et industrialisation des déploiements (Git, GitLab, Bash)
- Coordination multi-sites avec les équipes IT, réseau et support sur l'ensemble du déploiement France
Impact : déploiement homogène à l'échelle France, réduction significative des erreurs de configuration et des temps d'intervention, conformité sécurité garantie sur l'ensemble du parc, et stabilité accrue grâce aux pipelines automatisés.Stack : Python, API REST, CI/CD, Git/GitLab, Bash, DevOps
Recommendations
Be the first to recommend Glacien
Help this freelancer shine by sharing your experience working together.
These freelancer profiles also match your criteria
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Education
- Bootcamp spécialisation deep learningdatascientest.com2021•Compétences principales : Formation pluridisciplinaire combinant l’analyse de données, la modélisation mathématique et l’IA (apprentissage automatique et apprentissage profond). •Domaines d’expertise : Développement d’algorithmes d’apprentissage automatique, analyse statistique, exploration de données et gestion de bases de données. •Applications : Interprétation des données, modélisation probabiliste, inférence statistique, visualisation des tendances, nettoyage et transformation des données, et gestion de bases de données SQL et NoSQL.
- Ingénieur science de la donnéePolytech Sorbonne2020•Compétences techniques : Maîtrise de Python, R, MATLAB et SQL pour l’analyse de données, la modélisation et la gestion de bases de données. •Expertise en apprentissage automatique : Application de l’apprentissage automatique et de l’apprentissage profond à l’interprétation de données, y compris l’analyse de séries temporelles et le traitement de signaux. •Domaine d’études : Spécialisation en géophysique computationnelle et analyse de données, combinant la modélisation mathématique, l’apprentissage automatique et la programmation.