About Goudja
Fort de 9 ans d'expérience en data science et machine learning, j'ai développé une maîtrise complète du cycle de vie de la donnée : de sa collecte jusqu'à la mise en production, le monitoring et le réentraînement des modèles.
Mon approche associe rigueur scientifique, expertise technique et compréhension des enjeux métiers, avec une attention particulière à l'industrialisation : livrer des solutions qui tiennent en production, auditables et maintenables par les équipes.
💼 Types de missions
Développement & ingénierie Machine Learning
J’accompagne les entreprises dans la conception, la mise en œuvre et l’industrialisation de solutions IA adaptées à leurs besoins.
- Conception, entraînement et déploiement de modèles (ML, Deep Learning)
- Pipelines de données et d'entraînement reproductibles (Data Engineering, MLOps)
- Mise en production, observabilité et gouvernance (suivi d'expériences, monitoring de dérive, réentraînement)
- Optimisation de la performance et intégration aux produits existants
Accompagnement & montée en compétence
J’aide les équipes à monter en autonomie sur les projets data et IA afin d’assurer la pérennité et la maîtrise interne des solutions.
- Formations sur mesure (ML, NLP, LLMs, Data Science, MLOps)
- Ateliers pratiques et mentoring technique
- Transfert de compétences jusqu'à la mise en production
🧠 Domaines de spécialisation
Une expertise approfondie sur les principaux champs de la data science et du ML :
- ML classique & Deep Learning : régression, classification, clustering, réseaux de neurones
- NLP & LLMs : traitement du langage, génération de texte, RAG
- Computer Vision : détection et reconnaissance d'images
- Statistique : analyse, estimation, tests d'hypothèses
- MLOps & industrialisation : pipelines reproductibles, suivi d'expériences, déploiement, monitoring
- Écosystème : Python, Scikit-learn, XGBoost, TensorFlow, PyTorch, LangChain, SQL, FastAPI, MLflow, Prefect, DVC, Evidently, Docker
French
Native or bilingual
English
Fluent
Can work on-site
Paris (up to 50km), Lyon (up to 10km), Strasbourg (up to 10km), Nantes (up to 10km), Bordeaux (up to 10km)
Experience
- Institut National de la Statistique, des Etudes Economiques et Démographiques (INSEED)Senior Data Scientist / ML EngineerPUBLIC SECTORSeptember 2025 - Today (10 months)Ndjamena, ChadConception et industrialisation d'une plateforme de ciblage social (PMT) de bout en bout
- Contexte : amélioration du ciblage des ménages pauvres d'un registre social à partir de données d'enquête, avec exigences fortes de souveraineté, d'auditabilité et de déploiement en environnement contraint.
- Réalisations : architecture MLOps complète auto-hébergée (FastAPI, MLflow, Prefect, Evidently, Prometheus/Grafana, Docker, DVC, PostgreSQL) ; pipeline de données reproductible avec pondérations d'enquête et validation par grappe ; benchmark linéaire / ensembles / réseaux de neurones jugé sur métriques de ciblage ; sélection de variables stable (stability selection Lasso, permutation, SHAP) pour questionnaires courts ; scoring par lots, API et artefact hors-ligne ; codes-raison SHAP ; réentraînement gouverné avec validation humaine.
- Formation et transfert : conception et animation d’un cursus (statistique du ciblage, régularisation et sélection de variables, interprétabilité SHAP, réseaux de neurones, mise en production MLOps) en notebooks et supports ; mentorat ingénierie (Git/GitHub, revue de code, reproductibilité) ; guides transférables assurant l’autonomie des équipes après la mission.
- Impact mesuré : questionnaire réduit de 31 à 22 variables sans perte de performance ; gradient boosting atteignant 71 % de bon ciblage des ménages pauvres sur des zones jamais enquêtées, supérieur de +4,3 points (IC 95 % [3,3 ; 5,3], validation croisée répétée par grappe) à la régression officielle sur le même questionnaire ; protocole d'évaluation honnête mettant aussi en évidence l'optimisme du dispositif historique.
- Compétences : ML sur données tabulaires, MLOps, industrialisation, observabilité et dérive, interprétabilité, gouvernance de modèles, données sensibles, transfert de compétences.
- Mots-clés : MLOps · XGBoost · scikit-learn · MLflow · SHAP · FastAPI · Docker · Prefect · Evidently · DVC · ciblage social · formation
- Datascientest / OMNES EDUCATIONFormateur Python, Data Science & Machine LearningEDUCATION AND E-LEARNINGSeptember 2024 - September 2025 (1 year)Paris, FranceFormateur auprès des étudiants du groupe OMNES EDUCATION, j'ai accompagné leur apprentissage de Python, de la data science et du machine learning par une pédagogie concrète et orientée projets.
- Programmation Python : animation d'ateliers pratiques (bases, POO, manipulation de données) avec les principales librairies — Pandas, NumPy, Scikit-learn, TensorFlow
- Projets data de bout en bout : encadrement de la collecte au rendu — nettoyage, transformation et visualisation avec Python et SQL
- Modélisation : accompagnement à la conception et à l'évaluation de modèles de Machine Learning et Deep Learning
- Pédagogie par la pratique : résolution de cas concrets et montée en autonomie technique des étudiants
Recommendations
+2
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
- Diplôme de Machine Learning EngineerDataScientest.com et École des Mines de Paris2023
- Diplôme de Data ScientistDataScientest.com et École des Mines de Paris2022