Jean Vassalo

CONTEXTE :

Mise en place de pipelines d'apprentissage automatique en tant que membre de l'équipe de science des données pour prédire le comportement des clients et automatise les contrôles anti-blanchiment d'argent.

REALISATION :

- Implémentation de LLM à l'aide de Hugging Face et Tensorflow pour des tâches de NLP. Fine-tuning des modèles pour l'analyse textuelle d'appels téléphoniques.

- Déploiement d'une application de prédiction ML sur AWS en utilisant Docker et Kubernetes pour filtrer les alertes de blanchiment d'argent non pertinentes.

- Traitement et agrégation de variables avec Spark et des requêtes SQL pour nettoyer les données et créer de nouvelles variables.

- Automatisation des contrôles anti-blanchiment d'argent grâce à des algorithmes de Machine Learning. Le modèle développé est capable d'automatiser un volume deux fois plus grand de comptes bancaires.

CONTEXTE :

Au sein de la DSI de Groupama, développement d'outil de ML / deep learning pour l'automatisation de la lecture de documents administratifs avec python et pytorch.

REALISATION :

- Entraînement d'un modèle de deep learning pour la reconnaissance de charactères.

- Développement d'un algorithme de machine learning robuste au bruit pour orienter correctement les images face à la caméra

- Mise en œuvre d'une pipeline CI / CD pour automatiser le déploiement dans un cluster Azure Databricks

CONTEXTE :

Conception et implémentation d'algorithmes de machine learning pour la reconnaissance de communautés d'utilisateurs sur Twitter partageant les mêmes centres d'intérêts.

REALISATION :

- Scraping de données Twitter pour récolter des informations sur les utilisateurs.

- Traitement des données avec Spark et AWS pour les transformer en variable d'apprentissage pertinentes.

- Entraînement de modèles d'apprentissage de machine learning pour classifier les utilisateurs en fonction de leur comportement en ligne.