About Maxime
👋 Bonjour,
Je suis passionné par la création de solutions innovantes en Machine Learning, Deep Learning, et Ops, transformant l'abstrait algorithmique en applications tangibles.
Je consulte fréquemment des articles, ce qui témoigne de mon vif intérêt pour la recherche et le développement.
✨ Ma spécialité ? Concrétiser le potentiel de l'IA.
Machine Learning:
- Régression: Régression linéaire, Ridge, Lasso.
- Classification: Régression logistique, K-Nearest Neighbors, Support Vector Machines, Arbres de décision, Forêts aléatoires, Gradient Boosting.
- Clustering: K-Means, Clustering hiérarchique, DBSCAN.
- Réduction de Dimension: ACP, t-SNE, UMAP.
- Sélection de Modèles: Validation croisée, Grid Search, Random Search.
- Prétraitement des Données: Imputation, Normalisation, Standardisation.
Deep Learning:
- Réseaux Neuronaux: CNN, RNN
- Architecture de Réseaux: Conception de réseaux profonds
- Traitement du Langage Naturel (NLP): Transformers, LLM
- Traduction Automatique: Speech-to-text, Image-to-text, Video-captioning
- Vision par Ordinateur: Détection d'objet, Classification d'images, Tracking d'objet, Reconnaissance faciale.
Ops:
- Déploiement: Mise en production de modèles
- Cloud: Déploiement de solutions dans l'environnement cloud
- Conteneurisation: Docker, Kubernetes pour l'orchestration
- CI/CD: Intégration et déploiement continus
- Recherche Vectorielle: ElasticSearch, OpenSearch pour l'analyse de données à grande échelle
- Surveillance: Monitoring et logging avec Prometheus, Grafana
Spécifique à AWS:
- Recherche: OpenSearch
- Messaging: SQS-queue
- Orchestration de Conteneurs: ECS, Fargate
- Architecture de Données: Design de pipeline, Step Function
Encore ici ? N’hésitez-pas à consulter mon portfolio !
French
Native or bilingual
English
Fluent
Can work on-site
Paris (up to 50km), Bordeaux (up to 50km), Lyon (up to 50km), Strasbourg (up to 50km)
Experience
- Canal+Machine Learning EngineerFILM AND AVSeptember 2023 - Today (2 years and 9 months)Paris, FranceDéveloppement d’un pipeline évolutif utilisant un VLM pour la fonctionnalité « Et ta Scène ? », réduisant les coûts de 90%- Conception du système « Et ta Pub ? » pour l’extraction automatisée de chapitres et l’optimisation du placement publicitaire à l’aide de LLM- Création de « Et ta Marque ? » pour la reconnaissance de marques dans les films/séries grâce à la technologie LLM- Conception de « Et ton Thème ? » pour le chapitrage intelligent des contenus avec analyse du sujet, du contexte et du point de vue- Mise en place de métriques pour évaluer la diversité et la pluralité des contenus- Automatisation des workflows via AWS Step Functions et Lambda- Développement de workers génériques pour l’analyse approfondie et la compréhension de contenus à l’échelle mondiale
- JakartoComputer Vision EngineerAUTOMOBILEJune 2023 - August 2023 (3 months)Montréal, CanadaApproche de clustering de panneaux de signalisation grâce au deep learning :- Développement d'un module d'optimisation pour améliorer la séparation des objets au sein des clusters, renforçant ainsi la précision de la classification des objets dans l'inventaire urbain.- Utilisation de systèmes de capture de données avancés, incluant des scanners LiDAR, des caméras et un GPS de haute précision pour la triangulation et le positionnement géographique.- Utilisation d'un modèle siamois pour entraîner un encodeur facilitant la séparation des objets par l'algorithme de clustering.- Réalisation d'expérimentations complètes en utilisant les jeux de données Fashion MNIST et les panneaux de signalisation pour évaluer les performances du module développé.- Obtention d'une v-mesure de 0,94, démontrant la grande efficacité du processus développé pour différencier les objets au sein d'un cluster.- Contribution à l'amélioration de l'efficacité de l'inventaire urbain en permettant une classification plus précise des objets détectés.
- Hache de LancerComputer Vision EngineerSPORTSMay 2023 - August 2023 (3 months)Paris, FranceConception de la reconnaissance de pochettes de vinyles pour une application :- Ingénierie des fonctionnalités de R&D pour effectuer la reconnaissance (200 ms de demande par inférence de bout en bout)- Identification du vecteur le plus proche dans un grand jeu de données dans l'index FAISS (millions de vinyles)- CI/CD GitHub et déploiement sur Scaleway- Actions GitHub
Reviews
Recommendations
FU
FU
+1
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
- Ingénieur Intelligence Artificielle et Masse de donnéesTELECOM NancyUne formation « généraliste » développée à l’école au travers de cinq axes : trois axes couvrant le « cycle de vie d’un produit, logiciel ou service informatique » et deux axes transverses, couvrant les sciences fondamentales et appliquées ainsi que celles du management, de la communication et de l’innovation. L'approfondissement « Intelligence Artificielle et masses de données » est développé en entreprise (LogIC SAS).
- CPGE TSILycée Louis VincentClasse préparatoire aux grandes écoles en technologies et sciences industrielles. Approfondissement en Mathématiques, Physique et Science de l'ingénieur.