Mounir M.

Data Scientist ML & MLOps Engineer, ingénieur biochimiste de formation.

Je conçois, entraîne et déploie en production des modèles de Machine Learning, des API ML temps réel et des systèmes RAG basés sur LLM. Certifié Expert en ingénierie et science des données (Bac+5, RNCP39775 Niveau 7, option Data Science).

Ma valeur ajoutée tient à une double compétence rare : près de 9 ans en R&D scientifique et contrôle qualité industriel, dont 5 ans à Merck Serono (Genève) sur les études pharmacocinétiques PK/PD et la modélisation prédictive in silico (franchissement BBB, 10 ans de données in vivo), 1 an et demi à Nestlé Research Center (Lausanne) sur la validation de méthodes LC-MS/MS ISO 17025, et 1 an à Refresco en analyses physico-chimiques. Cette pratique data dans un cadre scientifique exigeant nourrit aujourd'hui ma rigueur Data Scientist : feature engineering, contrôle de dérive, applicability domain, traçabilité réglementaire (RGPD, AI Act, FDA-EMA).

Concrètement, je livre :

· des pipelines ML end-to-end (FastAPI, Docker, MLflow, DVC, CI/CD GitHub Actions),

· des systèmes RAG production-ready (LangChain, FAISS, Mistral, évaluation RAGAS),

· du cadrage projet IA (System Design, ROI, RGPD, AI Act, présentation COMEX).

Mon projet personnel DeFrag (defrag.eqqinox.dev), pipeline d'annotation spectrale LC-MS/MS déposé IDDN et déployé en API live, démontre cette capacité à porter un projet ML de la donnée brute jusqu'à la production autonome. Validé sur 190k spectres GNPS externes avec un drift de F1 de 0,004 entre validation interne et externe.

Portfolio complet avec l'ensemble de mes projets : eqqinox.dev

Code source : github.com/Eqqinox

Bilingue français / anglais, basé à Lyon, mobile et ouvert au télétravail.

Disponible pour missions courtes ou longues, en régie ou au forfait.