About Nidal
- Supervised Machine Learning: Regression and Classification (Stanford University)
- Machine learning in Python with scikit-learn (Inria)
- Microsoft Azure AI Engineer Associate (Microsoft)
- Building Agentic RAG with LlamaIndex (DeepLearning.AI)
- Serverless Agentic Workflows with Amazon Bedrock (DeepLearning.AI)
- Maîtrise de la qualité en projet Web (Opquast)
- Création et intégration d'agents IA conversationels et de LLMs
- Personnalisation de modèles comme GPT ou Llama
- Étude de faisabilité et spécification de vos besoins
- Collecte, nettoyage et prétraitement des données
- Développement et implémentation de modèles de machine learning et algorithmes prédictifs
- Exploration et comparaison de modèles pour des choix technologiques adaptés
- Développement en Python de pipelines d’entraînement des modèles
- Déploiement sur un cloud provider tel que AWS
- Proposition de métriques pour évaluer et suivre la performance des modèles déployés
- Conception de l’architecture de votre solution IA
- LLM
- RAG
- NLP
- Heuristiques
- Deep Learning
- Image Processing
- Time Series
- Computer Vision
French
Native or bilingual
Experience
- EDFData EngineerRAW MATERIALS INDUSTRYSeptember 2020 - June 2021 (9 months)Lyon, France
⚡ EDF : Un acteur clé dans l'énergie
EDF joue un rôle central dans le secteur de l’énergie et dessert plus de 37 millions de clients. L'entreprise se distingue par ses 2 178 innovations technologiques. Elle joue un rôle clé dans la transition énergétique et l’automatisation industrielle.🌍 Contexte du projetReprise d'une application critique destinée à automatiser la rédaction de configurations réseau complexes (plusieurs centaines de lignes). Cette application, essentielle au paramétrage d’infrastructures réseau était inutilisable après un an de développement infructueux.Mon rôle était de déboguer, optimiser et finaliser l’application pour répondre aux besoins des ingénieurs. J’ai adopté une approche agile, priorisant des livraisons rapides pour restaurer la confiance du client.💡 Contributions clés🔍 Récupération et optimisation du projet :- Analyse et débogage de l’application.
- Réécriture des modules critiques.
- Pipelines automatisés pour générer des configurations complexes.
🤝 Collaboration avec les ingénieurs :- Échanges réguliers pour comprendre leurs besoins.
- Tests et ajustements itératifs pour une application intuitive.
- Approche agile pour rétablir la confiance.
- Livraisons rapides pour répondre à l’urgence du client.
🏆 Réalisations majeures :- Réduction du temps nécessaire à la rédaction des configurations.
- Livraison d’une application adoptée par 100 % des équipes concernées.
- Suppression des tâches redondantes, permettant aux ingénieurs de se concentrer sur des missions stratégiques.
⚙️ Contexte technique :- PHP
- Symfony
- MySQL
- Automatisation workflows
- Pipelines de données
- Agiles
🔑 Compétences transférables :- Automatisation et optimisation des processus pour améliorer la productivité.
- Collaboration interdisciplinaire pour répondre aux besoins des utilisateurs.
- Gestion de projets critiques avec une approche agile.
- Application des principes de Data Engineering pour structurer et automatiser les données.
- Groupe VicatData ScientistRAW MATERIALS INDUSTRYFebruary 2022 - Today (4 years and 4 months)Lyon, France
🏗️ Vicat : Pilier des matériaux de construction
Le Groupe Vicat, acteur clé des matériaux de construction depuis 1853, est présent dans 12 pays. En 2024, il a réalisé un chiffre d'affaires consolidé de 2,916 milliards d'euros. Il se distingue par son engagement en faveur des ciments bas carbone.🌍 Contexte et missionsEn tant que Data Scientist, je mène des projets stratégiques en Data Science et Machine Learning pour améliorer la qualité des produits, optimiser les processus industriels et renforcer la sécurité sur les sites de production.💡 Contributions clés🤖 Innovation Gen AI :- Deloppement d’un agent conversationnel interne basé sur des LLM, déployé sur AWS
- Automatisation des réponses techniques
- Faciliter l’accès aux données internes.
📈 Optimisation des produits et des ventes :- Prédiction des ventes de ciment via des modèles de séries temporelles pour ajuster production et logistique. (Python et Scikit-Learn)
- Analyse exploratoire et prédictions pour améliorer la qualité des ciments et des recettes de fabrication. (Python, Scikit Time, Facebook Prophet)
👁️🗨️ Vision par ordinateur et automatisation :- Classification des blocs de béton et détection d’incendies par vision par ordinateur, renforçant la sécurité et le contrôle qualité. (Python, Open-cv, PyTorch Facebook/detr-resnet-50, Deep Learning)
- Développement d'un model de détection d'incendies. (Python, open-cv, YOLO, CNN, DeepLearning)
💡 Et d'autres projets IA… Pour plus de détails contactez-moi directement via Malt.🏆 Réalisations majeures :- Réduction des délais de chargement grâce à des modèles prédictifs.
- Diminution des écarts de qualité du ciment via l’optimisation des processus.
- Améliorations des recettes et process de fabrication du ciment.
⚙️ Contexte technique :- Python
- LLM
- RAG
- Chatbot IA
- TensorFlow
- Scikit-learn
- OpenCV
- Snowflake
- AWS
- PyTorch
- Facebook models
- Scikit Time
- Agile/Scrum
- Pandas
- CNRS (Centre national de la recherche scientifique)Data EngineerRESEARCHDecember 2019 - September 2020 (9 months)Lyon, France
🔬 CNRS : Leader mondial de la recherche scientifique
Le CNRS est un leader mondial de la recherche scientifique. Il regroupe plus de 32 000 collaborateurs et 1 100 laboratoires. Plusieurs de ses travaux ont été récompensés par des prix Nobel et des médailles Fields. L’Institut Lumière et Matière (ILM) est affilié à l’Université Lyon 1. Elle se distingue dans les domaines des nanosciences et des énergies renouvelables.🌍 Contexte du projetJ’ai intégré une équipe composée d’un développeur, du directeur de l’ILM et de la directrice RH. Nous avons travaillé sur une application RH pour gérer les chercheurs. L’objectif était de :- Centraliser les données administratives.
- D’automatiser les processus.
- Fournir des outils d’analyse pour améliorer l’efficacité.
💡 Contributions clés🔧 Automatisation et gestion des données :- Conception de pipelines pour automatiser le traitement des informations liées aux chercheurs.
- Création et optimisation de bases de données en PostgreSQL.
📊 Visualisation et reporting :- Développement de dashboards interactifs pour visualiser les flux, les ressources et les délais.
- Fourniture des KPI's exploitables pour les décideurs.
🤝 Collaboration interdisciplinaire :- Échanges avec les chercheurs pour comprendre leurs besoins en gestion et analyse des données.
- Exploration de projets en mêlant développement et Data.
🏆 Réalisations majeures :- Réduction des délais administratifs grâce à l’automatisation.
- Adoption de l’application par plus de 50 utilisateurs. Avec une amélioration de la traçabilité et une baisse des erreurs humaines.
- Mise en œuvre de dashboards facilitant les décisions stratégiques.
⚙️ Contexte technique :- Python
- Django
- PostgreSQL
- Data Pipelines
- Dashboards interactifs
- Gestion RH
🔑 Compétences transférables :- Automatisation et traitement des données.
- Développement de visualisations interactives pour le reporting.
- Collaboration avec des équipes interdisciplinaires.
Recommendations
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
- Data ScientistStanford UniversityStanford University, est reconnue pour son excellence dans les sciences informatiques et son rôle pionnier en intelligence artificielle depuis sa création en 1885. Située au cœur de la Silicon Valley, elle est un catalyseur d'innovation a travers des initiatives telles que le Stanford Artificial Intelligence Laboratory et la recherche de pointe en IA et technologies émergentes.
- Data ScientistEcole IA MicrosoftL'École IA Microsoft est une institution dédiée à la formation de data scientists depuis 2018. Elle a formé 905 apprenants répartis en 50 promotions à travers la France, avec un taux de sorties positives de 98,45%.
Certifications
- Supervised Machine Learning: Regression and ClassificationStanford University
- Building Agentic RAG with LlamaIndexDeepLearning.AI