Guillaume Tisserant

Création et validation de contenu scientifique pour une série télévisée (Declics, sortie sur Arte courant 2021). Rédactions de comptes rendus scientifiques, interactions avec les équipes de créations et de production

Mise en place d'outils d'analyse de texte : analyse syntaxique et sémantique, extraction d'information, classification de données textuelles. Java : Spring : - Création d'une couche d'abstraction entre MongoDB et les package des autres développeurs. Optimisation de la structure de la BDD. - Création d'un système d'expression inspiré des Regex permettant d'interroger les structures de données textuelles internes. - Système d'analyse syntaxique symbolique permettant d'optimiser le système fondé sur du machine learning - Création d'un ORM permettant de peupler une ontologie à partir d'objets - Transformation de package en Spring Python : Pytorch/Tensorflow - Création d'un système de recommandation de mots-clés utilisant Flaubert - Création d'un système de recommandation de mots-clés en TensorFlow - Création d'un système d'analyse syntaxique utilisant Flaubert - Entraînement d'un système d'analyse syntaxique fondé sur DRAGNN.

En tant que CTO ( de 01/2017 à 11/2018) : Recrutement, gestion et coordination des différentes équipes techniques (12 personnes au total) - Organisation et coordination de 4 équipes (Front-end, Back-end, Back-office, et SysAdmin). - Organisation de la roadmap technique en accord avec les besoins clients remontés par l'équipe commerciale. - Choix d'architecture générale de l'application permettant de répondre le plus efficacement possible aux besoins clients. En tant que Développeur / Ingénieur de recherche Mise en place du programme de R\&D, développement front et back. (de 09/2015 à 12/2016) - R\&D : prédictivité consommation et affluence. - Front (Java : Android natif) : Mise en place d'un front Android complet pour l'application. - Back : (Php : symfony) création de plusieurs modules communiquant avec des API externes.

Travaux de recherche autour de méthodes de machine learning adapté au données textuelles. - Travaux de recherche autour de méthodes de machine learning adapté au données textuelles. - Développement d'un système de prétraitement des textes en C++ - Publications d'articles dans des conférences et revues scientifiques - Enseignements