Lory Montout

Consultant Cloud AWS Data et Machine Learning, j'interviens chez des clients de secteurs diverses dans de nombreux domaines : - Architecture Cloud AWS - Data Engineering - ML Engineering - MLOps - Software Engineering De plus, je prends part à des activités internes : - Tenue de conférences sur des sujets techniques liés à la data - Participation à des avant-ventes commerciales - Ateliers et formations - Développement d’outils sur AWS pour des cas d'usage internes

// Contexte : Mauna Kea Technologies (MKT) a sollicité Devoteam pour obtenir de l'aide dans le déploiement, à grande échelle, d'un projet d'analyse vidéo biomédicales. MKT a développé un modèle d'apprentissage automatique et une logique de traitement, concernant leur format de données propriétaire, et ils cherchent maintenant à établir un pipeline AWS évolutif et prêt pour la production afin d'exécuter leur logique de traitement et d'entraînement. // Rôle : Machine learning Engineer // Réalisations : - Construction de la plateforme de MLOps - Implémentation d’un cas d’usage test et benchmark des performances, mise en place du monitoring - Intégration dans la CI/CD - Accompagnement des équipes MKT dans leur montée en compétence sur AWS - Documentation technique : diagramme d’architecture, préparation au run … // Environnement technique : Services AWS et solutions : Lambda, S3, RDS (PostgreSQL), ECS, EC2 ,CDK python, CloudFormation, App Runner, MLFlow, Gitlab

// Client : SAFRAN SA // Contexte : La Direction Manufacturing 4.0 de Safran souhaite mettre à disposition de ses filiales une application SPC (Statistical Process control) afin de les aider à améliorer la qualité et la performance de la production par la réduction des occurrences d’anomalies. Dans cette démarche, elle souhaite adapter cette application pour un usage multi-sociétés afin de proposer un service groupe intégré à la plateforme data Safran hébergée chez AWS. // Rôle : Data Engineer - architecte solution - devops // Réalisations : Qualification des processus et des besoins métiers Refonte logiciel : architecture et développement de la pipeline d’ingestion Refonte du modèle de données : redesign du modèle et optimisation des tables Accompagnement des équipes Safran dans leur montée en compétence sur AWS Présentation aux architectes solutions et d’entreprise Documentation technique : diagramme d’architecture, préparation au run … // Environnement technique : Services AWS et solutions : Lambda, S3, Aurora (PostgreSQL), SQS, ECS, LakeFormation, Athena, Glue job, Glue Catalog, Apache Hudi, pyspark, terraform

// Client : FORTUNEO // Contexte : Fortuneo souhaite mettre en place un environnement de Machine Learning s’appuyant sur la solution SageMaker d’AWS afin de passer ses uses case en production tout en veillant à la bonne gestion du cycle de vie de ses modèles de machine learning. // Rôle : MLOps - qualification des processus et des besoins avec les data scientists. Création, mise en place et optimisation de solutions pour la gestion du cycle de vie des algorithmes de machine learning (mise en production, consommation, monitoring, fiabilité) // Réalisations : Mise en place de template personnalisés Sagemaker Project (création des modèles) et SageMaker Pipeline (déploiement des modèles) Conception et déploiement d’architecture de consommation des modèles de machine learning Permettre aux Data Scientistes une utilisation simplifiée de la consommation des modèles de machine learning Accompagner les équipes fortuneo dans leur montée en compétence sur AWS et SageMaker en particulier Accompagner les Data Scientistes dans la gestion de cycle de vie des modèles Accompagner les Data OPS à itérer sur l'infrastructure afin d’être autonome sur la mise en place de nouveaux uses cases Documentation technique // Environnement technique : Services AWS et solutions : SageMaker, CloudFormation, SAM, S3, Glue, Step function, Lambda, API Gateway, Cognito, Python, Pandas, Scikit-learn

Skills: Analyse des exigences · Études de cas · Méthodes agiles · Services web

- Expertise analytique : traitement, modélisation (Statistiques, Machine Learning, Deep Learning) et visualisation de données - Expertises métier : connaissances en sciences de la vie, finance, industrie, numérique - Compétences transverses: esprit d'équipe, gestion de projet, communication orale et écrite, fortes capacités d’adaptation, dynamique et rigoureux, capacités de synthèse, analyse et auto-formation - Développement logiciel & outils : Python, R, scikit-learn, pandas, keras, TensorFlow, Pytorch, Dash, InfluxDB, BeautifulSoup

Skills: Bases de données

Avant vente - Recueil et analyse du besoin - Constitution d’équipe projet / sourcing de compétences - Quotation du besoin - Suivi commercial et contractualisation Phase projet - Gestion de compte client - Gestion d’équipe - Roadmap et meeting projet - Analyse du besoin et définition d’une méthodologie adaptée (Agile, séquentielle, …) en coordination avec les équipes - Suivi et reporting • Gestion des risques projet (retards, problématiques techniques, staffing, …) • Veille technologique et conseil stratégique

-Analyse de données multivariées, visualisation, machine learning, statistique (R et python) -Recherche d’antagonistes de ligands naturels de protéines par criblage virtuel -Encadrement et formation : enseignement (96h/an) en Biostatistiques et Analyse de données multivariées (R et python) aux niveaux Licence et Master -Gestion des relations internationales pour le master ISDD (in silico Drug Design) -Administration système

Moniteur de travaux pratique et travaux dirigés en formation initiale (64h/an) en bioinformatique (Informatique pour les biologistes et simulation de dynamique moléculaire), biostatistique et programmation (R, python et UNIX pour débutants) aux niveaux Licence et Master

Activités de recherches : -Etude de la mécanique des structures protéiques -Simulations de dynamique moléculaire et analyse de modes normaux -Modélisation comparative -Amarrage moléculaire -Développement de méthodes d’étude de la mécanique des protéines de fibre à partir de données de simulations (Apprentissage automatique, visualisation) Gestion de projet : -Analyse des besoins -Conception, développement et tests d’applications -Capture, analyse et consolidation des données expérimentales -Veille scientifique et technologique -Communication externe des travaux et réalisation de rapports écrits à destination des collaborateurs Encadrement et formation : -Stagiaires niveau Master 2 -Chargé d'enseignement (moniteur de travaux pratiques et travaux dirigés) Compétences Techniques : -Langages de programmation : Python, R, Shell, Latex, Fortran, C, Java, SQL, PHP, HTML. -Bioinformatique : Dynamique moléculaire et visualisation (Gromacs, NAMD, VMD, Pymol), Criblage Virtuel (FlexX, ICM, FRED, Autodock Vina), Biostatistiques et Analyse de données multivariées (R), Génomique (Blast, T Coffee, ClustalW), Modélisation comparative (Modeller). -Systèmes d’exploitation et bureautique : Windows XP/Vista/7, UNIX, Mac OS. Pack Microsoft Office.

-Enseignements en formation initiale (20h) accueil numérique des étudiants (niveaux Licence) -Enseignement en formation permanente (30h) en bioinformatique structurale (Prédiction des structures secondaires)