Luis VENTURA

• Mise en place de bonnes pratiques dans la gestion et l'analyse des données (dbt, Metabase, PostgreSQL) ; • Création et déploiement de méthodes de détection de fraude (Machine learning); • Analyse des données du covoiturage dans le but d'évaluer l'efficacité des politiques publiques.

Chez Trackdéchets, j'ai été moteur sur tous les sujets liés à la données : • Accompagnement d'un intrapreneur dans le pilotage de projet par la donnée ; • Mise en place de méthodes de détection de fraude ; • Création d'une plateforme données permettant l'orchestration des pipelines de données, la transformation des données, la mise en place de tests et d'outils d'observabilité de la donnée ; • Mise en place de nombreux tableaux de bords nécessaires au pilotage de l'activité ; • Coopération statistiques avec différentes administrations : ADEME, DREAL, DGPR... ; • Création d'une application de visualisation de données présentant des statistiques publiques ; • Création d'une application de statistiques à destination des agents de contrôle de l'environnement ; • Gestion des sujets open-data. **Outils principaux** : Python, Scikit-Learn, Airflow, Meltano, dbt, ClickHouse, Metabase, Django, Plotly.

• Algorithmes de machine learning supervisés et non supervisés (détection de fraude, clustering, classification automatique...) sur des données de tous types : texte, audio, image...; • Prévision de séries temporelles 📈; • Natural language processing (BERT <3) 📝 sur des sujets de NER, NLI, Sentiment Analysis, Matching ; • Déploiement d'applications de dataviz ; • Déploiement et exposition de modèles ML en mode serverless ; • 🔎 Analyses de données massives dans le Cloud ; • Conception et orchestration de pipeline de données ; • Déploiement d'application de visualisation de données' ; • Déploiement de tableaux de bord 📊.

– Je travaille au sein de l'équipe R&D de MailClark sur des sujets liés à l'intelligence artificielle en tant qu'Ingénieur Machine Learning. – Mes tâches impliquent la conception d'algorithmes de machine learning de l'état de l'art pour le traitement du langage naturel en s'appuyant sur les dernières innovations du secteur. – J'interviens également dans le cadre de la mise en production d'algorithmes de machine learning sur le cloud Azure en mode MLOps. – J'utilise, entre autres, les outils suivants : Python, Jupyter, Anaconda, Pandas, Numpy, Scikit Learn, PyTorch, TensorFlow, Matplotlib, Plotly, Docker, Kubernetes ainsi que de multiples outils du cloud Azure.

– Développement d'une application web pour la gestion opérationnelle de lancements de ballons stratosphériques et le contrôle de mission en temps réel. – Technologies : PHP, HTML5 & CSS, Google Maps JS API, Python.