Pablo Vitale

𝗖𝗼𝗻𝘁𝗲𝘅𝘁𝗲: Secteur Logistique & Transport 𝗢𝗯𝗷𝗲𝗰𝘁𝗶𝗳𝘀: Construction d'une application On-Premise embarquant des fonctionnalités d'IA pour le traitement automatique de documents l'extraction automatique d'informations et l'injection des données dans le SI. 𝗔𝗰𝘁𝗶𝘃𝗶𝘁𝗲́𝘀: ➜ Construction et annotation du jeu de données complet. ➜ Benchmark de modèles LLM sur l'intégralité du périmètre. ➜ Construction d'une API robuste et asynchrone. ➜ Développement d'une application embarquant les fonctionnalités IA -- Comprenant Authentification, SSO, etc... 𝗜𝗺𝗽𝗮𝗰𝘁 𝗺𝗲́𝘁𝗶𝗲𝗿: 6 types de documents et 20 champs traités, Précision d'extraction globale moyenne de 90% sur l'intégralité du périmètre. 𝗧𝗲𝗰𝗵𝗻𝗼𝗹𝗼𝗴𝗶𝗲𝘀: Python, Django, FastAPI, Gitlab, HuggingFace, Docker

𝗖𝗼𝗻𝘁𝗲𝘅𝘁𝗲: Secteur Social et Santé 𝗢𝗯𝗷𝗲𝗰𝘁𝗶𝗳𝘀: Extraction automatique d'informations sur corpus documentaire à l'aide de l'IA. Livraison d'une API robuste et asynchrone sous contraintes de l'infrastructure matérielle. 𝗔𝗰𝘁𝗶𝘃𝗶𝘁𝗲́𝘀: ➜ Construction et annotation du jeu de données complet. ➜ Benchmark de modèles LLM sur l'intégralité du périmètre. (Sous contraintes de la performance et de l'intégration future dans l'infrastructure client) ➜ Construction d'une API robuste et asynchrone. ➜ Conteneurisation et orchestration de l'application. ➜ Tests de charge de l'API et monitoring

Mes principales missions: [Chanel Parfum & Beauté] ➜ Conception et développement d'une solution IA d'assistance RH basée sur le NLP ➜ Architecture et déploiement d'un agent conversationnel avancé pour les entretiens RH ➜ Développement d'algorithmes ML pour l'analyse automatisée des CV et le matching de profils ➜ Mise en place d'une IA générative spécialisée sur Azure ML pour le domaine RH 𝗜𝗺𝗽𝗮𝗰𝘁 𝗺𝗲́𝘁𝗶𝗲𝗿: Gain de temps pour les recruteurs, matching des meilleurs CV en fonction d'une fiche de poste 𝗘𝗻𝘃𝗶𝗿𝗼𝗻𝗻𝗲𝗺𝗲𝗻𝘁 𝘁𝗲𝗰𝗵𝗻𝗶𝗾𝘂𝗲: Python, GenAI, Docker, Azure ML, NLP, LLM [NHIndustrie] ➜ Direction technique d'un projet innovant d'automatisation intelligente ➜ Conception d'une solution end-to-end de traitement automatique de documents ➜ Implémentation d'un modèle avancé de NLP pour l'extraction d'entités complexes ➜ Mise en place d'une architecture CI/CD robuste (GitLab/Nexus) 𝗜𝗺𝗽𝗮𝗰𝘁 𝗺𝗲́𝘁𝗶𝗲𝗿: 90% des informations extraites correctement via l’IA. Gain de productivité pour l’équipe comptable, saisie et intégration automatique des factures dans SAP. 𝗘𝗻𝘃𝗶𝗿𝗼𝗻𝗻𝗲𝗺𝗲𝗻𝘁 𝘁𝗲𝗰𝗵𝗻𝗶𝗾𝘂𝗲: Python, Django, Docker, Nginx, Gitlab CI, Redis, HTML, CSS, JS [CMA CGM] ➜ Direction technique d'un projet de prévisions de séries temporelles ➜ Recueil des besoins métiers, des données et définition des KPIs business. ➜ Construction de briques ETL pour l'ingestion et le traitement des données ➜ Entrainement et déploiement des modèles de prévisions 𝗘𝗻𝘃𝗶𝗿𝗼𝗻𝗻𝗲𝗺𝗲𝗻𝘁 𝘁𝗲𝗰𝗵𝗻𝗶𝗾𝘂𝗲: Python, Dataiku, Darts, SQL [Travaux internes R&D] ➜ Encadrement de l’équipe et développement d’une solution propriétaire de NLP ➜ Référrent technique de l’équipe, composée de 6 data scientists. Revues de code et pilotage des projets internes.

Réalisation de plusieurs projets Data Science allant du POC à l’industrialisation et la maintenance. 2 projets livrés par an pour l’aide à la décision et l’automatisation de processus métiers. 𝟭. 𝗔𝘂𝘁𝗼𝗺𝗮𝘁𝗶𝘀𝗮𝘁𝗶𝗼𝗻 𝗱𝗲 𝗹'𝗲𝘅𝘁𝗿𝗮𝗰𝘁𝗶𝗼𝗻 𝗱𝗼𝗰𝘂𝗺𝗲𝗻𝘁𝗮𝗶𝗿𝗲 ➜ Architecture et développement d'une solution ML end-to-end ➜ Conception d'une pipeline robuste d'OCR et NLP ➜ Industrialisation et maintenance de la solution (MLOps) 𝗜𝗺𝗽𝗮𝗰𝘁 𝗺𝗲́𝘁𝗶𝗲𝗿: 85% des informations extraites correctement via l’IA et automatisation complète du process métier, gain de productivité significatif pour les équipes Supervision B2B et B2C. 𝗘𝗻𝘃𝗶𝗿𝗼𝗻𝗻𝗲𝗺𝗲𝗻𝘁 𝘁𝗲𝗰𝗵𝗻𝗶𝗾𝘂𝗲: AWS, Python, FastAPI, Docker, Airflow, gitlab CI 𝟮. 𝗧𝗿𝗮𝗶𝘁𝗲𝗺𝗲𝗻𝘁 𝗮𝘂𝘁𝗼𝗺𝗮𝘁𝗶𝗾𝘂𝗲 𝗱'𝗮𝗽𝗽𝗲𝗹𝘀 𝘁é𝗹é𝗽𝗵𝗼𝗻𝗶𝗾𝘂𝗲𝘀 ➜ Architecture et développement d'une solution streaming de transcription temps réel ➜ Extraction intelligente d'insights à partir de conversations et traitements avancés de NLP ➜ Industrialisation et maintenance de la solution (MLOps) 𝗜𝗺𝗽𝗮𝗰𝘁 𝗺𝗲́𝘁𝗶𝗲𝗿: 80% des informations extraites correctement via l’IA. Automatisation complète du process métier, gain de productivité pour les équipes relation client B2B et B2C. 𝗘𝗻𝘃𝗶𝗿𝗼𝗻𝗻𝗲𝗺𝗲𝗻𝘁 𝘁𝗲𝗰𝗵𝗻𝗶𝗾𝘂𝗲: AWS, Python, Django, FastAPI, Docker, Linto, Redis 3. 𝗔𝗻𝗮𝗹𝘆𝘁𝗶𝗰𝘀 & 𝗠𝗮𝗿𝗸𝗲𝘁𝗶𝗻𝗴 ➜ Pilotage d'une solution de segmentation client pour le marketing ➜ Recueil de besoins métier, collecte de données et coordination équipes parties prenantes. ➜ Développement de dashboards analytiques pour la prise de décision 𝗘𝗻𝘃𝗶𝗿𝗼𝗻𝗻𝗲𝗺𝗲𝗻𝘁 𝘁𝗲𝗰𝗵𝗻𝗶𝗾𝘂𝗲: Power BI, Django, Plotly, SQL, Docker

Génération de légendes géologiques à partir de coupes sismiques ➜ Développement et optimisation de méthodes Deep Learning pour la génération de légendes à partir de schémas de géologie ➜ Implémentation d'algorithmes de matching Coupe/Texte à partir de rapports de géologie structurale, construction d'une BDD. ➜ Implémentation d'algorithmes pour le résumé automatique de corpus documentaire appliqué à la géologie structurale. Environnement technique: Python, TensorFlow, Keras Détection de structures ➜ Conception d'une architecture U-Net pour la segmentation de cubes sismiques. ➜ Implémentation d'un système pour la détection de patterns géologiques (Yolo etc..) ➜ Développement/Optimisation de méthodes pour la génération de coupes géologiques synthétiques (GAN, VAE ...) 𝗘𝗻𝘃𝗶𝗿𝗼𝗻𝗻𝗲𝗺𝗲𝗻𝘁 𝘁𝗲𝗰𝗵𝗻𝗶𝗾𝘂𝗲: Python, TensorFlow, Keras, Docker