Tamalis A.

– Étude et intégration de solutions d'intelligence artificielle pour l'évolution d'une plateforme de recrutement. – Conception de POC dédiés au traitement automatisé des CV et à la structuration d'offres d'emploi. – Évaluation comparative de solutions OCR et Document Al locales et cloud : Amazon Textract, PP-OCR et Mistral OCR. – Développement en Python de pipelines d'extraction, de classification, d'anonymisation et de structuration de données RH. – Conception d'un pipeline d'anonymisation combinant règles déterministes et LLM local afin de limiter l'exposition des données personnelles et de répondre aux enjeux de confidentialité et de RGPD. – Réalisation de benchmarks CPU/GPU avec PyTorch, ONNX Runtime et TensorRT afin d'optimiser la latence et les performances de moteur d'inférence. – Étude des architectures de déploiement et des contraintes d'intégration, de coût, de scalabilité et de sécurité des données.

– Conception d'un chatbot adaptatif pour conseiller des clients en magasin selon leur profil culturel et leurs préférences, basé sur un modèle LLM. – Intégration d'un système RAG (Retrieval-Augmented Generation) avec recherche vectorielle sémantique sur un catalogue produit, déployé sur Azure Cloud. – Développement d'une interface de paramétrage dynamique des profils client/vendeur basée sur les critères de Hofstede. – Évaluation du pipeline RAG avec RAGAS sur 18 catégories, selon la fidélité (faithfulness), la pertinence des réponses, la précision et le rappel du contexte.

– Développement d'un algorithme de Machine Learning pour l'extraction automatique de données à partir de CV. – Fine-tuning d'un modèle LiLT / XLM-ROBERTa pour classifier les sections de CV à partir du contenu textuel et de leur disposition spatiale. – Constitution et validation d'un corpus de CV, optimisation du modèle par pondération des classes, AdamW, weight decay et validation croisée. – Développement d'un pipeline d'inférence intégrant AWS Textract, OVHcloud et FastAPI, avec post-traitement et visualisation des prédictions.

– Optimisation de portefeuilles boursiers (S&P 500) via l'analyse de clusters. – Extraction et traitement de données financières via API. – Mise en place de clustering pour la segmentation des titres. – Évaluation des performances des portefeuilles optimisés.