Théo Philibert

– Intégré au sein du Datalab pour le soutien des flottes en service, avec un rôle de référent technique et de coordination transverse. – Conception et déploiement de modèles analytiques pour l'évaluation des risques sur les flottes civiles et militaires – Industrialisation de solutions Data: création et déploiement de projets Python (Gestion Agile, CI/CD, linting avec Ruff, publication via Twine) – Structuration de workflows collaboratifs (Git, Jira, revues de code) – Pilotage et formations de Data Scientists (cadrage, validation technique, formations: Python, Environnement virtuel, Cloud) – Présentations stratégiques auprès d'entités étatiques (AIA, DGA) et responsables sécurité des vols

Interventions multi-projets dans les domaines de l’Industrie, de l’Énergie, de la Santé avec une approche full-stack data. • Développement de pipelines de données (SQL / Python) et intégration de modèle d'IA • Déploiement de solutions analytiques sur AWS et Azure • Data audit et structuration de bases de données • Travail en organisation agile à l’aide de Git, Jira et Slack Référent Python au sein de l’entreprise : • Animation de formations Python auprès des collaborateurs • Intervention pédagogique dans une école lyonnaise pour former des étudiants aux fondamentaux de la programmation et de la data • Accompagnement technique et mentorat de profils juniors Projets notables : • Nestlé : traçabilité temps réel des lignes de production • Citeo : classification d’emballages via réseaux de neurones • HCL : auto-encodeur et modèle de classification de patients • Total : data audit des consommations de flottes industrielles • DeepLearning : - Segmentation d'images sur des données satellites de Dubaï en utilisant le modèle U-Net (resize, patchify, mask, similarité Jaccard) - Détection et classification de véhicules sur les autoroutes avec le modèle YoloV5 en partant d'une URL

Développement d’une solution d’analyse automatisée de fichiers JavaScript basée sur le Machine Learning et déploiement sur l’artifactory d’Airbus. • Webscraping de 40 000 malwares • Parsing et analyse syntaxique (AST) • Data preparation avancée (TF-IDF, Similarité Cosinus) • Détection automatique via modèles ML en Python • Approche critique des algorithmes et optimisation des performances • Mise en production sous AWS

– Classification d'images (base MNIST) et modèles de ML réalisés sur plusieurs jeux de données issus de Kaggle – Etude de la convergence de marches aléatoires dans un hypercube – Classification des coulées de laves de volcans actifs en 3 catégories distinctes – Implémentation des régressions pénalisées sur plusieurs datasets en big data – Gestion d'entrepôt de données avec le langage SQL en utilisant un terminal Oracle

– Traitement de données techniques et qualité des produits composites des A350 sous Python. – Implémentation de modèles prédictifs pour expliquer les problèmes de non qualité des pièces.

– Analyses statistiques et modélisations temporelles du chiffre d'affaire de l'entreprise depuis 2009 sous R. – Réalisation d'un Dashboard avec le Package Shiny. – Création d'applications VBA pour aider efficacement les employés de la société dans la saisie des recettes journalières.

– Stage de Validation de DUT – Réalisation de la carte prévisionnelle des collèges éligibles à intégrer les réseaux de l'Éducation prioritaire 2019. – Extraction de données avec BusinessObjects. – Méthodes factorielles et de classifications sous R.