Thomas ANGLADE

Amélioration de l'agent conversationnel à commande vocale présent dans les voitures du groupe Renault: - Stockage des informations utilisateurs - Implémentation de use cases intelligents dans l'ecosystème Google: - Description automatique de points d'intérêts touristiques - Exploitation des préférences utilisateurs pour améliorer l'expérience de conduite Framework: GCP, Python, ADK

Mise en place d'un agent conversationnel de type RAG pour implémenter des fonctionnalités de recherche intelligente dans des documents juridiques: - Extraction des données depuis des documents PDF: OCR, Python - Mise en place d'un RAG (Python, Langchain) - Exposition d'une API en interne - Technologies cloud Azure

Mise en place d'algorithmes de correction automatisée en français et en anglais: - Constitution de training sets avec Mistral AI (3M lignes) - Finetuning d'algorithmes mBART sur la tâche de correction - Développement du postprocessing de données et de l'API en python - Structuration des tests de performance et de l'évaluation automatisée - Déploiement en production sur l'intégralité du site

Amélioration des performances d'un agent conversationnel sous forme de RAG, en améliorant la qualité des embeddings sous-jacents du modèle: - Analyse de performance des embeddings (représentation vectorielles des mots du RAG) - Fine-tuning des embeddings sur un vocabulaire spécifique mieux adapté au RAG

Development of an ML-based anomaly detection suite for industrial cybersecurity: - Using supervised an unsupervised ML models for behavioral anomaly detection - Building graph-based approaches to model the interactions of entities in the network - Ensured model explicability and whiteboxing approach Steps of the project: - Gathered data with prospects - Worked on feature engineering to identify the key patterns to detect - Developed a prototype using Spark/Scikit-Learn/Neo4j/MongoDB - Built a 6-person team to scale the prototype and integrate it in the software

PROJETS: 1 - Développement d'un algorithme de modélisation comportementale pour détection de fraude en santé. 2 - Développement d'algorithmes d'OCR pour améliorer le traitement automatisé de feuilles de soin dans le domaine de la santé: - cadrage avec les équipes métiers - optimisation du système existant avec tesseract - constitution d'un dataset d'évaluation de la performance - assistance au déploiement en production

Mise en place d'algorithmes de ML pour automatisation du process de souscription: - Détection automatique d'incohérence dans les relevés d'informations pour validation automatique de la conformité - RAD/LAD pour extraction automatisée d'informations pertinentes lors du processus de souscription

Intégration d'un algorithme de détection de la fraude en santé dans le processus d'OCRisation des feuilles de soin (RAD/LAD): - Cadrage et recensement des cas de fraudes avec la compagnie d'assurance partenaire - R&D, mise en place de l'algorithme sur des jeux de tests - Intégration de l'algorithme dans le processus d'OCR - Réalisation des tests de performance et assistance à la mise en production

Audit of the datalab and recommandations for data science industrialisation

Development and integration of ML algorithms to predict kidney diseases

Development of an ML-based cyber anomalies detection framework

Solving dynamic resource allocations problems with ML. Provided services for : Mediametrie DataLab, Natixis DataLab

Financial risk pricing using stochastic calculus. Provided services for the following clients : Moody's Analytics, AXA Insurance, Groupama, MGEN Technologies, Caisse des dépôts et consignations, UK Prudential Regulation Authority, La Banque Postale asset management