Titouan Robert

Développement Python Conception de projet, prévision de séries chronologiques, industrialisation. Travaux de recommandations, mise en avant de contenu. Utilisation d'algorithmes complexes de recommandations personnalisés, mise en production. Databricks, AWS, Snowflake.

Formation dans les domaines du machine et du deep learning (intelligence artificielle). Intervention auprès d'adultes en entreprise voulant se perfectionner en python, intelligence artificielle. keras, tensorflow, sklearn.

Intervention pour des formations continues auprès d'adultes au CEPE (groupe ENSAI, ENSAE).

Banque de France (9 mois) : Création de la partie française d'un système de reporting (projet Européen). Mise en place d’une interface R-shiny. Aide et conseil à l’intégration de R en environnement de production. Mise en place de flux de données Mongo-DB R-shiny. Conseil sur la meilleure solution suivant les besoins et leurs évolutions possibles. Management technique d'une petite équipe (répartition du travail / aide à la montée en compétence). Crédit immobilier de france (3 mois): Estimation de score, benchmarking de techniques de machine learning (random-forest, xgboost, réseaux de neurones). Gestion de quantité de données importantes pour un poste fixe. Optimisation du code, travail de préparation en parallèle. RTE ( 1 An et 3 mois): Travaux d'optimisation sur les échanges énergétiques entre Allemagne, France, Belgique et Pays bas. Optimisation linéaire de distances entre sommets de polyèdres convexes depuis R. Opérations géométriques divers (passage d’équations de plan à polyèdres …). Test de plusieurs package R permettant de poser des problèmes d’optimisation et de plusieurs solvers pour les résoudre. Utilisation de matrices sparses. Création de deux packages R pour encapsuler ces développements : antaresFlowbased et flowbasedClustering avec intégration continue avec github, travis, appveyor, tests automatiques et couverture de code. Reformatage de données, utilisation du type de fichier .h5 (library rhdf5 sous R). Réécriture de fichiers plats en array 3D H5. Augmentation de la vitesse de lecture par 5 par rapports aux meilleures performances obtenues sur fichier plat. Participation à la réalisation du package antaresRead.Volume de données très importants. Prévision de séries temporelles avec des réseaux de neurones profonds. Utilisation de réseaux multi input, multi output, de réseaux récurrents (LTSM) et de réseaux convolutifs. Utilisation de keras et de tensorflow en python.

Enseignement de python et de la data science, machine learning, deep learning auprès d'étudiants de MBA ESG.

RTE (2 mois) : Participation à la mise en place d'un POC sur le marché de capacité. Utilisation des technologies R / R-shiny et mongoDB. Participation à la contruciton d'un package. EDF R&D (6 mois) : Interface utilisateur pour la réalisation de modèles GAM, développement R-shiny, markdown. Présentation R-shiny et de son utilité en entreprise à une conférence. Création d’un package R reprenant un travail de thèse sur la modélisation avec modèles GAM. ERDF (3 mois) : Réalisation d'une étude sur l'élasticité prix, data management sur de gros volumes de données. Optimisation de code, travail en collaboration avec des chercheurs.