Responsable du Pôle « Data et Algorithmie » :- Développer et maintenir un haut niveau d'expertise technique au sein du pôle.- Accompagner les collaborateurs, favoriser les échanges de compétences.- Assurer une veille technologique pour anticiper les évolutions du marché.- Valoriser les talents internes et renforcer la fidélisation des collaborateurs.- Promouvoir l'expertise de Kaizen à l'interne et à l'externe, notamment lors d'événements et de recrutements.- Construire la vision IA de Kaizen Solutions.- Gestion de projet, Management, Budget.Mission TDK #2 :- Evaluation de capteurs ultrason- QA hardware/software de solution contenant des capteurs ultrason- Data analyse- Evolution du framework de test et création d'outils métiers(Python)- ReportingMission TDK #1 :- Évaluation de solution Key Word Spotting- Data analyse- Développement d'algorithmes de parsing et de réconciliation de log- ReportingMission Kaizen :Développement d'un module de conversion automatique de CV en CV KaizenParsing, NLP, OCR, llmFastAPI / StreamlitGestion de projet, responsable techniqueMission Thales :- Développement d'algorithmes de parsing de logs et d'alerting pour des systèmes de radiologie. - Conception d'outils de dashboarding pour de l'aide à la maintenance. - POC NLP (Anonymisation automatique, clustering de logs)Divers pour Kaizen solutions:- Animation d'atelier Data science- Module de Computer Vision / Objects Tracking- Présentations-Talks / articles / podcasts / ateliers- Communications

Conception et développement de modules “Low code/No code” de Data Science en solution SaaS (Benchmark, Design software, Développement Python, Backend, Base de donnée, Tests unitaires, ...)Développement d'algorithmes et solutions Data Viz pour des Use-cases clients (API, Dashboarding, Reporting, ...)Encadrement d’étudiants en Data Science

Développement de solutions IA pour le compte de clients de secteurs divers (Commerce, Energie, Bancaire, Agro-alimentaire, etc). MLOps, Data mining, Data analyses, Machine Learning / Deep Learning, Big Data, Data Viz et déploiement.«Conception d'une API pour le domaine de la Santé »Développer une application à partir de données alimentaires pour prédire le Nutriscore de plats.« Anticipation de consommation et émission de bâtiments »Utiliser des données recueillies auprès d’immeubles de nouvelle génération afin de modéliser et prédire les consommations énergétiques et émissions de gaz à effet de serres en fonction du type de bâtiment.« Segmentation des clients de site e-commerce »Réaliser un clustering d’utilisateurs d’un site d’e-commerce afin d’établir des actions commerciales ciblées.« Classification automatique de biens de consommation »Mise en place d’un outil de classification automatique de produits de consommation en fonction de leurs descriptifs (NLP) et de leurs photos (Computer Vision).« Implémentation d’une métrique métier »Construire une métrique métier pour la modélisation d’un score d’attribution de prêt bancaire, interprétation sur Dashboard et déploiement de l'API.« Environnement Big Data »Développer un process de traitement d'image dans une problématique Big Data pour la reconnaissance de produit agro-alimentaire.« Analyse de marché pour le lancement de logiciel éducatif »Etude (Data Mining) et visualisation de donnée (DataViz) pour définir une stratégie commerciale de déploiement d'un logiciel éducatif. Réalisations :Data Mining, Etude statistiquePre-processing, feature engineering, réduction dimensionnelle (ACP)ML supervisé(régression, kNN, SVM, Random Forest, XGBoost, LightGBM)ML non supervisé(Kmeans, DBScan, HAC, GMM)Métrique métier, optimisation bayésienne, stackingNLP(BoW, Tf-IDF, Embedding)Computeur Vision(ORB, SIFT)Deep Learning(CNN, RNN, Transfert learning)Spark, AWS, ElasticsearchDéploiement API, Dashboard

Projet de création de Start-up : RECUP’TR - Extraction et recyclage des terres rares contenues dans les aimants. Le projet RECUP’TR a pour objectif de recycler les aimants issus des disques durs afin d’en extraire les terres rares et de les valoriser auprès des utilisateurs.Le procédé est divisé en deux étapes : un recuit sous hydrogène permet de réduire l’aimant en poudre, au sein du disque dur. Puis, les terres rares sont séparées magnétiquement des autres éléments.

Étude de l'influence d'éléments d'additions sur les propriétés de stockage de l'hydrogène dans le système Ti-V-Fe.Élaboration d’alliages ternaires/quaternaires/quinaires en four à induction (creuset froid) – Métallurgie.Formation et caractérisation d’hydrure sous pression (hydrogénation, mesure PCT, cyclage).Caractérisation physico-chimique (DRX, MEB, EDX, Microsonde de Castaing). Mise en place d’un banc d’hydrogènation/cyclage haute pression (200 bar), d’un four de recuit, d’un système d’encapsulation sous atmosphère contrôlée, d’une boîte à gant poudre.Formation et encadrement d’un agent technique.Responsable de la gestion des stocks et de l’établissement des procédures.

Génération par laser de particules de tungstène «ITER-LIKE». (LP3)(Projet CNRS/CEA)Réalisation de nanoparticules par ablation laser (ns/ps) en voie solide.Étude théorique de l’interaction laser-matière / plasma-laser.Caractérisation physico-chimique (MEB, EDX).

Réalisation de nouveaux matériaux d’électrodes (ORB) pour accumulateur au Lithium.Réalisation de synthèse organique et de polymérisation sous atmosphère inerte (Boîte à gants). Formulation et mise en œuvre d’encre. Caractérisation physico-chimique (Spectroscopie RMN, Infrarouge, Analyse Thermique, Magnétisme) et électrochimique (Voltampérométrie cyclique, test de cyclage d’accumulateur).Brevet déposé en fin de stage.Récompensé de la prime « stagiaire CEA ».