Expérience professionnelle

• Thèse CIFRE Kameleoon / LIPN

  2016-Actuellement

  J'ai commencé une thèse CIFRE début juillet 2016 où je partage mon temps entre Kameleoon, leader français de l'A/B testing et de la personnalisation. J'y réalise l'implémentation en Scala/Spark des nouveaux produits de l'entreprise tout en étudiant l'application de modèles de machine learning sur les données collectées. L'autre part de mon temps je me concentre sur les problématiques de clustering et visualisation distribuées à l'aide des mêmes technologies précédemment mentionnées.

• Ingénieur de recherche LIPN

  2015-2016

  Après deux stages très enrichissant j'ai continué d'appliquer les connaissances acquises dans l'amélioration de l'algorithme précédemment réalisé ainsi que la réalisation de test de passages à l'échelles sur des version Python/Scala Spark.

• Stage d'algorithmie distribuée

  2015

  Lors de ce stage j'ai implémenté en Spark une version généralisée de l’algorithme de clustering Mean Shift. L’apport dans cet algorithme est l'ajout de la technique de LSH pour calculer une approximation des plus proches voisins. Cette technique permet de réduire drastiquement la complexité dans la recherche des plus proches voisins. Les résultats obtenus sont prometteurs et ont amener à une publication à IJCNN2016.

• Stage de visualisation de données

  2014

  Ce stage consistait à visualiser les prototypes de clusters issus de cartes auto-organisatrices (SOM). La technologie employée était D3.js en raison de la diversité des interactions qu'elle permettait d'intégrer aux visualisations. Diverses visualisations ont été développées, des tableaux d’histogrammes, des diagrammes camemberts, des réseaux et d’autres spécifiques à SOM.

Cursus scolaire

• Université Paris Dauphine

  2014-2015

  Master 2 de recherche ISI, Informatique des Systèmes Intelligents

• E.I.S.T.I

  2012-2015

  Ecole Internationale des Sciences du Traitement de l’Information, génie mathématique, option Data Science.

• Lycée Kléber

  2010-2012

  CPGE PCSI-PC