APIs • Data Pipelines • Déploiement de modèles IA
Étudiant en Bac+2 Informatique à CESI Reims, en préparation d’un Bac+3 CDA.
Spécialisation : backend Python, API, pipelines data et IA appliquée, intégration, optimisation et déploiement de modèles entraînés dans des applications concrètes.
- 🎓 Formation : Bac+2 Informatique (CESI Reims) — poursuite en Bac+3 CDA
- 💼 Actuellement : Stagiaire Développement Web — TDM‑GROUP (Janvier → Juin 2026)
- 🎯 Objectif : Alternance Python / Backend / Data / IA appliquée (Août/Septembre 2026)
Approche technique :
Je conçois et livre des solutions end‑to‑end :
FastAPI → Pipelines Data → Modèles IA (TensorFlow → ONNX) → Docker → Déploiement.
IA appliquée = intégrer et déployer des modèles entraînés dans des systèmes réels, pas consommer des API externes.
Usage : prototypage, préparation de données et entraînement → export modèles pour inference locale. 🧠
Usage : APIs, conteneurisation, bases relationnelles et déploiement. 🐳🗄️
Usage : interfaces, intégration front→back, gestion de versions et outils locaux pour LLMs. 🔧💻
🔒 Private
- 🖼️ Classification d’images : entraînement et fine‑tuning (TensorFlow)
- 🔁 Conversion & optimisation : export vers ONNX, optimisation pour inference locale
- 🧩 API & explication : API FastAPI avec module XAI pour interprétabilité
- 🚀 Déploiement : conteneurisation Docker, pipeline CI/CD léger
🔒 Private
Pipeline :
Voix → STT → Llama3.1 (Ollama) → TTS → Google Home
🔁 Pipelines de données : extraction, nettoyage, transformation et préparation de datasets (Pandas)
🧠 Modélisation : prototypes supervisés pour régression et classification (Scikit‑Learn)
⚙️ IA appliquée : intégration et optimisation de modèles TensorFlow → ONNX pour l’inférence locale
📊 Visualisation : dashboards interactifs Streamlit pour la restitution et l’analyse en temps réel
🔒 Private
🔄 Pipeline complet : ingestion → nettoyage → analyse → visualisation
📈 Data Analyse : statistiques de fréquentation, tendances, segmentation
🧪 Modélisation : prototypes pour la prédiction de présence (Scikit‑Learn)
🖥️ Dashboard : interface Streamlit pour la restitution en temps réel
💻 Développement logiciel : applications CRUD, architecture MVC (Java, PHP)
🐍 Python : mini‑projets, scripts, jeux, automatisations
🗄️ Bases de données : conception, SQL, schémas relationnels
🚀 Backend Python : FastAPI, architecture, bonnes pratiques
🔧 IA appliquée : optimisation, conversion et déploiement de modèles IA (TensorFlow → ONNX)
🔁 Pipelines & automatisation : outils internes, services, scripts
⚡ Inference locale : ONNX Runtime, optimisation CPU/GPU
