Je suis un ingénieur en Intelligence Artificielle spécialisé dans le Deep Learning et l'Ingénierie Logicielle. Mon approche est simple : pour maîtriser des outils complexes comme PyTorch ou TensorFlow, il faut d'abord comprendre ce qui se passe sous le capot.
Je construis des systèmes robustes en alliant mathématiques avancées et optimisation de performance.
Réinventer la roue pour comprendre comment elle fonctionne
J'ai développé un framework de Deep Learning complet from scratch en utilisant uniquement NumPy (et CuPy pour le GPU).
- ⚡ Performance : Vectorisation complète, support du GPU via CuPy et implémentation de
im2colpour les convolutions. - 🛠 Ingénierie : Pipeline CI/CD, Typage statique (MyPy), Linting (Ruff) et Tests unitaires.
- 🧠 Fonctionnalités : Conv2D, AdamW, Dropout, Early Stopping, sérialisation de modèles, ...
Voir le Code | Voir la Démo MNIST
Un assistant intelligent pour explorer ma librairie.
Pour faciliter l'adoption de MPNeuralNetwork, j'ai créé un agent RAG (Retrieval-Augmented Generation) capable de répondre aux questions techniques sur la documentation et le code.
- 🔍 Architecture RAG : Recherche Hybride (BM25 + ChromaDB) et Re-ranking (Cross-Encoder).
- 🧠 Multi-LLM : Support de Google Gemini, OpenAI et Ollama (Llama 3).
- 💻 Interfaces : Chat interactif via CLI ou Web (Streamlit).
Deep Learning & Data Science
Engineering & DevOps
Web & App
- 📄 CV / Resume : 🇫🇷 Français | 🇬🇧 English
- 🎓 Formation : Diplômé de CentraleSupélec (Ingénierie IA) & ECE Paris.
- 🔭 Actuellement : Je travaille sur l'implémentation bas niveau des réseaux de neurones.
- 📫 Me contacter : LinkedIn | Email