Je vais devenir data scientist et ingénieur mlops en utilisant python

Ingénieur MLOps | Data Scientist | Plus de 2 ans d’expérience

Mes compétences sont

CI/CD : GitHub Actions, Jenkins, ArgoCD - Réduction de 70 % des cycles de déploiement, 85 % de défaillances en moins

Containerisation : Docker, Kubernetes (EKS/AKS/GKE), HPA, Istio, Helm - Images 40 % plus petites, disponibilité de 99,9 %

Pipeline ML : Kubeflow, MLflow, Airflow, Feast, DVC, ZenML - 85 % de travail manuel en moins, développement 50 % plus rapide

Cloud : AWS (SageMaker, ECR, EKS, Lambda, API Gateway), Azure ML, GCP Vertex AI, Terraform

Monitoring : Prometheus, Grafana, Evidently AI, DeepChecks, WhyLogs, PagerDuty - MTTD 75 % plus rapide

Qualité des données : Great Expectations, Pandera, Pydantic - 60 % de problèmes de données en moins, plus de 15 suites d’attentes

NLP & LLMs : PyTorch, Hugging Face, LangChain, RAG, Fine-Tuning, LLaMA, VLLM - Précision du sentiment à 89 %

Modèles : Churn (précision de 85 %, augmentation de 15 % de la rétention), XGBoost (R² de 80 %), plus de 10 000 prédictions quotidiennes

Je conçois des pipelines MLOps de production, évolutifs, de bout en bout, avec suivi des expériences, gestion des versions de modèles, réentraînement automatisé et détection de dérive. Déployons vos modèles AI/ML à grande échelle !

Stack technologique : Python | SQL | TensorFlow | Scikit-learn | FastAPI | Redis | PostgreSQL | Pytest | Git | Linux | Bash