Florian BOBO

Casual Linuxien passionné d'informatique et de sciences, je milite pour des pratiques éco-responsable et intelligente  du Machine Learning en entreprise.

#Compétence et Atout:  

## Langages
 -Python 
- Cython 
- C 
- Rust 
- Javascript/HTML5/CSS3 
- Node.js 
- SQL

## Machine Learning skills 
- Analyse statistiques,
- Regression  
- Classification
-  Clustering 
-  Algorithme stochastique (génétique, optimisation stochastique,  greedy search, random walk ) 
 - Reinforcement Learning, optimisation linéaire.  
-  Volonté d'optimiser les algorithmes dans une optique de frugalité financière et écologique.

## DevOps / MlOps skills  
- Bash-Scripting  
- Outils de versionnage ( git, gitlab) 
- Intégration Continue 
- Déploiement Continue  ( gitlab-ci, Concourse)
- Test Unitaire et Test d'intégration 
- Monitoring ( MLFlow, prometheus, k9s, etc )
- ETL 
- Contenairisation   (Docker / Podman) 
- Orchestration de conteneur  (Kubernetes )  
- Infrastructure as Code  

## Soft Skill 
- Maitrise de la méthodologie Agile  et de l'XP 
- Gestion de processus créatif d'innovation 
- Mode de travail orienté Client/Produit et non pas Projet/Client . 
- Autonome   
- Pédagogue  
- Pairing  
- Green Dev  

# Produit Open Source: 
- Modélisation et prédiction sur les caractéristiques phonétique du langage dans l'apprentissage du langage chez l'enfant 
- Création d'API REST pour la localisation de Velib et API pour relier une recette avec la bière assortie. 
- Regroupement Sémantique par description d'oeuvre d'arts 
- Monitoring de Process Python  
- Notebook pédagogique de création d'un module de réseau de neurones . 
- Templating de visualisation d3.js via Python [ en cours ]

Au sein de pôle emploi :

- Maintenance de plusieurs projets en prédiction.  
- Création de diverses  API pour des solutions back-end à diverses outils de prédictions  
- prédiction sur des comportements et des spécificité machines ( IAOps)
- création d'un framework pour automatiser et homogénéiser le deploiement d'une application via la chaine gitlab -> docker -> kubernetes -> concourse CI/CD . 
- Optimisation et eco-conception de python vers cython 
- Création d'un composant streamlit pour de la data-visualisation avec d3.js 

Dans le cadre de l'industrie 4.0 et de la transformation digitale du site de Salindres pour Axens: 
- optimisation de procédé 
- Simulation de procédé industriels 
- maintenance prédictive 
- optimisation et prédiction sur des procédés industriels.

La formation la plus pertinente a été le master MIASHS où j'ai pu faire fructifier ma passion pour la data et le machine learning.