Profil —
Ingénieur ML avec 1+ an en IA/ML en production et 4+ ans d'expérience fullstack en SaaS de santé.
Master Erasmus Mundus en Imagerie Médicale (MAIA) ; recherche à l'INSERM Dijon en segmentation cérébrale 3D.
Pipelines ML de bout en bout (PyTorch, TensorFlow), Vision par Ordinateur, LLM / VLM, Agents IA (MCP, RAG)
et déploiement cloud (FastAPI, Docker, AWS / GCP, Databricks).
Ouvert aux postes ML / CV / Agents IA en France & en télétravail mondial.
Expérience Professionnelle
BLACKBIRD.AI — New York, États-Unis (Télétravail)
- Entraînement de modèles & fine-tuning de LLM
- Préparation des données & analyse de données à grande échelle
- Déploiement & supervision de modèles
- Collaboration avec les équipes d'ingénierie et de recherche pour le déploiement
INSERM UMR 1231, NEUROGEMM — Dijon, France
- Conception d'un pipeline automatisé de segmentation nnU-Net pour des volumes 3D histologiques de cerveau de souris haute résolution (Python, PyTorch)
- Prétraitement et gestion de jeux de données 3D à grande échelle sur cluster GPU
- Contribution à la documentation scientifique et aux présentations de recherche internes
Vision Eye Hospital — Dhaka, Bangladesh
- Conception et maintenance d'une solution ERP / HIMS hospitalière
- Développement de modules pour ordonnances, diagnostics et flux chirurgicaux
- Gestion DevOps avec Nginx / Apache sur Linux
Projets de Recherche
Segmentation 3D de Cerveau de Souris
— nnU-Net, PyTorch
[github]
Pipeline automatisé pour des données histologiques 3D haute résolution.
Recalage d'Images CT — Elastix + SimpleITK
[github]
Framework de recalage rigide et affine pour images médicales multimodales.
Segmentation 3D de Tissus Cérébraux (IRM)
— TensorFlow, PyTorch, U-Net
[github]
Délimitation des tissus MB / MG / LCS à partir de scans IRM volumétriques.
Classification de Lésions Cutanées
— VGG16, ResNet50, Keras
[github]
Transfer learning sur images dermoscopiques avec fine-tuning par validation croisée.
Analyse d'Images Rétiniennes (2D)
— Pipeline CV classique
[github]
Seuillage + opérations morphologiques pour la segmentation d'exsudats durs.
Formation
Master Conjoint Erasmus Mundus
Imagerie Médicale & Applications (MAIA)
Sept. 2022 – Août 2024
Université de Bourgogne — Dijon, France
Università degli Studi di Cassino — Italie
Universitat de Girona — Espagne
Segmentation et recalage d'images médicales, deep learning, diagnostic assisté par ordinateur, robotique chirurgicale, e-santé.
Master — Génie Logiciel
Université de Tianjin, Chine
Licence — Informatique
Bangladesh University, Bangladesh
Compétences Techniques
| ML / DL | PyTorch, TensorFlow, Keras, Scikit-learn, nnU-Net |
| Vision par Ord. | Segmentation, Recalage, Classification, Analyse 3D, OpenCV |
| LLM / VLM | GPT-4, Claude, Gemini, Llama, CLIP, LLaVA, Fine-tuning, Prompt Engineering |
| Agents IA | LangChain, LangGraph, MCP, RAG, Tool Use, APIs OpenAI / Gemini |
| Imagerie Méd. | Segmentation, Recalage, CAD, analyse volumique 3D |
| Cloud / Data | AWS (EC2, S3), GCP, Databricks |
| DevOps | Docker, CI/CD, Linux, Nginx |
| Outils | Git, REST API, Jupyter |
Langues
Bengali — Langue maternelle
Anglais — Intermédiaire avancé (B2)
Français — Débutant (A1–A2, en apprentissage actif)
Formations & Écoles
17ème EXCITE Summer School
Imagerie Biomédicale
ETH Zurich & Univ. de Zurich, Suisse
Sept. 2023
Winter School 2023
Università di Cassino, Italie
Févr. 2023
Postes Visés
- Ingénieur ML / IA — Imagerie Médicale, Health-Tech
- Ingénieur Vision par Ordinateur / R&D
- Ingénieur Agents IA / LLM (MCP, Agents, RAG)
- Ingénieur Fullstack (Python / Vue / React)
- Ingénieur MLOps (Docker, AWS, GCP, Databricks, CI/CD)
Mots-clés ATS
Imagerie Médicale · Segmentation 3D · Deep Learning · Vision par Ordinateur · PyTorch · nnU-Net ·
SimpleITK · OpenCV · Python · FastAPI · Vue.js · React · Docker · AWS · GCP · Databricks ·
LLM · VLM · GPT-4 · Claude · Gemini · CLIP · LLaVA · Fine-tuning · Prompt Engineering ·
MCP · Agents IA · LangChain · LangGraph · RAG · CI/CD · MLOps · REST API · SaaS · INSERM · Erasmus Mundus