Profil —
Ingénieur Vision par Ordinateur & 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) — l'un des programmes IA les plus sélectifs d'Europe (taux d'admission <10%) ;
recherche à l'INSERM Dijon sur la segmentation cérébrale 3D automatisée (nnU-Net, PyTorch).
Spécialisé dans les pipelines deep learning de bout en bout pour la segmentation d'images, la détection d'objets et l'analyse volumique 3D.
Basé à Paris — disponible immédiatement pour des postes en présentiel, hybrides ou en télétravail en France.
Expérience Professionnelle
BLACKBIRD.AI — New York, États-Unis (Télétravail)
- Fine-tuning de modèles LLM (LLaMA, Mistral) sur des jeux de données de détection de désinformation à grande échelle
- Construction et maintenance de pipelines de données traitant plus de 100 000 exemples pour l'entraînement et l'évaluation des modèles
- Déploiement et supervision de modèles en production sur AWS (EC2, S3) avec des endpoints FastAPI
- Collaboration avec les équipes d'ingénierie et de recherche sur plusieurs fuseaux horaires pour les cycles d'itération et de mise en production
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, avec des scores Dice élevés sur plusieurs régions anatomiques (Python, PyTorch)
- Prétraitement et gestion de plus de 400 jeux de données volumétriques 3D sur cluster GPU (SLURM) ; réduction du temps de prétraitement manuel d'environ 60 %
- Contribution à la documentation scientifique et présentation des résultats lors de séminaires de recherche internes à l'INSERM
Vision Eye Hospital — Dhaka, Bangladesh
- Conception et maintenance d'une plateforme ERP / HIMS hospitalière utilisée par plus de 50 professionnels de santé pour les ordonnances, les diagnostics et les flux chirurgicaux
- Réduction du temps d'accès aux dossiers patients d'environ 40 % grâce à l'optimisation des requêtes et à la mise en cache
- Gestion de la production DevOps (Nginx / Apache, Linux) avec un taux de disponibilité supérieur à 99 % sur 4 ans
Projets de Recherche
Segmentation 3D de Cerveau de Souris
— nnU-Net, PyTorch
[github]
Pipeline automatisé pour 400+ volumes histologiques 3D haute résolution ; scores Dice multi-régions comparables à l'annotation manuelle.
Recalage d'Images CT — Elastix + SimpleITK
[github]
Framework de recalage rigide et affine pour images médicales multimodales ; validé sur des benchmarks publics de CT pulmonaire.
Segmentation 3D de Tissus Cérébraux (IRM)
— TensorFlow, PyTorch, U-Net
[github]
Délimitation des tissus MB / MG / LCS à partir de scans IRM volumétriques ; score Dice >90 % sur le jeu de test avec un U-Net 3D personnalisé.
Classification de Lésions Cutanées
— VGG16, ResNet50, Keras
[github]
Transfer learning sur le dataset ISIC dermoscopique ; précision équilibrée d'environ 88 % avec fine-tuning par validation croisée.
Analyse d'Images Rétiniennes (2D)
— Pipeline CV classique
[github]
Seuillage + opérations morphologiques pour la segmentation d'exsudats durs sur le dataset DIARETDB1.
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 — Élémentaire (A2, en progression active — objectif B1 fin 2025)
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 Vision par Ordinateur (R&D / Production)
- Ingénieur ML — Imagerie Médicale & HealthTech
- Ingénieur Deep Learning — Analyse d'Images / Vision 3D
- Ingénieur MLOps / IA (Docker, AWS, GCP, 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