Service Emploi spécialisé depuis 27 ans
Pour être rappelé, indiquez votre numéro de téléphone.
1 à 3 ans d'expérience
Réf : 260911172524
Ingénieur Ia Et Data Science
Ma recherche
Je recherche tout type de contrat, dans toute la France, dans le Batiment.
Formations
09/2025 : Bac +5 - Université de Toulouse
Master Intelligence Artificielle – parcours Data & Connaissances
Master Intelligence Artificielle – parcours Data & Connaissances
05/2023 : Bac +3 - Aix-Marseille Université
Licence Informatique – parcours Mathématiques & Informatique
Licence Informatique – parcours Mathématiques & Informatique
Expériences professionnelles
03/2026 - à ce jour : Ingénieur de Recherche IA - CDD chez Estp Paris, Cachan
Conception d’une ontologie OWL/RDF (Turtle) et d’un knowledge graph pour modéliser la logique métier de projets de construction. Développement d’un pipeline OCR/LLM extrayant des données de documents en JSON afin d’automatiser l’alimentation du knowledge graph et réduire les erreurs collaboratives jusqu’à 30 %.
Conception d’une ontologie OWL/RDF (Turtle) et d’un knowledge graph pour modéliser la logique métier de projets de construction. Développement d’un pipeline OCR/LLM extrayant des données de documents en JSON afin d’automatiser l’alimentation du knowledge graph et réduire les erreurs collaboratives jusqu’à 30 %.
12/2025 - 02/2026 : Développeur Full Stack – Application mobile FoodAudit
Conception d’une architecture de données pour gérer plus de 4 M de produits alimentaires identifiés par code‑barres EAN. Développement d’un backend FastAPI intégrant données produits, Nutri‑Score, ingrédients, additifs et détection IA d’allergènes. Développement d’une appli Android (Kotlin/Jetpack Compose) pour le scan produit, la recherche et la personnalisation des préférences allergènes.
Conception d’une architecture de données pour gérer plus de 4 M de produits alimentaires identifiés par code‑barres EAN. Développement d’un backend FastAPI intégrant données produits, Nutri‑Score, ingrédients, additifs et détection IA d’allergènes. Développement d’une appli Android (Kotlin/Jetpack Compose) pour le scan produit, la recherche et la personnalisation des préférences allergènes.
04/2025 - 09/2025 : Ingénieur IA et Web Sémantique - Stage chez Edf, La Motte-Servolex
Conception d’ontologies OWL/RDF pour modéliser des données environnementales. Développement d’un pipeline d’intégration alimentant un knowledge graph GraphDB à partir de 6 API Hub’Eau. Intégration d’un agent RAG générant des requêtes SPARQL à partir de questions en langage naturel. Validation : 72 % de requêtes SPARQL correctement générées. Veille technologique et recommandations IA.
Conception d’ontologies OWL/RDF pour modéliser des données environnementales. Développement d’un pipeline d’intégration alimentant un knowledge graph GraphDB à partir de 6 API Hub’Eau. Intégration d’un agent RAG générant des requêtes SPARQL à partir de questions en langage naturel. Validation : 72 % de requêtes SPARQL correctement générées. Veille technologique et recommandations IA.
05/2024 - 08/2024 : Ingénieur IA & Computer Vision - Stage chez Irit, Toulouse
Migration d’algorithmes MATLAB vers Python pour la détection et le suivi de microbulles en imagerie cérébrale. Développement d’algorithmes de traitement d’images et génération de heatmaps de microcirculation. Conception de modèles Deep Learning (Keras) pour la classification binaire d’images biomédicales.
Migration d’algorithmes MATLAB vers Python pour la détection et le suivi de microbulles en imagerie cérébrale. Développement d’algorithmes de traitement d’images et génération de heatmaps de microcirculation. Conception de modèles Deep Learning (Keras) pour la classification binaire d’images biomédicales.
01/2024 - 03/2024 : Ingénieur LLM et Data Science - Stage chez Made In Tracker, Toulouse
Construction d’un dataset JSON de paires question‑réponse pour le fine‑tuning du LLM Falcon. Fine‑tuning du modèle afin de générer des requêtes API à partir de questions en langage naturel pour automatiser l’accès aux informations produits.
Construction d’un dataset JSON de paires question‑réponse pour le fine‑tuning du LLM Falcon. Fine‑tuning du modèle afin de générer des requêtes API à partir de questions en langage naturel pour automatiser l’accès aux informations produits.
Langues
Français (Oral : courant / Ecrit : intermédiaire), Anglais (Oral : courant / Ecrit : intermédiaire)
Atouts et compétences
Python, Java, Bash, C, CUDA, Kotlin, PyTorch, TensorFlow, Keras, Scikit-learn, Transformers, SpaCy, LangChain, OCR, Pandas, NumPy, SciPy, Matplotlib, Seaborn, Deep Learning, NLP, LLM Fine‑tuning, RAG, Knowledge Graphs, Web Sémantique, Développement d'ontologies, MLOps, LLMOps, Agents IA, RDF, RDFS, OWL, Turtle, SPARQL, SHACL, PostgreSQL, MongoDB, Neo4j, GraphDB, FastAPI, Git, Docker, n8n, Android Studio