Claire Moreau

Ingénieur en Intelligence Artificielle | Apprentissage profond et MLOps

đź“§[email protected] 📞+33 6 45 78 12 34 đź”—https://clairemoreau.ai
📍24 rue de l'Innovation, Paris, Île-de-France, France, 75011
LinkedIn: @clairemoreau-ai GitHub: @clairemoreau Medium: @clairemoreau

Informations de base

Ingénieur en intelligence artificielle avec plus de 7 ans d'expérience dans la conception, l'entraînement et le déploiement de modèles d'apprentissage automatique à grande échelle. Spécialisée en vision par ordinateur et traitement du langage naturel, avec une expertise solide en MLOps et en industrialisation de solutions IA.

  • Conception de pipelines de donnĂ©es et d'entraĂ®nement reproductibles avec Python, PyTorch et TensorFlow

  • DĂ©ploiement de modèles en production sur AWS et GCP avec Docker, Kubernetes et MLflow

  • Encadrement d'Ă©quipes pluridisciplinaires et vulgarisation des concepts IA auprès des parties prenantes

  • Veille technologique active et contribution Ă  des projets open source

Formation

Université Paris-Saclay
Master, Intelligence Artificielle et Science des Données, Score : 16.5/20
  • Formation spĂ©cialisĂ©e en apprentissage profond, vision artificielle et traitement du langage

  • Projet de fin d'Ă©tudes sur la dĂ©tection d'anomalies industrielles par autoencodeurs

  • Stage de recherche au sein de l'Ă©quipe IA de l'universitĂ©

Cours : Apprentissage automatique, Vision par ordinateur, Traitement du langage naturel, Optimisation convexe, Statistiques bayésiennes, Systèmes distribués, MLOps et cloud computing
Université de Bordeaux
Licence, Mathématiques et Informatique, Score : 15.8/20
  • Solide base en algorithmique, probabilitĂ©s et statistiques

  • Initiation Ă  la programmation scientifique et aux bases de donnĂ©es

Expérience professionnelle

NovaMind AI
Ingénieur IA Senior
  • Direction technique de la plateforme de vision par ordinateur pour le contrĂ´le qualitĂ© industriel

  • Conception et entraĂ®nement de modèles de dĂ©tection d'anomalies avec PyTorch et TensorFlow

  • Mise en place de pipelines MLOps reproductibles sur AWS SageMaker et Kubernetes

  • Encadrement de trois ingĂ©nieurs juniors et animation de revues de code

  • Collaboration avec les Ă©quipes produit et mĂ©tier pour prioriser les cas d'usage Ă  fort impact

Mots-clés : Apprentissage profond, Vision par ordinateur, MLOps, Python
DataForge Conseil
Ingénieur en Apprentissage Automatique
  • DĂ©veloppement de modèles de traitement du langage naturel pour l'analyse de documents clients

  • Industrialisation de solutions de scoring et de recommandation avec Scikit-learn et Docker

  • Automatisation des workflows de donnĂ©es avec Airflow et Spark sur Google Cloud Platform

  • RĂ©daction de documentation technique et accompagnement des Ă©quipes mĂ©tier dans l'adoption des modèles

Mots-clés : NLP, Scikit-learn, Cloud, Docker

Langues

Français : Niveau natif ou bilingue
Anglais : Niveau professionnel complet
Mots-clés : TOEIC 950, Présentations techniques
Espagnol : Niveau de travail limité
Mots-clés : Espagnol des affaires

Compétences

Apprentissage automatique : Expert
Mots-clés : Python, PyTorch, TensorFlow, Scikit-learn, XGBoost
Traitement du langage naturel : Avancé
Mots-clés : Transformers, Hugging Face, spaCy, RAG, LangChain
MLOps et Cloud : Avancé
Mots-clés : Docker, Kubernetes, AWS SageMaker, MLflow, CI/CD
Science des données : Avancé
Mots-clés : Pandas, NumPy, SQL, Spark, Airflow

Récompenses

Prix de l'innovation en IA
NovaMind AI

Récompense décernée pour la conception d'un système de détection d'anomalies industrielles réduisant les faux positifs de 35 %.

Meilleur mémoire de Master
Université Paris-Saclay

Distinction attribuée pour un mémoire sur les autoencodeurs variationnels appliqués à la maintenance prédictive.

Certificats

AWS Certified Machine Learning – Specialty
AWS
TensorFlow Developer Certificate
Google

Publications

Vers des modèles de vision robustes pour la détection d'anomalies industrielles
Revue Française d'Intelligence Artificielle
  • Étude de la robustesse des modèles de vision face aux variations d'Ă©clairage et de capteurs

  • Évaluation comparative de plusieurs architectures convolutives sur des jeux de donnĂ©es industriels

  • Proposition d'une stratĂ©gie d'augmentation de donnĂ©es adaptĂ©e aux environnements de production

Références

Sophie Bernard
Directrice de l'ingénierie IA
+33 1 23 45 67 89

Claire allie une excellente maîtrise technique à une vraie capacité de leadership. Elle a su structurer notre plateforme MLOps et faire monter en compétence toute l'équipe.

Projets

Assistant documentaire RAG
Plateforme de recherche augmentée par génération pour documents techniques
  • Indexation vectorielle de documents techniques avec FAISS et embeddings spĂ©cialisĂ©s

  • ChaĂ®ne de gĂ©nĂ©ration augmentĂ©e avec LangChain et un modèle LLM open source

  • Interface de question-rĂ©ponse avec citations des sources et gestion des droits d'accès

Mots-clés : RAG, LangChain, LLM, FAISS
Détection d'anomalies sur chaîne de production
Système de vision industrielle pour la détection précoce de défauts
  • EntraĂ®nement d'autoencodeurs convolutifs sur des images de pièces industrielles

  • Mise en place d'un tableau de bord de suivi des alertes et des performances du modèle

  • RĂ©duction du taux de rebut de 12 % lors du pilote sur une ligne de production

Mots-clés : Vision, Autoencodeurs, Industrie 4.0

Centres d'intérêt

Sport : Escalade, Course Ă  pied, Yoga
Culture : Photographie, Lecture, Musique classique
Communauté : Éthique de l'IA, Open Source

Bénévolat

Women in AI France
Mentore
  • Accompagnement de femmes en reconversion vers les mĂ©tiers de l'IA

  • Animation d'ateliers pratiques sur Python, la science des donnĂ©es et les entretiens techniques

  • Participation Ă  des actions de sensibilisation dans des Ă©coles et universitĂ©s