Bienvenue sur le profil Malt de Hamed !

Malt vous permet d'accéder aux meilleurs consultants freelances pour vos projets. Contactez Hamed pour échanger sur votre besoin ou recherchez d'autres profils sur Malt.

Hamed Zitoun

Data Scientist | Ingénieur Machine Learning

Peut se déplacer à Courbevoie, Paris

  • 48.8971
  • 2.2521
  • Tarif indicatif 667€ / jour
  • Expérience 2-7 ans
  • Taux de réponse 100%
  • Temps de réponse Quelques jours
Proposer un projet La mission ne démarrera que si vous acceptez le devis de Hamed.

Disponibilité non-confirmée

À temps partiel, 2 jours par semaine

Proposer un projet La mission ne démarrera que si vous acceptez le devis de Hamed.

Localisation et déplacement

Localisation
Courbevoie, France
Peut travailler dans vos locaux à
  • Courbevoie et 30km autour
  • Paris et 30km autour

Vérifications

Influence

Github

Github : hzitoun hzitoun
  • 66 Followers
  • 343 Repos
  • 6 Gists

Stack Overflow

Stack Overflow : Mitchapp Mitchapp
  • 4090 Réputation
  • 36 Bronze
  • 29 Argent
  • 0 Or

Langues

  • Anglais

    Capacité professionnelle complète

  • Français

    Bilingue ou natif

Catégories

Compétences (40)

Hamed en quelques mots

Data Scientist et Ingénieur Machine Learning, je suis prêt à apporter mon expertise en tant que passionné par l'analyse et la modélisation des données.

Proactif, super rigoureux et doté dans un bon relationnel je suis à votre disposition pour résoudre vos problèmes de données et pour vous aider à réussir vos projets data de la création du besoin à la mise en production.

Ayant travaillé sur une variété de projets data et grâce à mes compétences en Data Science et en ingénierie logicielle, je vous accompagne dans la création de la valeur à partir de vos données brute mesurée par des KPIs concrets.

Expériences

CEVA SANTE ANIMALE - CEVA Santé Animale

Santé & bien-être

Data Scientist | Ingénieur Machine Learning

Courbevoie, France

septembre 2020 - Aujourd'hui

PROJET
Afin de tracer l’utilisation des médicaments, CEVA souhaitait mettre en place une solution de reconnaissance de médicaments basée sur la vision par ordinateur et le machine learning.

RÉALISATIONS
J’ai développé une API en Python 3 qui est capable d’analyser et comprendre une image afin de reconnaître le produit pris en photo. Les grandes étapes du projet sont :
Récupération de l’image depuis un bucket google Storage
Localization des objets à l’intérieur de l’image via Google VISION API
Recadrage de l’image pour garder que l’objet centrale identifié
Preprocessing de l’image (changement résolution, passage en grayscale, augmentation contraste, rotation)
Extraction des textes dans l’image de l’objet via VISION API (OCR)
Identification du texte le plus grand dans l’image comme nom potential de produit
Analyse de texte extrait et création de combinaison à comparer avec “fuzziness “ avec le nom du produit
Calcule d’un score de matching de texte, score de reconnaissance de caractères, score d’identification de l’objet
Tri des éléments sur le score avec un ordre décroissant
Retour du premier élément (ayant le score le plus élevé)

Caisse des dépots

Architecture & urbanisme

Data Scientist | Ingénieur Machine Learning

Paris, France

novembre 2019 - Aujourd'hui

PROJET
Dans le cadre d'une grande démarche innovante à destination des collectivités territoriales et avec deux partenaires, nous avons gagné un challenge organisé par la banque des Territoires. Nous travaillons sur un projet Data Science dont le but est d'inventer les interfaces d'acquisition, de traitement et de restitution des plan de réseau de l'eau des collectivités.

RÉALISATIONS
Je travaille sur un modèle de Deep Learning de géoréferencing automatique de plans avec fond cadastre contenant un réseau de l'eau.
J'apporte mon expertise en computer vision et en recherche sémantique pour automatiquement calquer un plan AutoCad en format PNG/PDF sur la cartographie.
J’interviens sur tout le workflow du projet.

Mots-clés: Deep Learning, CNN, AutoEncoder, FAISS, OpenCV, Features extraction, Semantic Search, GeoJSON, GIS, spatial data, Edge detection, Git, REST API, Flas, Docker, GCP.

Carrefour - AUTRES - Carrefour

Grande distribution

Data Scientist | Ingénieur Machine Learning

Neuilly-sur-Seine, France

octobre 2019 - avril 2020

Carrefour est un groupe français du secteur de la grande distribution.

  • PROJET
Dans le cadre de son activité de support aux utilisateurs pour son client Carrefour, Sopra-Steria souhaite mettre en place une solution intelligente d'aide à la résolution de tickets pour ses opérateurs de support. Mon intervention consiste à développer un module de matching intelligent (module d’IA) basé sur des approches NLP non-supervisées.

  • RÉALISATIONS
- Etude du problème business
- Avant-vente et proposition de solutions
- Développement d’un PoC pour un module d’IA de matching entre tickets et solutions à proposer pour le système de support client Care (Carrefour)
- Argumentation et démonstration du PoC au client
- Développement du module d’IA:
- Mise en place de l’architecture et d’un environnement d'exécution avec Anaconda 3
- Récupération et croisement de données à partir d’une BDD postgresql et de fichiers CSV
- Analyse, exploration et visualisation de données Care via pandas, numpy, matplotlib
- Mise en place de l’algorithme de matching grâce à une structure de données MARISA TRIE et un modèle NLP basé sur un modèle Deep Learning pré-entraîné via la lib spaCy
- Développement de tests automatisés et un benchmark de metrics (trade-off entre précision et rappel)
- Développement d’une API REST pour déployer le modèle de matching (flask, logging, waitress, GCP StackDriver)
- Dockerisation de l’API

AtelierDeepLearning

Education & e-learning

Créateur et Formateur en Data Science, Machine Learning et Deep Learning

Paris, France

janvier 2019 - Aujourd'hui

Le concept de http://atelierdeeplearning.com est d'aider les élèves à faire leurs premiers pas dans les réseaux de neurones profonds - Deep Learning.
Depuis la création de l'atelier, plus que 230 élèves ont été formés. Pendant cette journée, j'aide mes élèves à:
● Découvrir ce qu’est le Deep Learning, sa puissance et ses cas d'usage
● Comprendre comment marche le Deep Learning sous le capot
● Coder un réseau de neurones profond avec TensorFlow 2
● Travailler sur un vrai projet de Deep Learning avec un cas d’usage concret (workshop)

Groupe VIDAL

Secteur médical

Ingénieur Full-Stack

Issy-les-Moulineaux, France

octobre 2018 - septembre 2019

Le Groupe Vidal est une entreprise européenne leader dans le domaine de l'informatique et des systèmes d'information liés à la santé.

  • PROJET

Création d'une application web réactive d'assistance aux risques des patients dans les hôpitaux de la France selon une architecture réactive, modulaire, scalable, distribuée et temps réel utilisant le standard FHIR et mode Agile  SCRUM.

  • RÉALISATIONS

Mise en place de l’architecture Web

Développement en TDD et BDD et en pair programming

Conception et développement d’une API REST modulaire avec Vert.x, RxJava, MongoDB et Hazelcast, Mockito, TestContainer et JUnit

Conception et développement des IHMs modulaires avec Angular 7, Bootstrap et Angular Material Design, Jasmine et karma

Implémentation des échanges temps réel entre le FHIR store et l’API REST en bus d’échange Vert.x avec Hazelcast.
Java Angular Vert.x RxJava MongoDB Hazelcast TDD Git Docker Jenkins Karma Jasmine JUnit

Atos - Atos Organisation

Internet des objets

R&D Tech Lead Web & Mobile

Bordeaux, France

février 2015 - septembre 2018

J'ai intégré BULL SAS (rachétée par ATOS) en tant que stagiaire en fin d'études (6 mois) puis j'a évolué pour devenir Tech Lead et Scrum Master en 4 ans. Mes missions étaient:

  • PROJET - 1

Création d’une plateforme WEB de géolocalisation des objets connectés IoT et d’un système de gestion de flotte selon une architecture modulaire, scalable, distribuée et temps réel.

RÉALISATIONS

Mise en place de l’architecture Web

Rédaction de documents techniques et de dossiers d'architecture

Conception et développement d’une API REST modulaire avec Spring (Core, MVC, Security), Hibernate et JPA.

Conception et développement des IHMs modulaires avec Angular 5, Bootstrap et OpenStreetMap

Implémentation des échanges temps réel en JMS et WebSocket avec ActiveMQ

Développement de tests unitaires avec JUnit

Garantie du respect des bonnes pratiques

  • PROJET - 2

Conception et développement d'une application mobile modulaire de gestion de crise et de reporting en temps réel en Android Native.

RÉALISATIONS

Recensement de besoins et déclinaison selon le cadre de démonstrations à faire.

Conception et réalisation de diagrammes UML avec Enterprise Architect

Développement des modules métiers de l’application avec Android API 27

Implémentation des échanges temps réel en MQTT avec la plateforme IoT selon les standards oneM2M.

Développement des tests unitaires

Garantie de la qualité des livrables, la mise en place de bonnes pratiques.

Garantie du respect des règles de SCRUM (Daily Huddle, MAJ de sprint backlog via Kanban, Sprint Démo et Sprint rétrospective)

Transfert de compétences

Formations

Certifications