L2 Informatique — Université Lyon 1
Je travaille principalement sur :
- les pipelines RAG,
- les pipelines de données Python.
- l’éval de LLM,
- les workflows d’automatisation IA,
Agent-prompt Vous pouvez tester directement sur hugging face
Pipeline RAG avec :
- ingestion et chunking de documents,
- retrieval ChromaDB,
- validation de réponses LLM,
- évaluation quantitative (Recall@5 = 0.400 , MRR=0.327, Ragas)mesurés sur un gold set de 20 requêtes et avec des pistes sur les améliorations.
trend-post-craft(*en cours : la logique principale est faite pour l instant *)
Pipeline de traitement de données avec :
- Polars, Validation stricte des schémas de sortie via Pydantic.
- validation structurée des sorties LLM,
- traçabilité des transformations.
Workflow d’automatisation : Make.com → Python → FFMPEG Transformation de vidéos longues en clips courts avec sous-titres automatiques.
Projet C++/SDL2 réalisé en L2 : architecture modulaire, gestion de plusieurs modes de jeu et organisation orientée objet.
Python · C++ · FastAPI · ChromaDB ·Langchain . Streamlit · Polars · Pydantic · SDL2 · Make.com
- L2 Informatique Générale — Université Lyon 1
- DeepLearning.ai — Advanced RAG
- Google Skill Badge — Vertex AI Search
- Python Certifié HackerRank
- SQL Certifié HackerRank
Je recherche un stage ou une alternance pour mettre mes compétences au service de vos projets. Mon but est de participer concrètement à l'optimisation de systèmes RAG , à la construction de pipelines de données et à l'automatisation de processus.