Ingénieur Freelance
Python & Data Science
"Du capteur embarqué au satellite"
Fort de 9 ans d'expertise R&D et production logicielle, j'accompagne vos projets de la preuve de concept à l'industrialisation.
Python 
NumPy 
Docker 
SciPy 
xarray 
Git 
Linux 
GitLab 
GitHub 
Bash 
C++ 
Rust 
Black 
isort 
pre-commit 
PostgreSQL 
MariaDB 
Redis Python NumPy Docker SciPy xarray Git Linux GitLab GitHub Bash C++ Rust Black isort pre-commit PostgreSQL MariaDB Redis Cas d'usages & Expertises
Découvrez mes domaines d'expertise technique et mes services sur mesure pour accompagner vos projets de développement logiciel et d'analyse de données, de la conception à l'industrialisation.
Développement Python spécialisé en calcul haute performance : NumPy optimisé, extensions C, intégration BLAS et calcul distribué pour accélérer vos simulations complexes.
Conception d'architectures logicielles robustes, mise en place de DevOps, tests automatiques et pipelines CI/CD pour industrialiser vos développements.
Implémentation d'algorithmes optimisés sur microcontrôleurs basse consommation en C et Rust : STM32, ESP32, Nordic pour vos projets IoT critiques.
Algorithmes avancés pour l'optimisation : études paramétriques, Monte-Carlo, algèbre linéaire, filtrage numérique et Kalman pour vos données critiques.
Accélération des calculs
La vectorisation des calculs avec Numpy permet de générer des données par blocs entiers en profitant du SIMD de la machine. Avec Dask, le calcul peut être réparti sur plusieurs cœurs ou même plusieurs ordinateurs d’un cluster. Il est même possible d'intégrer du code C/C++/BLAS pour accélérer certaines parties critiques de votre application
Industrialisation du code
La qualité du code et de la documentation est assurée grâce à des tests automatisés en CI/CD. Le développement au sein de l’équipe est accéléré avec des outils de standardisation comme ruff, pre-commit, etc. La qualité du code est garantie à chaque livraison.
Optimisation des algorithmes embarqués
Les algorithmes comportant de nombreux paramètres, qu'ils soient en C/C++, Rust, Fortran ou autre, peuvent être encapsulés dans une librairie Python afin de charger rapidement les données de test, trouver les paramètres maximisant la performance, et visualiser les résultats. L’algorithme est ainsi prêt à être embarqué sur cible avec des paramètres optimaux.
Je suis un ingénieur en électronique et automatique diplômé de l'INSA de Toulouse.
Après une thèse dans la localisation d'objets connectés, je me suis spécialisé dans le traitement des données et le calcul numérique en Python.
J'ai principalement travaillé sur des problématiques d'architecture logicielle sur des projets Python et Numpy, mais j'apprécie toujours travailler sur des cibles plus bas niveau (C/C++, Rust et embarqué).
J'aime me creuser la tête sur des problèmes algorithmiques, et aller jusqu'à trouver une implémentation qui les résolve de la manière la plus simple possible.
