CV

sept. 2024 – févr. 2026

À distance (Madrid, Espagne)

Idoven

Data scientist senior

• Recherche sur la détection précoce de l'amylose cardiaque, menée sur 20 754 ECG de 2 901 patients ; 9 architectures de deep learning comparées avec optimisation bayésienne, AUC 0,88 ; co-auteur de la publication dans Heart Rhythm (2026)
• Seuils de fonctionnement et calibration réglés sur les cibles de performance réglementaires ; métriques de validation clinique par sous-groupe de patients ; documentation technique SaMD pour le dossier de marquage CE
• Pipelines de données reproductibles qui ingèrent et nettoient les données cliniques multisites d'hôpitaux européens et américains, traitement 4,4 fois plus rapide ; formulaires de recueil conçus pour le partenariat avec AstraZeneca

Hospital Puerta de Hierro (Madrid) · Hospital Juan Ramon Jimenez (Huelva) · Hospital Virgen de la Arrixaca (Murcia) · Hospital Nuestra Señora de Candelaria (Tenerife) · Northwestern Memorial Hospital (Chicago) · UMCG Groningen · Hospital La Fe (Valencia)

AstraZeneca

nov. 2021 – juin 2024

Boston, MA

Anumana

Data scientist

• Algorithme de deep learning pour la détection précoce de l'amylose cardiaque, en partenariat avec Pfizer ; population cible, indication d'utilisation et protocole de validation statistique définis, en appui de la désignation FDA Breakthrough Device
• Cohortes constituées à partir de plus de 10 M d'ECG sur 1,5 M de patients de plusieurs hôpitaux américains (Spark SQL, Kedro) ; modèles CNN et Transformer entraînés sur clusters GPU pour stratifier le risque coronarien, avec Novartis ; publié dans eClinicalMedicine (The Lancet, 2023)
• Pipeline NLP (BERT) qui extrait marqueurs, symptômes et résultats de labo des notes cliniques libres de la Mayo Clinic ; 3 modèles de gradient boosting (AL, ATTR, amylose toutes formes) entraînés sur ces variables, AUC 0,9 ; déployés en mode fantôme à côté d'un essai clinique sur l'amylose en cours à la Mayo Clinic
• Modèle phare de détection de la FEVG reconstruit de zéro — nouvelles cohortes (500 000 patients), architectures mises à jour, ré-entraînement — puis modèle de Markov sur la vie entière qui projette les QALY gagnés et les économies, pour l'adoption par les payeurs

Mayo Clinic Rochester (MN) · Mayo Clinic Scottsdale (AZ) · Mayo Clinic Jacksonville (FL)

Pfizer · Novartis

juin 2021 – mars 2024

New York, NY

United Nations International School & Inspirit AI

Formateur en machine learning

• Cours de machine learning et de deep learning à plus de 200 élèves, chez Inspirit AI (en ligne, ~30 élèves par cohorte) et au lycée de l'UNIS (UN International School, New York) ; supports, séances de code et devoirs sur l'apprentissage supervisé et non supervisé, les réseaux de neurones, la vision par ordinateur, le NLP et l'éthique du ML
• Un projet de recherche de bout en bout avec chaque élève, en tête-à-tête — analyse du signal EEG, détection de la maladie de Parkinson, classification des cancers de la peau — de la question posée au code qui tourne, puis au résultat présentable

juin 2019 – sept. 2019

Chicago, IL

CCC Intelligent Solutions

Data scientist stagiaire

• Architecture de deep learning (RNN et MobileNet pré-entraîné) pour classer les dommages de véhicules sur 270 000 images ; sensibilité en hausse de 5 points
• Apport des données télématiques aux modèles en production évalué ; recommandations d'intégration présentées à la direction data science

juin 2020 – juin 2021

Chicago, IL

University of Chicago SAND Lab

Chercheur en deep learning (master)

Pr Heather Zheng

• Patchs adverses invisibles qui brouillent les caméras de reconnaissance faciale ; attaques FGSM numériques transposées au monde physique, sur des modèles de pose corporelle entraînés à leur résister
• Modèle génératif PixelCNN entraîné à produire des cartes de capteurs biométriques synthétiques, pour tester les attaques par usurpation sur des dispositifs d'authentification EMS ; contribution à la publication CHI 2021

juin 2019 – mars 2020

Chicago, IL

University of Chicago

Chercheur en vision par ordinateur et optimisation

Pr Tingran Gao

• Algorithmes d'optimisation non convexe qui étendent la variation totale aux graphes 3D, appliqués au filtrage des motifs de spécimens de biologie marine (coquilles de bivalves)

The University of Chicago

Dean's List (tableau d'honneur) · Bourse Susan H. Rudolph