Zoom sur l’équipe Data/Machine Learning de Devoteam Revolve
Le virage de la Data et du Machine Learning sur le Cloud est largement amorcé : l’offre se structure et s’enrichit, comme nous l’avons constaté lors du dernier AWS re:Invent, et les entreprises accélèrent sur ces sujets.
Au sein de Devoteam Revolve, nous intervenons depuis cinq ans maintenant sur la construction de datalakes dans le Cloud AWS, et notre équipe Data & Machine Learning est en pleine croissance. Forte de 40 personnes, l’équipe s’est structurée autour d’une communauté qui nous permet d’enrichir le partage de veille et de retours d’expérience, ainsi que de donner des orientations sur l’évolution de l’offre (solutions d’intérêts, pattern, bonnes pratiques etc.).
En 2021, fort de notre maturité sur ces sujets, la communauté Data/ML Revolve s’efforce de capitaliser sur les retours d’expérience pour accélérer les projets, tout en continuant à structurer ses convictions sur la partie tooling lors de ses rendez-vous hebdomadaires.
De nombreuses composantes de ces architectures sont identiques et réutilisables d’un projet à l’autre, et l’objectif est de pouvoir accélérer la construction de l’infrastructure pour se concentrer sur ce qui apporte de la valeur au contexte spécifique de nos clients. Pour ce faire, la communauté peut compter sur le renfort de nouveaux talents venus rejoindre l’équipe ces derniers mois. Nous vous présentons ici quelques-uns d’entre eux.
Antoine
Statisticien de cursus, Antoine a choisi de s’orienter vers la Data Science en 2017. Il est maintenant responsable de la mise en production de services de Machine Learning. Antoine a tout d’abord participé à la communauté AI/ML Devoteam Revolve en tant qu’invité externe, et au fur et à mesure de ses participations aux rendez-vous hebdomadaires, il a fini par rejoindre Revolve.
Comme il l’explique dans l’interview que vous pouvez lire ici, “en tant que Data Scientist, nous devons identifier les rapprochements à faire entre les données issues des capteurs, et ensuite retranscrire cela dans une logique algorithmique qui restituera la capacité recherchée d’inférence du futur.”
Emmanuel
Avant de rejoindre Revolve, Emmanuel a travaillé comme Research Scientist puis comme Data Scientist. Il a fait de la modélisation et de la simulation sur des données de processus industriels dans des entreprises comme Air Liquide, Safran et le CEA. Il a également développé son expertise dans le NLP (Natural Language Processing).
Emmanuel a rejoint Revolve pour accompagner les entreprises dans la mise en production de modèles de Machine Learning, séduit par l’ambition de Revolve de devenir une référence sur la Data Analytics grâce à l’Intelligence artificielle : “Devoteam Revolve rassemble une communauté grandissante d’experts qui peuvent accompagner les entreprises dans le déploiement de leur portefeuille de modèles.”
Rim
Rim est ingénieure en Réseaux Télécoms, et titulaire d’un double Master 2 de l’ENIT et de l’Université Descartes, durant lesquels elle a commencé à se spécialiser en traitement automatisé de contenus et Machine Learning. Elle a ensuite travaillé sur la classification automatisée de vidéos de patients afin de déterminer s’ils étaient atteints de la maladie de Parkinson ou de dyskinésie, et d’évaluer le niveau d’évolution de la maladie grâce au ML.
Passionnée par les possibilités offertes par le ML et ses nombreux domaines d’application, Rim a rejoint l’équipe Revolve pour travailler ce sujet sur le Cloud, et faire partie d’une communauté : « Évoluer ensemble, partager ses connaissances et ses retours d’expériences… Dans l’équipe Devoteam Revolve, personne ne travaille dans son coin sur ses missions, et cela fait partie des raisons pour lesquelles j’ai choisi Revolve.”
Thomas
Titulaire d’un Master en stats appliquées, Thomas s’est intéressé au développement assez jeune et il a rapidement eu envie de mêler mathématiques et informatique.
C’est ainsi qu’il a commencé à travailler en Data Science en 2014, avec des premiers cas d’usage de prédiction de la demande pour OUI.sncf, ainsi que sur la solution d’assistance et de suivi des personnes âgées de la startup Life Plus (détection de chutes, changements d’habitudes, via une montre connectée), ou encore sur des modèles de maintenance prédictive pour le Groupe Renault.
Le MLOps et les contraintes liées à la mise en production ont rapidement piqué son intérêt et l’ont amené à vouloir approfondir le sujet : « J’avais envie de pousser plus loin mes connaissances sur l’automatisation et la mise en production ML. C’est pourquoi j’ai rejoint Devoteam Revolve, un des acteurs majeurs du marché sur ces sujets-là ».
Quand il ne travaille pas sur l’automatisation des modèles ML, Thomas consacre son temps à sa startup Botaki, qui a pour mission de reconnecter les enfants à la nature 🌱.
Nous vous proposerons prochainement des articles issus des réflexions de la communauté Data/ML.
A lire également, notre retour d’expérience sur un projet de Datalake sur le Cloud.