Machine Learning : démo IA, Rakuten et MLOps

Très gros plan d'un iris brun ambré, pupille nette au centre : le regard humain auquel répond la boucle de vision artificielle.

Parcours 01 / Machine Learning

Machine Learning Engineer, diplômé à Mines Paris - PSL (RNCP 7). Je conçois des systèmes d’IA utiles, de la décision à l’action. Testez GIA, puis explorez les preuves et les projets.

Tester GIA Voir la source officielle

LIBREDonnées - modèle - mesure - productionLa chaîne complète, sans privilégier un seul point de vue.

Mines Paris - PSLPyTorchRAGMLOpsFastAPIMonitoring

GIA · le laboratoire de Johan

L’IA utile.
Essayez, vous verrez.

Une demande entre. Un plan et une réponse prennent forme. Testez le genre de produit que je conçois, du premier échange à l’automatisation.

Rencontrer GIA Démonstration guidée · sans compte · vous gardez la main

ComprendreOrganiserRépondre

Preuve immédiate

Comprendre en quelques secondes.

preuve datée3e

classement public

Position publique constatée le 19 février 2026 à 11:54.

preuve datée0,9078

weighted-F1

Le score exact utilisé par ChallengeData pour classer les soumissions.

preuve datée84 916

exemples train

Images, titres et descriptions pour apprendre 27 catégories produit.

Démonstration vivante

Regardez le modèle décider.

Choisissez un objet. L’image et le texte avancent séparément, fusionnent, puis la prédiction et ses alternatives apparaissent. La démo est simulée dans le navigateur ; la performance reste reliée au classement officiel.

Classement Rakuten Certificat HarvardX

224 × 224 · RGB

Entrée multimodale

Soulier Fiefer en cuir

Chaussure artisanale, cuir brun, semelle cousue et fabrication lente.

souliercuirsemelleartisanale

Imagevision encoder

Textelanguage encoder

Fusionjoint embedding

Décision27 catégories

sortie du modèle118 ms

Classe prédite

Chaussures

92,4%

Chaussures92,4%

Mode4,8%

Accessoires1,9%

Maison0,9%

Matrice d’erreursdiagonale = bonnes prédictions

Weighted-F1: 90,78%métrique officielle
Classement: 3eleaderboard public
Jeu train: 84 916exemples multimodaux

Comprendre ce qui se passe sous le capot ouvrir

Deux encodeurs

L’image et le texte conservent chacun leur spécialité avant d’être comparés.

Fusion tardive

Les représentations sont réunies seulement quand elles portent déjà un signal exploitable.

Erreur visible

Les alternatives et la matrice empêchent le score final de masquer les confusions.

Service observable

Latence, version et dérive font partie du produit, pas seulement du notebook.

Projet mesuré

Rakuten multimodal

Données réelles, métrique officielle, rang public daté et lien de contrôle.

Fondamentaux code

HarvardX CS50x

Algorithmique et logiciel validés par un certificat edX directement vérifiable.

Chaîne complète

MLOps observable

Versioning, API, suivi d’expériences et monitoring pensés dès l’architecture.

Démo vivante

Simulation locale

Interactions, animations et résultats sont calculés dans le navigateur, sans envoi de données.

Simulation pédagogique locale. Les chiffres de performance renvoient aux preuves publiques datées.

Formation et certifications

Des intitulés précis.
Pas une liste décorative.

Une sélection resserrée, reliée à l'expertise de cette page. Chaque carte ouvre la preuve publique disponible ou sa référence publiée sur LinkedIn.

Diplômes Liste complète

Diplôme vérifié

Mines Paris - PSL

MLOps · Computer Science

RNCP 7 · 38587

Méthode

Un parcours court, une chaîne complète.

Cadrer

Données, objectif, coût de l'erreur et contrainte réelle.

Prototyper

Baseline, modèle utile et évaluation dès le premier cycle.

Industrialiser

API, versioning, monitoring, documentation et reprise.

Apprendre

Analyser les erreurs et améliorer la boucle, pas seulement le score.

01Cadrer