Miloud B.
Tech Lead Data & MLOps
Toulouse (31) 500 €/jour Expérience : 7-9 ans
En quelques mots
Data Scientist & Tech Lead avec 9 ans d’expérience, spécialisé en Machine Learning, Deep Learning, IA Générative et MLOps. Expert AWS et concepteur de plateformes data de bout en bout, j’ai piloté des projets stratégiques en environnement industriel, retail, cybersécurité et télécom.
Autonome, structuré et orienté delivery, j’accompagne les équipes dans la mise en
production de solutions ML/LLM robustes, scalables et gouvernées.
Références
GIFI– Retail: Septembre 2023 – Octobre 2025
Hybrid, France
Tech Lead Data & MLops
❖ Conception et déploiement de la Data Science Platform de l’entreprise from scratch (AWS, WebMethods, IT
Core) en tant que référent technique principal.
❖ Gestion de la gouvernance, de la conformité, du FinOps et de la scalabilité des ressources cloud.
❖ Intégration d’une solution d’IA générative pour automatiser le calcul des KPI et accélérer le reporting métier.
❖ Mise en place et supervision des pipelines ETL (AWS : S3, Glue, Athena, QuickSight) et des flux temps réel (AWS Kinesis, WebMethods).
❖ Pilotage de la migration des données de MySQL vers PostgreSQL via AWS Database Migration Service (DMS).
❖ Encadrement et mentorat de l’équipe Data : rituels quotidiens, gestion du backlog, recrutement, accompagnement technique.
❖ Réalisation de POC et de benchmarks technologiques (Snowflake vs Redshift, AWS Supply Chain, etc.).
❖ Développement pour l’équipe Pricing d’une interface Streamlit déployée sur EC2, exploitant le modèle d’embeddings multimodal Marqo « ecommerce-embeddings-B » et une base vectorielle FAISS pour identifier automatiquement les produits équivalents.
Tech Stack : AWS (S3, Lambda, Glue, EMR, SageMaker, Athena, QuickSight, EC2, RDS, DMS, Redshift, Kinesis, Amazon Bedrock), GitLab CI/CD, Jira, Python, Streamlit, FAISS.
Banque de France Février 2022 – Avril 2023
Hybrid, France
Tech Lead Data Machine Learning for security
❖ Animation des revues de backlog Machine Learning durant les phases Build et Delivery d’un système de gestion d’incidents en temps réel.
❖ Audit d’un modèle ML existant, amélioration de ses performances et automatisation de la mise à jour des dashboards Splunk
❖ Supervision et mentorat de deux data engineers juniors, avec contribution à la gestion opérationnelle quotidienne.
Tech Stack : Python, Splunk, Splunk ML Toolkit, Kanban, Jira, GitLab, Natural Language Processing (NLP, TF-IDF).
Etudes
Formation 2015 – 2017
Center for Mathematics and Computer Science – Marseille
▪ Majeure : Ingénierie mathématique & modélisation
▪ Option: Data Science
▪ Diplômé avec mention – classé 2ᵉ de promotion
