Rémi Tod

Contexte : Travaillant en freelance dans le milieu hospitalier depuis 2013, j’ai pu réaliser différents projets aux besoins spécifiques et complètement différent de ceux de clients en agence de communication. DDPred est une application web destinée à l’industrie pharmaceutique et aux praticiens hospitalier, afin de les aider dans l’élaboration de nouvelles molécules pour les premiers, et d’aide à la prescription pour les seconds. Réalisation : J’ai créé, maintien et héberge cette application web sur mes serveurs (VPN OVH). Elle est basée sur Node avec le framework MVC Sails, et l’interface utilisateur sur React. Plusieurs fonctionnalités nécessitant des calculs robustes d’optimisation, celles-ci sont interfacées avec du code en Python. Environnement technique : • Langages : HTML, CSS, SASS, Javascript, EJS, JSON, Python • Librairies : React, SciPy • Frameworks : Sails, Compass • Bases de données : MySQL, Waterline • Outils : NPM, Grunt, GIT • Systèmes : Linux, macOS

Contexte : Spadcamp était une application web, exploitant les données d’Open Street Map et Mapbox pour offrir une vision détaillée des chemins de randonnée VTT. L’idée était que l’on puisse cliquer sur n’importe quel chemin de la carte et avoir des informations sur celui-ci, les utilisateurs étant les créateurs de contenu. Le deuxième aspect du projet était la partie prédictive, avec du Big Data, avec un indicateur de difficulté et de temps étant basé à la fois sur les performances de tous les utilisateurs et celles de l’utilisateur qui consulte l’information. Cette partie n’a pas été complètement développée et ce projet est en pause pour le moment, faute de temps. Réalisation : J’ai créé et hébergé cette application web sur mes serveurs (VPN OVH). Elle est basée sur Node avec le framework MVC Sails, et l’interface utilisateur sur React. J’ai aussi créés plusieurs scripts en PHP pour l’acquisition, le nettoyage, le traitement et le stockage de données géographiques. Pour la partie analyse de données, j’ai codé des outils javascript avec D3.js pour la partie représentation graphique, python pour certains calculs, et le logiciel Tableau pour la partie exploratoire. Environnement technique : • Langages : HTML, CSS, SASS, Javascript, EJS, JSON, Python, PHP • Librairies : React, SciPy • Frameworks : Sails, Compass • Bases de données : mongoDB, Waterline • Outils : NPM, Grunt, GIT • Systèmes : Linux, macOS • APIs : Google, Amazon Web Server (AWS3), OSM

Contexte : J’avais commencé ce projet d’application web lors de mon master direction artistique et avait terminé un prototype fonctionnel qui m’a valu d’être repéré par le directeur de Diplomatic Cover et a entrainé mon embauche. Et après cette expérience, j’avais décidé de développer correctement ce projet en utilisant tout ce que j’avais appris. Il s’agissait d’un agrégateur de flux RSS avec une partie machine learning, l’idée étant de mettre en avant les articles étant susceptibles d’intéresser le plus chaque utilisateur. Avec l’arrivée de tous les gros acteurs que l’on connaît aujourd’hui, j’ai décidé de fermer l’application, qui comptait une centaine d’utilisateurs. Réalisation : Basé sur le framework Symfony 2, en responsive (relativement nouveau à l’époque), j’avais aussi développé une API pour l’application. La partie machine learning pour la détection de features était basé sur la technique de SVD. Tous les calculs étaient faits en PHP, ce qui était relativement lent ! Environnement technique : • Langages : HTML, CSS, SASS, Javascript, JADE, JSON, PHP • Librairies : Knockout.js • Frameworks : Symfony 2 • Bases de données : MySQL • Outils : SVN, Composer • Systèmes : Linux, macOS • APIs: Facebook