Portrait de Thomas Vrancken
Mise à l'honneur des nouveaux chargés de cours 2023
Chargé de cours dans le domaine du Machine Learning Systems Design.
Pourriez-vous décrire brièvement votre parcours, évoquer vos sujets de recherche et votre conception de l’enseignement universitaire ?
J'ai d'abord obtenu une licence en économétrie et recherche opérationnelle, puis une maîtrise en intelligence artificielle à l'université de Maastricht. Pendant cette période, j'ai eu l'occasion d'étudier un semestre à la SGH Warsaw School of Economics et un semestre à l'University of Technology Sydney. J'ai terminé mon master en effectuant un stage de thèse chez Philips R&D, dans leur campus High Tech à Eindhoven, sur la classification des textes.
Mon objectif de créer un impact concret dans le monde réel grâce à l'apprentissage automatique m'a conduit à travailler d'abord comme scientifique de données chez YDatalytics (aujourd'hui Metyis), à Amsterdam, pendant un an. Je suis ensuite revenu en Belgique et j'ai travaillé pendant quatre ans chez ML6 en tant qu'ingénieur en apprentissage automatique.
ML6 est l'une des sociétés de production de ML à la croissance la plus rapide et la plus mature en Belgique. J'ai eu l'occasion de participer à cette croissance et de prendre différentes responsabilités en cours de route. J'ai travaillé pour plusieurs clients et dans différents secteurs. Cela signifie également que j'ai pu jouer différents rôles dans ces projets, de l'ingénieur ML à l'ingénieur client, en passant par le Tech-Lead, le chef de projet et enfin le Squad-Lead.
J'ai pu faire l'expérience directe des défis que pose la mise en production des systèmes de ML. Seule une fraction du travail est consacrée à la mise en œuvre du modèle de ML. La plupart des efforts sont consacrés au travail fonctionnel, aux “pipelines de données”, à la mise en place de l'infrastructure, aux pipelines de formation/déploiement, à la CI/CD, à la surveillance, ... Et à s'assurer que différents ingénieurs peuvent travailler sur le modèle. Les data scientists et les MLE compétitifs doivent avoir une compréhension de base des concepts MLOps et de l'ingénierie du cloud.
Ma carrière s'est construite autour de l'accélération de l'adoption des technologies de ML et de l'apport de valeur ajoutée. L'un des principaux défis de cette transition est de constituer une main-d'œuvre capable de développer des applications de ML. J'espère qu'à l'issue de ce cours, les étudiants seront en mesure de développer leurs propres idées et applications.
Contact
