📍 Saint Jean Bonnefonds (42650)

TANGUY PAUWELS // ML ENGINEER

Développeur Full Stack & ML Engineer spécialisé en extraction de données complexes.

// De la mécanique de précision au Machine Learning.

> PROJECT_SCHEMATICS

01. InsureflowAi

1. XGBoost Filter 2. TATR Bounding Box 3. CamemBERT Vec UI VERIFICATION CONFIDENCE SCORE: 98.4% [ GREEN ] CSV NORMALIZED

[01] PROBLÉMATIQUE

L'industrie de l'assurance nécessite une extraction de données "Page-to-Data" d'une extrême précision à partir de documents PDF complexes et variables. Les solutions OCR classiques échouent face aux structures hétérogènes.

[02] SOLUTION TECHNIQUE

Architecture modélisée en cascade : Les documents subissent un filtrage initial via XGBoost. L'analyse structurelle (Layout Analysis) repose sur un modèle TATR fine-tuné pour isoler précisément les tableaux. La classification sémantique s'effectue vectoriellement via CamemBERT.

[03] OPTIMISATION / MÉTRIQUES

Mécanisme "Human-in-the-loop" avec scoring de confiance. Si ≥ 95%, la donnée part en export Excel normalisé. L'algorithme a été migré en Rust/Tauri pour drastiquement réduire l'empreinte de la Desktop App.

RAM PEAK: 4.5GB -> < 1.0GB (Rust Optimization)

02. Layer0

LAYER0 // MAINTENANCE_DASHBOARD G-CODE_IN DB_POSTGRES MACHINE_WEAR Bambu P1S [ID: 04] WARNING: 85% LIFE DEPLETED FILAMENT_STOCK (PLA_MATTE) Daily Cons: 2.4kg LOG_MONITOR [OK] Parsed 240 G-Code instances. [OK] Calculated mass vs print time. [INFO] Synchronization standing by.

[01] PROBLÉMATIQUE

Le pilotage d'une "ferme de print 3D" requiert un ERP industriel performant. Les entreprises perdent de l'argent car le coût d'usure des machines n'est jamais corrélé en temps réel avec le flux de production.

[02] SOLUTION TECHNIQUE

Architecture Nuxt3 / NodeJS (Docker). La solution repose sur un parsing sélectif à faible latence des instructions G-Code issues directement du slicer logiciel avant même que l'impression ne démarre, extrayant les métadonnées (temps, poids) pour les injecter dans un Dashboard PostgreSQL en live.

[03] OPTIMISATION / MÉTRIQUES

Le calcul intègre dynamiquement le modèle économique complet : amortissement machine, électricité, usure mécanique, et coût matière pour alerter préventivement.

LIFESPAN: Amortissement = 5000h (Bambu Lab P1S)
ARCHITECTURE: Cloud-Native / PostgreSQL
> ACCESS_SYSTEM (PRODUCTION)

03. Trading SDK & Bridge

TradingView (Webhooks) BRIDGE // OS_WRAPPER (MAC/LINUX)
class MT5Bridge: def __enter__(self): self._connect_sockets() return self def __exit__(self, exc_type, exc_val, tb): # Guarantees socket release self._close_sockets() with MT5Bridge() as terminal: terminal.execute_trade()
MT5 TERMINAL SOCKETS [OK] FINANCIAL BROKERS

[01] PROBLÉMATIQUE

L'API MetaTrader 5 native (spécifique à Windows) est profondément instable et manque d'abstraction objet. Développer un robot de trading multi-OS depuis des signaux externes nécessite une surcouche sécurisée absolue.

[02] SOLUTION TECHNIQUE

Création d'un SDK d'Algo-Trading Open Source. Hébergement de webhooks captant les signaux TradingView, couplé à un pont inter-OS ("Bridge") permettant l'exécution native et l'envoi d'ordres JSON vers MetaTrader 5 sous macOS et Linux.

[03] OPTIMISATION / MÉTRIQUES

La robustesse réseau devient la priorité (Resource Safety). Implémentation de design patterns stricts (Context Managers via with et méthodes magiques) pour garantir la validation des sockets vers les brokers financiers.

ARCHITECTURE: Python OOP / Webhooks / OS_Bridge
SECURITY: Context Hook __enter__ / __exit__
> VIEW_GITHUB_REPO

04. Equicares

Bras Avant-bras θ = 35° {"joint":"elbow", "θ":35} LLM_FEEDBACK_ENGINE > INGESTING VECTORS... > DETECTED_ISSUE: ELBOW_ANGLE Correction posturale : "Baissez la main droite."

[01] PROBLÉMATIQUE

Analyser la posture dynamique des cavaliers en temps réel pour générer des conseils biomécaniques automatisés. Le défi réside dans la traduction de pixels bruts en une critique linguistique formatrice.

[02] SOLUTION TECHNIQUE

Plateforme SaaS intégrant un modèle YOLO (Pose Estimation). Le réseau extrait de la vidéo les "Keypoints" articulaires (x, y) du cavalier. Une couche d'algèbre vectorielle calcule l'angulation critique θ.

[03] OPTIMISATION / MÉTRIQUES

Les vecteurs géométriques sont ingérés algorithmiquement dans un prompt complexe structuré pour un LLM, générant la critique finale. Le post-mortem a démontré l'exigence du Product-Market Fit.

PIPELINE: YOLO Keypoints -> Angle Math -> LLM Prompt
KEY INSIGHT: Engineering != Product-Market Fit

> PROFESSIONAL_LOGS

bash - root@tpauwels:~/experience
[2024-PRESENT] INITIALIZING: Ingénieur Logiciel Indépendant
> Techlead & ingénieur IA Extraction (Assurances).
 > Lead Dev SaaS Equicares & OpenSource Layer0 / MT5 Bridge.
[2023-2024] MOUNTING: Développeur Full Stack & Data Analyst @ Hookto (groupe Xefi)
> Architecture Micro-services, ERP UX/UI.
> Stack: Nuxt3, Ruby on Rails, PostgreSQL, Redis, RabbitMQ.
[2018-2021] DIAGNOSTIC MODE: Technicien Expert Après-Vente @ BMW Bavaria Motor
> Diagnostic système complexe (électro/méca), troubleshooting strict.

> ACADEMIC_MODULES

bash - root@tpauwels:~/formations
[2023-BAC+4] COMPILED: Expert en Systèmes d'Information - Option Data @ Xefi Academy
> Dév ERP (C#, Python), Linux CI/CD, Architecture.
[2022-BAC+4] COMPILED: Data Analyst @ OpenClassrooms
> ML, Modélisation Statistique, Nettoyage Data.

> COMMUNICATION_MODULE

PINGING_ENDPOINTS...
EMAIL_ADDR: pauwelstanguy@protonmail.com
SECURE_LINE: 0686725419
GITHUB_REPO: github.com/tanguy-pauwels
_