Il travaille activement à l'amélioration et à la maintenance de modèles basés sur le contenu (en exploitant des modèles pré-entraînés tels que BERT) et de modèles de filtrage collaboratif, entraînés en continu sur des pipelines Kubeflow. Il fait partie d'une équipe pluridisciplinaire composée de data scientists, d'ingénieurs en données, d'ingénieurs backend et de développeurs frontend.Il a remplacé l'algorithme de recherche des plus proches voisins approximatifs par des techniques de pointe (ScaNN), réduisant ainsi considérablement les coûts opérationnels et améliorant la latence. Il a également créé et maintenu un algorithme de réorganisation de recherche sémantique à l'aide de BERT et de la perte triplet. Le modèle déployé traite 1 000 requêtes par seconde avec une latence de 20 ms.Il conçoit et maintient l'initiative « ML Platform » afin de fournir des outils communs aux 20 data scientists et de s'assurer que les principes MLOps sont largement répandus au sein de l'organisation.