Documentation
Livres interactifs — mathématiques, informatique, ingénierie.
Ces livres couvrent les technologies que je compte maîtriser à court terme — pas nécessairement toutes celles que je pratique déjà. Ils sont en cours de relecture. J'ai rédigé les deux premiers chapitres du livre de Mathématiques ainsi que des parties des chapitres 3 et 4 ; le reste de la collection a été généré par Claude d'Anthropic, à partir de mes orientations et dans le cadre d'une coopération de plusieurs mois. Quelques cellules de visualisation ont été réalisées par MiniMax M2.5.
Mathématiques
Logique, théorie des ensembles, structures algébriques et entiers naturels. Une introduction rigoureuse aux fondements des mathématiques modernes, avec preuves formelles et exercices.
Groupes, anneaux, corps et modules. Introduction à la géométrie algébrique via les variétés affines et projectives. Un parcours exigeant pour les amateurs de structures abstraites.
Le pont entre la théorie des probabilités et la Data Science. Tests, régression, bayésien, séries temporelles, A/B testing et bonnes pratiques de reproductibilité.
Langages & algorithmique
Des fondations aux idiomes avancés. Types, classes, générateurs,
décorateurs, typage statique, asyncio, concurrence —
Python dans toute sa profondeur.
Ownership, borrowing, lifetimes, traits, concurrence sans data races. Rust abordé par la pratique : des exercices compilables directement dans les cellules du livre.
Du typage statique aux architectures modernes. Système de types avancé, génériques, types conditionnels et mappés, décorateurs — jusqu'à l'intégration avec Node.js, React et Vue.
Complexité, tris, arbres, graphes, programmation dynamique, algorithmes gloutons, géométrie algorithmique. Implémentations en Python avec illustrations en Rust.
Du premier git init aux internals du modèle objet.
Branches, fusions, rebase, remotes, hooks, submodules — tout le workflow
Git expliqué avec des exemples exécutables dans le navigateur.
Linux
L'environnement Linux, le shell Bash et ses idiomes, manipulation de données en ligne de commande, scripts robustes, cron, regex, processus et réseau — la maîtrise complète du terminal.
Boot, noyau, systemd, LVM, RAID, réseau, pare-feu, SSH avancé, sécurité, monitoring, Ansible et bonnes pratiques ops — administrer un serveur Linux de fond en comble.
Systèmes & infrastructure
Du modèle relationnel aux bases distribuées. SQL, PostgreSQL, PostGIS, MongoDB, Redis, bases vectorielles, ORM et DuckDB. Requêtes exécutables avec SQLite intégré.
De la couche physique aux réseaux modernes. TCP/IP, DNS, HTTP/3, TLS, WebSockets, gRPC, MQTT, sécurité réseau, Scapy et diagnostic. Code Python exécutable avec sockets et asyncio.
De la conteneurisation avec Docker jusqu'à l'orchestration en production avec Kubernetes. Images, Compose, Helm, GitOps, observabilité et scalabilité automatique.
Styles d'architecture, patterns GoF appliqués, Domain-Driven Design, scalabilité, résilience, sécurité par conception et cloud-native — concevoir des systèmes qui tiennent dans le temps.
REST avancé, GraphQL, gRPC, OpenAPI 3.1, authentification OAuth 2.0 / JWT, API Gateway, BFF, caching, observabilité et évolution des contrats d'API.
GitHub Actions, GitLab CI, Terraform, Ansible, Kubernetes avancé, Helm, Prometheus, GitOps avec ArgoCD, DevSecOps et maturité DevOps.
Cryptographie appliquée, PKI, TLS 1.3, OWASP Top 10, sécurité des conteneurs, IAM cloud, pentest, forensique, SIEM, conformité RGPD/ISO 27001 et maturité sécurité.
Intelligence artificielle
NumPy, Pandas, Matplotlib, Scikit-learn, PyTorch, Xarray. La stack scientifique Python de bout en bout, du nettoyage des données au déploiement de modèles.
Régression, classification, réseaux de neurones, réduction de dimension. Les algorithmes fondamentaux du machine learning implémentés et visualisés avec NumPy, scikit-learn et matplotlib.
Transformers, attention, fine-tuning, RAG, agents. Une exploration des grands modèles de langage depuis leurs fondements mathématiques jusqu'à leur déploiement en production.
Blockchain
