Andreas Garcia

EDITION DE LOGICIELS

À propos du posteEn tant queFondateur & Lead Développeur de TheMusicTree, je porte lavision produit, ladirection techniqueet ledéveloppement.Je priorise la roadmap, conçois l’architecture et livre des briques en production autour desmétadonnées audio, d’uneréférence vivante des genres musicauxet d’outilsexploitablespar des développeurs et le grand public.ProduitsAudioMeta Python: bibliothèquePyPI(1 500+ tests,20k télécharements) pour lire et écrire les tagsID3, Vorbis, RIFFdans des fichiers musicaux:*AudioMeta Webapp: application pour inspecter et éditer les métadonnées dans le navigateur: *Audio Fingerprinter: microserviceFlaskfinalisé pour générer des empreintes audio (Chromaprint/fpcalc) via APIGrowTheMusicTree(en cours) : plateforme carte collaborative des genres, parcours d’écoute, intégrationsSpotifyetMusicBrainz.HearTheMusicTree(en cours) : bibliothèque musicale enSaasStack & méthodes (TheMusicTree)Backend: Node.js, Nest.js, Python, Django REST Framework, Flask, PostgreSQLFrontend: TypeScript, React, Next.js, VercelAudio & data: ID3, Vorbis, RIFF, Chromaprint/fpcalc, intégrations Spotify & MusicBrainzDevOps: Docker, GitHub Actions, CI/CDQualité: tests automatisés, pytest, documentation technique, revues de code, releases itérativesOrganisation: pilotage produit end-to-end (roadmap, architecture, build, déploiement)LiensPortfolio:GitHub:

CENTRES DE RECHERCHE

À propos du posteEn tant qu’Ingénieur de rechercheà l’INRAE, j’ai contribué à un système d’information scientifique open source dédié à des données de rechercheFAIR(Findable, Accessible, Interoperable, Reusable).Mon rôle consistait à transformer des besoins de chercheurs en solutions techniques robustes, dans un contextepluridisciplinaire(agriculture, photovoltaïque, données scientifiques).Missions principalesConception et évolution d'APIpour structurer, exposer et fiabiliser la donnée.Participation à lamodélisation des connaissanceset à l’amélioration d’ontologiespour harmoniser des données hétérogènes.Manipulation de structures de données complexes dans un environnement degraphe de connaissances.Collaboration étroite avecchercheurset ingénieurs pour rendre les jeux de données exploitables et réutilisables.Contribution à laqualité logiciellevia pratiques d’équipe, revues, documentation et itérations continues.Stack et méthodesBackend: Java, services RESTFrontend:Données : RDF / ontologies / graphes de connaissancesOrganisation : SCRUM, travail collaboratif en équipe open sourceObjectif produit : accessibilité, interopérabilité et pérennité des données scientifiquesImpactCe travail a permis de faciliter le partage, la standardisation et la réutilisation de données de recherche dans un cadre scientifique exigeant, avec un impact concret sur la diffusion de connaissances et la reproductibilité des travaux.