Antoine Pigeon AntoinePigeon

Salut, je suis Antoine

Développeur junior en transition de carrière vers le cloud et le DevOps. Basé à Montréal. Ouvert aux opportunités.

Reconversion vers le développement après un parcours en postproduction (chef d'équipe chez MELS).
Bootcamp 100 Days of Code (Python) complété en juillet 2026.
Ce qui me suit de mon ancien métier : optimisation de processus, documentation technique claire et mentorat.
Milieu francophone privilégié, fonctionnel en anglais.

AWS Cost Report · Outil FinOps : collecte des coûts AWS (boto3), analyse pandas avec détection d'anomalies (3-sigma), rapport automatisé via pipeline CI/CD (GitHub Actions).
Met Art Pipeline · Pipeline ETL de bout en bout : scraping résilient (requests / BeautifulSoup), nettoyage pandas, chargement idempotent dans PostgreSQL, validation qualité.
Pigeon Photography · Application Flask complète (SQLAlchemy, PostgreSQL, authentification, CRUD), déployée en production sur Render. Démo en ligne
Nest · Application de bureau macOS (PySide6) qui génère des arborescences de livrables audio au nommage strict, construite sur un moteur de nommage en Python pur couvert par pytest et empaquetée en .app autonome avec PyInstaller.

J'approfondis Docker et Terraform.
Recherche active d'un poste junior en développement, cloud ou DevOps à Montréal.

Junior developer transitioning into cloud and DevOps. Based in Montreal. Open to work.

Moving into development after a career in post-production (team lead at MELS).
Completed the 100 Days of Code (Python) bootcamp in July 2026.
What carries over from my previous role: process optimization, clear technical documentation, and mentoring.
French-speaking environments preferred, fully functional in English.

Languages: Python (OOP, pytest)
Back-end & data: Flask, SQLAlchemy, PostgreSQL, pandas, BeautifulSoup
Cloud (AWS): Lambda, S3, boto3, Cost Explorer, Amazon Polly
CI/CD & Infra: GitHub Actions, Docker (in progress), Terraform (in progress)
Tools: Git, VS Code, Jira, Monday.com

AWS Cost Report · FinOps tool: pulls AWS spend (boto3), analyzes it with pandas including anomaly detection (3-sigma), and generates an automated report through a CI/CD pipeline (GitHub Actions).
Met Art Pipeline · End-to-end ETL pipeline: resilient scraping (requests / BeautifulSoup), pandas cleaning, idempotent load into PostgreSQL, data-quality validation.
Pigeon Photography · Full Flask web app (SQLAlchemy, PostgreSQL, authentication, CRUD), deployed to production on Render. Live demo
Nest · macOS desktop app (PySide6) that generates strictly-formatted delivery folder structures for audio post-production, built on a pure-Python naming engine with pytest coverage and packaged as a standalone .app with PyInstaller.