Benjamin Bout

En mission pour Michelin

- Exploration Android Automotive, développement de 3 applications de tests de remontée de données via AAOS sur Megane E-tech.

- Développement et gestion du deploiement d’une application Android et iOS à destination de propriétaires de véhicules équipés de boîtiers de mesure. (UX Design, restitution de données via API, connexion OAuth, Analytics)

- Développement application tablette Android de gestion de flotte automobile.

- Développement application Android embarquée véhicule : démonstrateur présenté aux constructeurs automobile pour démontrer la capacité de Michelin à connaître l’état et caractéristiques des pneumatiques en utilisant les données CAN du véhicule, sans capteur additionnel.

Développement iOS Swift/SwiftUI

- Développement d'applications iOS (in-store et tout public) de diagnostic de peau et de recommandation produits pour des clients dans le domaine de la cosmétique :

• Application in-store Clinical Reality pour Clinique (disponible en magasin, centre-commerciaux, etc.)

• Application in-store MySkinDiag pour myBlend (disponible en spas myBlend)

• Application iOS et Android Skin Analyzer pour Mary Kay (tout public)

- Développement d'une application iOS de Virtual Try-On (essayage virtuel en réalité augmentée) de maquillage et de paramétrage de produits cosmétiques (app de configuration pour une marque française de cosmétique de luxe)

- Développement et amélioration du moteur iOS de maquillage en réalité augmentée (C++/Objective-C), adaptation et intégration dans application web (Web-app d'essayage virtuel de maquillage pour une marque française de cosmétique de luxe)

- Évaluation du framework de réalité augmentée ARKit, tests de performances sur iPhone X, développement d'une application de réalité augmentée de simulation de port de lunettes.

- Évaluation du framework de machine learning CoreML Développement d'un outil de conversion de modèle de Machine Learning PyTorch to ONNX to CoreML (réalisé en Python).

- Développement d'une application iOS de face parsing en temps réel, intégrant un modèle de machine learning CoreML, converti depuis un modèle PyTorch.

- Participation à un article scientifique présenté lors de l'International Symposium on Mixed and Augmented Reality à Munich en 2018.