Frédéric Renard

- Implémentation de méthodes de clustering de séries temporelles pour identifier des profils de consommation énergétique de bâtiments. Parmi les méthodes étudiées, une méthode par Dynamic Time Warping et une méthode de Deep Adaptive Clustering par un réseau de neurones par convolution ont fait émerger plusieurs profils d’usage des bâtiments.

- Implémentation de modèles de régression bayésienne des données de consommation énergétiques en fonction de paramètres physiques en Python (Jax et Numpyro). Analyse approfondie des clusters de bâtiments thermosensibles et élaboration d’une segmentation.

- Proposition et implémentation d’une méthode de fuzzy logic permettant de diviser par deux les incertitudes sur les paramètres physiques des bâtiments estimés.

- Veille bibliographique sur le clustering de séries temporelles et les modèles de signature énergétique de bâtiments.

- Présentation hebdomadaire des résultats devant l’équipe R&D et le cofondateur.

- Développement de schémas de calculs de Monte-Carlo visant à optimiser la précision de l’estimation des flux de particules radioactives.

- Évaluation de l’utilisation de méthodes statistiques d’évaluation des incertitudes sur les schémas de calcul de Monte-Carlo.

- Élaboration de tests exhaustifs pour une bibliothèque python d’outils de calculs neutroniques.

Proposition et implémentation d’un algorithme d’optimisation de la planification des patrouilles de la Gendarmerie Nationale à partir des données des ressources humaines et design d’un software.