Lucas Chollet

Tout d'abord, je suis ingénieur diplômé de l'ESIEE Paris spécialisé en e-santé & biotechnologies. Dans mon école, j'ai commencé le machine learning et la science des données. Pour mettre à profit mes compétences, j'ai travaillé au CHU de Nantes où j'ai mis en place un dispositif permettant d'analyser les résultats d'examen des étudiants en PASS vs LAS. Mon dispositif permet aussi de faire du profiling individuel. le doyen du CHU de Nantes a demandé à tester mon dispositif sur les vraies données.

D'autre part, je suis aussi diplômé de l'université Laval au Québec en master d'informatique. Durant mon master, j'ai effectué de nombreux projets dans le domaine de la data science (machine learning, deep learning, nlp, traitement et analyse de données massives). Par exemple, j'ai notamment travaillé sur un projet permettant la distinction de pathologies du sommeil à l'aide de réseaux de neurones. Pour cela, j'ai utilisé des données open source, Sleep Data base. Dans un premier temps, j'ai fait un pré-traitement des enregistrements du sommeil pour extraire les CAP "Cyclic Alternating Pattern" (marqueurs biologiques de l'instabilité du sommeil) avec Matlab. Ainsi, j'ai pu passer de données temporelles à des données séquentielles transformées en scalogrammes. Ensuite, j'ai utilisé ces scalogrammes pour entraîner des réseaux de neurones comme ResNet18, ResNet50 et GoogleNet pour faire de la classification. Au début, le but était de distinguer les enregistrements du sommeil sains de ceux qui étaient altérés par une pathologie du sommeil et pour cela, les réseaux de neurones arrivaient parfaitement à distinguer les deux cas. Ensuite, le second objectif était de différencier les pathologies du sommeil (~10). Les résultats n'étant pas très concluant, j'ai re-echantillonné mes données et j'ai fait de la data augmentation et j'ai pu obtenir de biens meilleures performances.