Quentin Debaeke

En CDI chez Alten Technologies

◉ J'ai contribué au développement d'une solution de Computer Vision pour le tracking de personnes par capteur infrarouge en utilisant Python et Tensorflow. Mon objectif était d'annoter de nouvelles images de taille 80x80 (+200 000 images), d'implémenter l'architecture, d'entrainer et d'optimiser de nouveaux modèles (+100) afin qu'ils soient déployés sur cible embarquée tout en respectant les contraintes hardware (<10ms d'inférence, 200ko de mémoire) :

🎖️Expertise en Computer Vision, Python, Tensorflow et Yolo

🌟Acquisition et annotation de nouvelles data

🌟Versioning des data avec DVC pour améliorer la traçabilité et la cohérence

🌟Implémentation d'architecture Yolo et entrainement de modèle de Deep Learning

🌟Optimisation bayésienne pour approcher les meilleures performances possible de modèle de Deep Learning

🌟Versoning des modèles et tracking des performances avec MLflow

🌟Quantification avec Tensorflow Lite pour implémentation des modèles sur cible embarquée (gamme STM32)

🌟Test de performance du modèle embarqué

◉ De plus, j'ai eu la responsabilité de développer un PoC pour la détection d'arc électrique par Machine Learning avec Python, Tensorflow et AutoML permettant d'analyser les cycles des signaux électriques et d'identifier la présence d'arc électrique.

🎖️Expertise en Time Series, Python et AutoML

🌟Compréhension, création et annotation par clustering de nouvelles data

🌟Nettoyage des data et extraction de features pertinentes

🌟Implémentation et entrainement de modèle de Machine Learning par AutoML

🌟Versoning des modèles et tracking des performances avec MLflow

🌟Vulgarisation et sensibilisation au développement de la solution d'IA

Data Scientist au sein de l'équipe Apprentissage & Développement du Laboratoire de Psychologie et NeuroCognition (LPNC)

◉ J'ai contribué à développer un outil d'analyse statistique et de visualisation destiné aux chercheurs de l'équipe pour identifier la dysgraphie chez l'enfant permettant un meilleur diagnostic du trouble. Cela a permis d'obtenir +20 nouveaux indices statistiques ainsi qu'un outil de diagnostic utilisé par les ergothérapeutes ⤵︎

🎖️Expertise en Machine Learning et Statistiques

🌟Connaissances des modèles statistiques nécessaire à l'identification de la dysgraphie

🌟Elaboration d'un cahier des charges de l'outil

🌟Correction des modèles statistiques déjà implémentés

🌟Ajout de nouveaux modèles statistiques manquants

🌟Réalisation d'une interface graphique de visualisation des tracés produits par les patients depuis une tablette graphique avec PyQt

🌟Entrainement de modèle de Machine Learning (Random Forest) avec des données d'EEG

🌟Implémentation du modèle de Machine Learning dans l'outil destiné aux ergothérapeutes

🌟Génération automatique de rapport et conclusion des résultats statistiques

◉ J'ai aussi participer à la mise en place de protocole d'acquisition de données par EEG pour l'entrainement des modèles de Machine Learning

En CDD chez Capgemini DEMS

◉ J'ai contribué au développement d'une solution d'IA de recherche de similarité à partir de cahiers des charges existants du domaine ferroviaire pour faciliter la réponse d'appels d'offres. J'ai pu ainsi délivrer un benchmark interne intituté "Vectorisation de texte et recherche de similarité" et plusieurs modèles de NLP afin de répondre aux besoins⤵︎

🎖️Expertise NLP, Python, Tensorflow et BERT

🌟Veille technologique des approches de NLP de l'époque pour la recherche de similarité (Machine Learning et Deep Learning) : TF-IDF, SVD, Doc2Vec, BERT (LLM)

🌟Préparation, nettoyage et création des datasets à partir de données open-source et interne en français et anglais

🌟Prétraitement et analyse des data : stop words, mots génériques, lemmatisation, n-grams, stemming

🌟Annotation des data par classification ascendante hiérarchique (CAH)

🌟Vectorisation des data

🌟Implémentation et finetuning de modèles pré-entrainés de Deep Learning (LLM)

🌟Analyses des difficultés parcourues et des pistes d'approches

◉ J'ai aidé au développement de supports éducatifs d'apprentissage à la programmation, aux statistiques et à l'IA (Machine Learning, Deep Learning et Reinforcement Learning) sous forme de Jupyter Notebook