Data Scientist | Ingénieure IA

Intégration de l'IRIT dans le cadre de partenariats industriels et hospitaliers (IKI, Tenon) pour piloter des projets de data science appliqués au secteur de la santé.

• Pilotage du projet CRYSEMO en assurant le choix des technologies, le cadrage et la coordination avec les parties prenantes.
• Vérification de la qualité des données et développement de modèles supervisés pour la prédiction du risque lithiasique à partir de données spectrales, atteignant une amélioration de +15% du rappel.
• Conception des pipelines de pré-traitement, d’entraînement, de validation, de déploiement et d’observabilité.
• Intégration des méthodes d’IA explicable pour garantir la fiabilité, l’interprétabilité et la sélection d’attributs.
• Gestion de projet en animant les réunions avec les parties prenantes et en rédigeant les rapports et livrables.
• Vacations d’enseignement en école d’ingénieurs (ISIS) portant sur la détection d’anomalies dans les séries temporelles.

Travaux de recherche et de développement dans le cadre d'une collaboration industrielle avec SEMSOFT, incluant une mobilité internationale de 3 mois à la Dalhousie University à Halifax au Canada.

• Conduite du projet SEA Defender dédié à la lutte contre le blanchiment d'argent et le financement du terrorisme, incluant le choix des technologies.
• Recherches menées sur la détection et l’explication d’anomalies et proposition d’une nouvelle méthode unifiée de détection et d’explication d’anomalies sous forme de PoC, permettant d’obtenir +10% d'AUC et +30% d'ARI.
• Rédaction de publications dans des revues et conférences internationales avec comité de lecture.
• Développement et mise en production d’un démonstrateur applicatif en s'appuyant sur Flask et React.
• Conception et déploiement d’algorithmes de détection d’anomalies tels que Isolation Forest, OCSVM et des Autoencoders en PyTorch et Scikit-learn.
• Validation des modèles sur des jeux de données réels divers (sports, réseaux véhiculaires, défauts de capteurs) et identification des causes racines des anomalies.

Parcours de recherche et de stage en collaboration industrielle avec la société LOJELIS sur l'analyse de signaux et des séries temporelles.

• Projet de recherche sur la reconnaissance d’émotions par analyse du signal vocal.
• Conduite de l'état de l’art et du benchmarking d’outils d’extraction de caractéristiques vocales comme OpenSmile et Praat en C++.
• Implémentation d’algorithmes de réduction de dimension des séries temporelles multivariées en Python avec Pandas et Scikit-learn.
• Évaluation de l'impact de ces algorithmes sur les performances de classification.

Contribution au développement de solutions logicielles bancaires au sein d'un environnement agile.

• Analyse des besoins métiers en collaboration directe avec les experts du domaine dans un environnement agile.
• Participation au choix des technologies.
• Conception et déploiement d’applications mobile et web pour l’amélioration de la qualité de service dans les points marchands.