Docteur - Ingénieur en Intelligence Artificielles

Intégration de l'équipe data science d'un groupe spécialisé en santé numérique pour piloter les enjeux d'exploitation et de valorisation des données médicales.

• Contribution aux programmes de R&D autour de la sécurisation et de l'exploitation des données de santé en vue de publications et brevets.
• Rôle de référent technique en Data Science au sein du groupe.
• Pilotage des volets scientifiques des dossiers de financement de la recherche (CIR, CII).
• Participation à la mise en place et au développement de partenariats de R&D académiques et industriels.

Conception et animation d'une formation spécialisée en analyse topologique de données destinée aux étudiants de Master 2.

• Conception d'un curriculum complet sur l'Applied Topological Data Analysis intégrant les concepts avancés et applications pratiques.
• Présentation des concepts avancés de TDA et l'utilisation du Topology ToolKit.
• Illustration des applications de la TDA au machine learning et à l'analyse de données complexes.

Recherche doctorale de haut niveau en intelligence artificielle, combinant topological data analysis et deep learning avec des collaborations internationales.

• Publication d'un article dans IEEE TVCG 2024 (classé A en CORE, Q1 en SJR) avec validation du Reproducibility Stamp.
• Acceptation d'un article dans IEEE TopoInVis 2025.
• Soumission d'un article à IEEE TVCG 2026.
• Collaboration internationale avec le Prof. Joshua A. Levine (University of Arizona) sur les aspects topologiques et machine learning.
• Présentation des travaux à IEEE VIS 2024 (Floride, USA) et IEEE VIS 2025 (Vienne, Autriche).
• Participation aux Journées Visu 2025 et Journées APR 2025 pour les présentations techniques.

Analyse de l'usage d'une plateforme d'apprentissage en ligne afin de mieux comprendre les parcours d'apprentissage des étudiants.

• Menée d'une analyse approfondie de l'usage de Moodle par les étudiants.
• Effectuation d'un clustering non supervisé des parcours d'apprentissage permettant d'identifier des patterns de comportement.

Contribution au développement d'une solution de recommandation bancaire intégrant machine learning et infrastructure cloud-native.

• Développement d'un moteur de recommandation bancaire en Python utilisant Scikit-learn.
• Conception de l'architecture backend avec Flask et MongoDB.
• Conteneurisation de l'application avec Docker pour le déploiement en production.

Contribution à la recherche en analyse de graphes et au développement d'outils statistiques robustes.

• Menée d'une étude approfondie sur les graphes bruités et leurs propriétés topologiques.
• Contribution au développement du package R noisySBM pour l'analyse statistique de graphes bruits.

Conception et développement d'une infrastructure data et web pour optimiser les processus internes du groupe.

• Développement d'une base de données interne intégrant les processus métier critiques.
• Conception et implémentation d'une application web en Django permettant l'accès et la gestion des données.