Data Scientist / IA Générative

Projet de recherche appliquée au sein du laboratoire LIPIM pour développer une solution de super-résolution et restauration d'images.

• Conception d'une architecture GAN pour la super-résolution ×4 d'images.
• Intégration de la capacité de suppression de masques faciaux dans le pipeline de restauration.
• Optimisation de l'efficacité du modèle, le rendant 3,9× plus léger que l'état de l'art.
• Validation des performances du modèle par mesures PSNR/SSIM.

Implémentation d'une approche AutoML pour résoudre le problème de résolution d'entités dans des bases de données hétérogènes.

• Développement d'une implémentation de l'approche AutoML basée sur l'article Auto-Configuring Entity Resolution Pipelines.
• Validation expérimentale de la solution sur les ensembles de données Amazon-Google et DBLP-Scholar.
• Comparaison de 39 900 configurations d'optimisation pour identifier les stratégies optimales.
• Évaluation des résultats via Precision, Recall et F1-score.

Intégration dans une équipe analytics d'une entreprise spécialisée en solutions Smart City pour la gestion de l'accès à l'eau potable.

• Modélisation d'un schéma étoile pour 3 millions de foyers afin de structurer les données d'intervention.
• Création de mesures DAX pour prioriser les interventions d'accès à l'eau potable.
• Développement de 4 dashboards géospatiaux interactifs pour l'aide à la décision.
• Fourniture d'une vue d'ensemble spatiale de la couverture d'accès à l'eau par région et démographie.