Ingénieur Computer Vision — Deep Learning

Intégration chez Segula Technologies à Caen pour concevoir un pipeline complet de génération 3D à partir d'une esquisse 2D unique afin de remplacer un processus de modélisation manuelle existant.

• Conception d'un pipeline combinant transfert de style (CycleGAN), reconstruction multi-architectures en 2D (U-Net, UResNet, GAN) et reconstruction 3D par nuages de points (AdaPointr).
• Obtention d'une Chamfer Distance de 0,23 sur le dataset ShapeNet.
• Cadrage du besoin en collaboration pour définir les contraintes de qualité.
• Réalisation de la documentation technique et de la visualisation des résultats sur Power BI présentées à l'équipe.
• Application d'une approche agile pour mener des itérations rapides.

Réalisation d'une mission de Data Science axée sur l'analyse causale ML de l'impact de la pollution sur la prévalence de l'asthme au sein de l'Université Athabasca.

• Conduite d'une analyse causale de l'impact des polluants (PM2.5, PM10, NO2) sur la prévalence de l'asthme en contrôlant des variables socio-démographiques telles que le tabagisme, la pauvreté, la densité et le revenu.
• Comparaison de 5 méthodes (OLS, Lasso/Ridge, SVR, Gradient Boosting, inférence causale) pour identifier les facteurs les plus robustes.
• Restitution des résultats sous forme de rapport et de recommandations remis à l'équipe de recherche sur une période de 4 mois.

Réalisation d'une mission R&D au sein du laboratoire GREYC pour répondre aux besoins de chercheurs en conditions extrêmes (Sahara, Antarctique).

• Échanges directs avec les chercheurs pour cadrer leurs besoins en conditions extrêmes.
• Développement d'une application mobile sous Python et App Inventor pour la mesure du temps de réaction, de la perception sonore et visuelle.
• Mise en place de l'enregistrement des données dans une base de données.