Data Analyst & Data Scientist

Intégration de l'équipe de recherche pour travailler sur des sujets avancés en IA et science des données au sein de la faculté.

• Proposition d'une alternative à un framework de recommandation avec Python pour l'expérimentation et l'analyse comparative.
• Test et combinaison de plusieurs méthodes de recherche d'information (simple, hybride, fine tuning) pour la compétition RecSys, doublant le score de performance officiel de 0,20 à 0,40.
• Contribution à une revue de 20 études clés et proposition d'une taxonomie en 5 catégories pour les systèmes de recommandation intelligents.
• Conception d'un cadre d'analyse en 3 étapes pour structurer l'évaluation des systèmes de recommandation.

Participation à un projet inter-institutionnel appliquant le Machine Learning et les LLM à l'analyse de données de performance de dispositifs IoT.

• Contribution à l'identification et au profilage des appareils connectés.
• Mise en place de méthodes de détection d'anomalies sur des flux de données.
• Formulation de recommandations diagnostiques basées sur les résultats d'analyse.
• Réalisation du nettoyage des données, du feature engineering et de l'analyse exploratoire.
• Travail spécifiquement sur des données de capteurs en séries temporelles.

Collaboration avec une entreprise agricole pour développer des solutions innovantes de vision par ordinateur appliquées aux pépinières.

• Développement d'un outil de vision par ordinateur basé sur YOLO-OBB et PyTorch pour détecter des plateaux de semis orientés.
• Gestion du pipeline de données de bout en bout comprenant l'annotation, le nettoyage et le prétraitement.
• Entraînement et évaluation d'un modèle de deep learning atteignant 96,8% de précision.
• Amélioration directe de la productivité des pépinières agricoles grâce à l'automatisation de la détection.
• Supervision d'instances GPU cloud sur Azure et AWS pour l'entraînement et l'inférence des modèles.