Doctorant en Intelligence Artificielle appliquée à la Santé & Data Scientist

Intégration du laboratoire LIPN de l'Université Sorbonne Paris Nord afin de mener des recherches en intelligence artificielle appliquée à la santé, en se concentrant sur l'interprétabilité des modèles pour l'analyse d'images pathologiques.

• A développé des méthodes d'interprétabilité pour des modèles de Deep Learning appliqués à l'analyse d'images pathologiques.
• A conçu et évalué des modèles de Multiple Instance Learning avec mécanismes d'attention.
• A comparé différentes méthodes d'explication telles que SHAP, LIME, MILLI, l'attention et les méthodes d'attribution multi-niveaux.
• A développé des pipelines expérimentaux en Python et PyTorch couvrant l'entraînement, la validation, l'interprétation et la visualisation.
• A analysé les performances, la stabilité et la fidélité des modèles ainsi que de leurs explications.
• A rédigé des documents scientifiques et préparé un article portant sur l'interprétabilité multi-niveaux.

Intervention à l'Université Sorbonne Paris Nord en tant qu'enseignant vacataire pour dispenser des enseignements en informatique auprès des étudiants en licence.

• A préparé et animé des travaux dirigés et des travaux pratiques auprès d'étudiants en licence informatique.
• A accompagné les étudiants en programmation, en algorithmique, en résolution de problèmes et dans l'utilisation des outils informatiques.
• A assuré la vulgarisation de concepts techniques et le suivi pédagogique des étudiants.