François Plessier

Développement en intégration continue d'un paquet R interfaçant R et des librairies Python avec reticulate.

Implémentation de modèles à réseau de neurones récurrents (reservoir computing) pour la prédiction à partir de données longitudinales. Contribution à la librairie reservoirpy.

Data management d'un jeu de données de santé publique.

Développement d'un modèle scikit-learn pour l'analyse de texture d'enrobés bitumés: conception, récolte des données et prototypage, et mise en place du pipeline de data processing et d'entraînement.

Data processing et entraînements de modèles de détection et segmentation d'objets sur pytorch pour l'inspection d'infrastructures industrielles.

Mise en place de systèmes de contrôle d'accès (détection d'équipements de protection), déploiement sur systèmes embarqués (docker) pour la prédiction en temps réel, et administration à distance (sysadmin Linux).

Travail bibliographique sur les problématiques clients et les méthodes d'entraînement avec une quantité limitée de données (GAN, semi-supervision, data augmentation).

Développement collaboratif en intégration continue, revues de code et gestion de tickets.

Encadrement de stagiaires.

Synthèse bibliographique: présentation des solutions traditionnelles ou à réseaux de neurones.

Tests de librairies (Kaldi, DeepSpeech).

Simulations par éléments finis (maillage, calcul et post-traitements).

Traitement et analyse de données de calculs et d’essais.

Développement d’outils logiciels (Python, VBA).

Rédaction de notes de calcul.

Simulations par éléments finis: génération, maillage et post-traitements automatisés de modèles synthétiques.

Préparation des échantillons: traitement thermique, polissage électro-chimique, chargement gazeux.

Réalisation d’essais mécaniques et analyse des échantillons d'essais par microscopie électronique à balayage et microscopie à force atomique.

Synthèse bibliographique.