Adlane.
Créateur d'IA visuelles innovantes.
Ingénieur en Deep Learning, j’utilise des technologies avancées d’IA et de vision par ordinateur pour développer des systèmes qui améliorent la compréhension visuelle d’images de toutes sortes.
Bonjour, je m'appelle
Qui suis-je ?
Je suis ingénieur en IA avec une solide formation en génie informatique, enrichie par une année de spécialisation dédiée à l’intelligence artificielle.
Mon expertise se concentre principalement sur la vision par ordinateur, notamment dans des domaines tels que la segmentation d’instances, la détection d’objets et la super-résolution. Je suis constamment à l’affût de nouveaux modèles de pointe à intégrer tant dans mon travail professionnel que dans mes projets personnels.
Quelques technologies avec lesquelles j'ai travaillé récemment :- Python
- PyTorch
- C++
- CUDA
- OpenCV
Expériences
Je suis responsable de plusieurs projets chez Smiths Detection en région parisienne :
- Détection de menaces.
- Amélioration de la qualité d’images (débruitage, super-résolution).
- Optimisation d’algorithmes de traitement d’images via GPU.
Stack: Python, PyTorch, ONNX, C++, CUDA
J’ai développé des modèles de Deep Learning pour la détéction de domages sur des véhicules accidentés en utilisant la bibliothèque MMDetection.
- Ecriture d’un rapport d’état de l’art.
- Implémentation du modèle Hybride Task Cascade model.
- Gestion des données.
- Entraînement et test du modèle.
Stack: Python, PyTorch, MMDetection
J’ai pris part au développement d’un outil Python pour faciliter la traduction de la configuration de routeurs RedBack, vers la configuration de routeurs. J’ai mené plusieurs audits sur les deux types de routeurs.
Stack: Python, Django
J’ai été en charge de deux missions chez Talentsoft :
- J’ai été responsable d’ajouter la fonctionnalité de traduction des widgets de la landing page du produit principal de Talentsoft.
- J’ai réalisé un POC pour améliorer les performances de la recherche full-text sur la base de données. J’étais responsable de la migration des données de MS SQL server vers Elasticserch.
Stack: C#/.NET, Typescript, MS SQL Server, Elasticserch
Formation
2020 - 2021
Master 2 - Intelligence Artificielle et Reconnaissance des Formes
Université Toulouse III - Paul Sabatier
J’ai complété ma formation d’ingénieur informatique par une année de spécialisation en Intelligence Artificielle et plus particulièrement en Deep Learning. Cela m’a permis d’approfondir mes compétences dans ce domaine que ce soit dans les concepts théoriques ou pratiques.
Puis j’ai orienté ma spécialisation dans les techniques de computer vision et de traitement d’images.
Aussi la formation m’a apporté quelques notions de robotiques qui permettent d’étendre mon champ de compétences.
2019
Echange universitaire
Université de Sherbrooke, Canada
Pendant un semestre j’ai eu la chance de béneficier d’un programme d’échange universitaire à l’Université de Sherbrooke, où j’ai acquis de solides bases en science des données, ou encore en Machine Learning. J’ai aussi découvert de nouveaux domaines très intéressant durant cette période, comme l’informatique cognitive ou encore l’IoT.
2015 - 2020
Ingénierie informatique
Sup Galilée, Université Sorbonne Paris Nord
Pendant cette formation de cinq ans, j’ai assimilé at approfondis les bases de l’informatique générale, comme par exemple développement web ou logiciel. La formation a particulièrement mis l’accent sur la théorie mathématique qui se cache derrière l’informatique, notamment en calcul de compléxité et algortihmie. Aussi nous avons vu en détail comment fonctionne un ordinateur du côté de l’hardware via le cours d’Architecture des Ordinateurs.
Projets
Python
PyTorch
OpenCV
Twibot
Un robot qui joue à Twinit, un jeu où le but est de former des paires de cartes le plus rapidement possible en les pointant du doigt. J'ai utilisé un petit modèle YOLO pour détecter les cartes, puis une techinque de keypoint matching pour identifier deux cartes identiques.
Python
Tensorflow
Méthodes de super-résolution pour des IRM de cerveau
Avec mon équipe nous avons implémenté trois différents réseaux de neurones pour augmenter la résolution d'IRM de cerveaux de Marmouset, le plus petit primate du monde.
Scala
Python
Implémentation Scala d'UMAP
Nous avons contribué à la librairie Scala Clustering4Ever,
en fournissant une implémentation de l'algorithme de réduction de dimension
Uniform Manifold Approximation and Projection (UMAP).
Réalisations
Formation CUDA sur 2 jours
Bases de la programmation CUDA, du profiling et du déboggage.
Prix du Jury du Hackation de Sogeti Labs
Développement de modèles de Machine Learning pour la détection de personne en situation de sur-endettement.
Contact
Vous pouvez toujours me contacter si vous le souhaitez, ma boîte mail est toujours ouverte !