Moussa Diallo

Projet : Prédiction des propriétés mécaniques des matériaux cimentaires par intelligence artificielle multimodale , fusion d'images microstructurales (MEB/BSE) et de données de composition. Missions : • Collecte et structuration de données issues de 388 articles scientifiques (Python, API CrossRef, web scraping). • Nettoyage, fiabilisation et analyse exploratoire de 2 297 formulations et 483 images MEB/BSE. • Association automatique de 141 images à leur formulation (caption-matching). • Entraînement et benchmark de 6 modèles de Machine Learning (XGBoost, Random Forest, MLP, ResNet18, fusion multimodale) avec validation croisée. • Meilleur modèle : XGBoost avec R² = 0,76 et MAE < 10 MPa sur la prédiction de la résistance en compression. • Interprétabilité des modèles : t-SNE et Grad-CAM. Environnement : Python (pandas, NumPy, scikit-learn, OpenCV), PyTorch, XGBoost, Git. #DataScience #MachineLearning #IA #DeepLearning #Python #DataAnalysis

Stage sur l'interprétabilité des réseaux de neurones en vision par ordinateur : comprendre et visualiser ce que voient les neurones d'un modèle de classification d'images, un enjeu clé de fiabilité et de confiance. • Développement d'outils pour visualiser les activations des neurones et les cartes d'attention (ce qui déclenche une décision du réseau) • Analyse de l'importance des variables et des zones de l'image qui influencent la prédiction • Création de tableaux de bord interactifs pour permettre aux chercheurs d'explorer visuellement le comportement des modèles • Restitution et documentation des résultats pour l'équipe de recherche