Anas HIBAT-ALLAH

Projet de recherche en détection future d’anomalies visuelles en contexte industriel : • Conception et automatisation de pipelines de traitement d’images industrielles pour l’entraînement de modèles de détection d’anomalies • Création et enrichissement de datasets multi-versions (réels, synthétiques, augmentés) avec variabilité contrôlée. • Analyse des performances des modèles

Optimisation de la maintenance des trains NAT des lignes transiliennes grâce à la détection anticipée des défauts matériels : • Mise en place et optimisation de pipelines ETL pour la gestion de données massives (format Parquet) • Déploiement et gestion des pipelines sur le cloud AWS (S3, Lambda, Step Functions). • Surveillance et optimisation des performances des pipelines des données via Datadog et Jenkins. • Intégration des modèles de prévision statistiques pour anticiper les pannes (Python) • Analyse des bases de données avec SQL pour extraire des insights pertinents (Athena AWS, DBeaver)

- Pilotage et gestion des projets de vision afin d’automatiser les tâches à faible valeur ajoutée - Conception de pipelines de données pour traiter des flux des images en temps réel - Développement d’algorithmes pour la classification et la segmentation d'objets via les modèles CNN. - Déploiement des modèles sur le cloud avec gestion des données d'entrée et sortie (Genesis cloud)

• Extraction, transformation et intégration parallélisée de données non structurées à partir de documents OCR dans une base centralisée via Spark • Mise en place d’un moteur de recherche en langage naturel sur les métiers des opérations de maintenance nucléaire