Christelle lusso

👉Anonymisation de conversations de chatbot, pour pouvoir les analyser et déterminer les types de sujets et les plus fréquents (traduction, reformulation...). 🎯 Pour des raisons de RGPD compliance, il est obligatoire d'anonymiser les données. ♻️ Missions: ▸ Appliquer un modèle Bert pour la reconnaissance d’entité nommées (NER) ▸ Améliorer les performances d’anonymisation en utilisant des APIs GCP permettant de détecter des entités et d’anonymiser. ▸ Mise en place d’un workflow combinant Bert/CNL/DLP qui optmise de 20% les résultats d’anonymisation. ▸ Conception d’un dataset d’entrainement avec les données anonymisées: nettoyate, filtrage par calcul de similarité entre conversations. ▸ Fine-tuning d’un modèle RoBERTa (NER) avec les données anonymisées. ▸ Prompt engineering pour l’extraction d’entités nommées. ▸ Prompt engineering pour le fine-tuning du LLM Gemini. ▸ Fine-tuning d’un modèle LLM Gemini et d’un modèle RoBERTa. ▸ Comparaison des performances d’anonymisation entre ces méthodes et le LLM Gemini. ▸ Restitution des résultats de comparaison et prise de décision d’un choix de méthode.

👉 Elaboration et déploiement d’un système de Scoring d’affinité à une marque (Renault/Dacia/Alpine) dans le cadre de ciblage de campagnes Marketing. 🎯 Deux versions du modèle ont été conçues pour répondre à la contrainte RGPD: ● Version 1: basée sur des données personnelles (liées à un identifiant client/prospect), ● Version 2: s’appuyant exclusivement sur des données techniques véhicules (incluant les suspects). ♻️ Missions: ▸ Analyse et exploration de grands volumes de données issues tables BigQuery. ▸ Feature Engineering avancé pour élaborer des features adaptées. ▸ Développement d’un modèle de classification supervisée pour la prédiction de la marque. ▸ Mise en production du modèle (version 1) via pipelines Airflow, intégrés dans l’écosystème BigQuery/DBT. ▸ Conception d’un modèle RGPD-compliant (version 2). ▸ Clustering sur les données véhicules, et calcul de distance en groupes d’individus. ▸ Rédaction de documentations techniques et métier d´etaillée (200 pages) destination des équipes Data et Marketing.

👉 Anonymiser les visages et les plaques d’immatriculation sur des vidéos GoPro embarquées. 🎯 RGPD-compliance. ♻️ Missions: ▸ Détecter les visages et les plaques d’immatriculation sur les vidéos avec le modèle pré-entraîné YOLO. ▸ Entraîner un modèle de détection des plaques d’immatriculation. ▸ Flouter les vidéos en appliquant un filtre. ▸ Reconstruire la vidéo avec ses métadonnées et la télémétrie. ▸ Encadrement d’un stage de fin d’étude - Télécom Paris pour optimiser le code.

👉 Détection d'anomalies sur des images de soudures prises en usines. Les conditions de prise de vue peuvent varier selon la luminosité ou autre, ce qui impacte toute la chaîne de production. ♻️ Missions: ▸ Exploration des données: images de soudures (400 par jour, pour 12 mois, soit 144000 images). ▸ Elaboration d’un modèle pour la prédiction des drifts sur images de soudures, qui sont similaires à l’oeil nu. ▸ Conception d’un embedding des caractéristiques de l’image avec un réseau de neurones VGG16. ▸ PCA et Clustering d’images valides sur une période de référence sans drift. ▸ Calcul de distance entre clusters pour prédire les périodes de drift. ▸ Visualisation et analyse des résultats pour améliorer la méthode. ▸ Conception et implémentation d’un seuil d’alerte pour détecter les période de drift. ▸ Implémentation d’autre méthodes de comparaison d’images: ORB, PSNR, SSIM, Histrogramme de couleurs. ▸ Automatisation de l'éxécution du pipeline en Shell/Bash. ▸ Validation et restitution des résultats au métier.

👉 Mettre en place un système multi-agent AI pour mettre en corrélation tous les différents identifiants d’une même pièce et renvoyer l’unique pièce correspondante à l’utilisateur. 🎯 Projet en collaboration avec le pôle Di-Re. La problématique est que plusieurs identifiants différents peuvent désigner une même pièce. En interne, nous avons des données textuelles de conversations (chatbot, email...) que on peut exploiter pour pouvoir mettre en place un sytème d’agent permettant de mettre en corrélation les différents identifiants d’une même pièce. L’objectif est de mettre en place un agent conversationnel où l’utilisateur pourra retrouver efficacement la pièce cherchée, sans avoir à revivre les 12 travaux d’Astérix 🤣

👉 Projet: Extraire des informations de documents pdf pour construire un graphe relationnel de connaissances orienté géologie minière. 🎯 Contexte: Les informations présentes dans les documents de géologie minière peuvent être exploitées pour en déduire des relations, e.g. entre entreprises et éléments chimiques. Projet visant à automatiser l’extraction, la structuration et la visualisation d’informations à partir de documents scientifiques et techniques en géologie minière (PDF, rapports, articles). L’objectif était d’industrialiser un pipeline NLP, du traitement de texte à la construction d’une base de connaissances graphe exploitable. ✅ Missions: ▶ Parsing de document pdf: texte, images, tableaux. ▶ Reconnaissance d’entités nommées (NER), POS-tagging, ▶ Analyse sémantique, embedding et extraction de relations. ▶ Application d’algorithmes de Topic Modeling (LDA) pour identifier les thèmes dominants, les mots-clés associés. ▶ Construction d’un graphe de connaissances Neo4j. ▶ Automatisation de la collecte de données par webscrapping. ▶ Développement web avec interface graphique utilisateur pour interroger le graphe.

👉 Projet: Analyse de sensibilité: influence des variables sur la réponse d’un modèle de géostatistiques minières. 🎯 Contexte: Responsable d’un projet R&D sur la modélisation, l’analyse de sensibilité et le développement d’algorithmes géostatistiques pour garantir la robustesse et la fiabilité des prédictions dans des contextes scientifiques complexes (données d’échantillonnage issues de forages). Le besoin était de déterminer quelles variables influent (teneur en minerai, densité de la roche...) le plus sur le résultat, afin optimiser le traitement des données pour nos clients (Eramet, Orano, Rio Tinto...). ✅ Missions: ▶ Etat de l’art sur l’analyse de sensibilité et comparaison de différents approches (indices de Sobol, Plans d’Expérience, LHS) ▶ Implémentation d’un workflow d’analyse de sensibilité pour l’évaluation de l’impact des paramètres sur les modèles géostatistiques. ▶ Déterminer quelles variables (teneur en minerai, la densité de la roche...) influent le plus sur le résultat (indice de Sobol, Tornado graph). ▶ Développement d’un algorithme de declustering pour corriger les biais d’échantillonnage spatial (échantillons trop densément concentrés dans certaines zones). ▶ Mise en œuvre de méthodes de declustering pour équilibrer l’influence statistique des zones sur-échantillonnées. ▶ Recalculer les statistiques globales (moyenne, variance) avec une meilleure représentativité. ▶ Modélisation de la distribution spatiale des minéralisations (krigging). ▶ Corriger les estimations biaisées par la sur-représentation spatiale de certaines zones d’échantillonnage. ▶ Dashboards GeoPortal pour la visualisation et l’exploration des résultats. ▶ Rédaction et obtention d’un dossier CIR validé par le MESRI pour un projet de R&D en Data Science.

👉 Projet: Détection de gestes sur des images et vidéos. 🎯 Contexte: Le projet AImotion Project mené au sein du Data Fablab de Capgemini, nécessite la reconnaissance visuelle de signaux corporels et émotionnels. Utilisé à des fins d’analyse des comportements lors de présentation orale avec public. ✅ Missions: ▶ Développement de code de Computer Vision & d’analyse de sentiments. ▶ Développement d’un système de détection de bras levés à partir de vidéos (OpenCV et Deep Learning - key points).

👉 Projet: Pré-sélection de CV pour l’aide au recrutement RH. 🎯 Contexte: Projet RH au sein de l’entité Insights & Data de Capgemini. L’objectif était d’aider la décision en présélectionnant automatiquement des candidatures pertinentes à partir de CV non structurés, pour accélérer et fiabiliser le processus de recrutement. ✅ Missions: ▶ Développement d’un pipeline de traitement de documents PDF : extraction d’informations à partir de CV (parsing). ▶ Nettoyage des textes, vectorisation par embedding (Bag of Words). ▶ Reconnaissance d’entités nommées (NER) et POS-tagging pour anonymiser les CVs. ▶ Implémentation d’un modèle de classification supervisée pour prédire la correspondance entre un CV et un poste cible.

👉 Subject: Disordered foam in 3D: mechanical properties by homogenization. 🎯 Topics: Numerical modeling & simulation, Fluid & Solid Mechanics, MPI, Finite Elements, Homogenization (from micro to macro scale), Boundary value problem. My work focused on modeling the foam microstructure and its mechanical properties. The first goal was to generate a real foam microstructure in 3D. The foam microstructure is modeled as a set of convex polyhedra, by a Voronoi Tessellation (with Neper and Fortran). The surface is then drived to evolve toward minimial energy (with Surface Evolver). I’ve designed an implemented a relaxation algorithm to reach a stable structure of foam with both topological and geometrical stability conditions. I’ve entirely automate the process to produce a disordered foam (Shell scripting, Fortran), from scratch to 3D meshing (with Gmsh). The second step was to estimate the mechanical effective properties of the foam. The foam behavior is modeled by the Hooke’s law (Elasticity), the Fourier’s law (Thermal conductivity) and the Stokes equations (Permeability). The macroscopic properties are derived with an homogenization approach (from microscopic scale to macroscopic scale). I’ve discretized the resultant boundary value problems with Finite Element method and implemented it with a MPI formulation (in FreeFem++, Cast3m). The numerical results are compared with both theoretical and experimental data from laboratory experiments. ✅ Technologies: ▶ FreeFem++ (coding language derived from C++) ▶ Fortran ▶ CAST3M (coding language developed by the french CEA) ▶ MPI - Parallel computing ▶ Surface Evolver (coding language derived from C) ▶ Neper (polycrystal generation and meshing) ▶ GMSH (3D volume meshing) ▶ Shell Scripting ▶ Fenics ▶ Linux Ubuntu

Intership supervisor on numerical modeling of mechanical properties of foam - PolyTech School student.

👉 Subject: Numerical modeling of gravitational viscoplastic flows with fluid/solid transition. 🎯 Topics: Partial Differential Equations (Navier-Stokes), Finite Elements, Fluid Mechanics, Adaptive mesh refinement, Viscoplastic rheological law. In the context of numerical fluid mechanics, I’ve studied the nonlinear Navier-Stokes equations of an incompressible flow with a viscoplastic rheological law. I’ve designed and implemented a numerical method to compute the fluid/solid transition (in Fortran) within the flow in 1D. I’discretized the problem with a Finite Element method and implemented the Arbitrary Lagrangian Eulerian method (in FreeFem++) to displace the mesh in 2D. I’ve performed both analytical and numerical studies exhibiting model’s solution and convergence properties. ✅ Skills: programming, numerical modeling & simulation, teaching, journal publications, oral presentations at international conferences. ✅ Technologies: ▶ Fortran ▶ FreeFem++ (coding language derived from C++) ▶ Gnuplot ▶ Scilab (Matlab) ▶ Paraview (visualization) ▶ HTML/CSS ----> http://christellelusso.nexgate.ch/ ▶ Linux Debian

Scientific computing: Linux/Emacs/Scilab/LaTeX - Ecole des Ponts ParisTech.