Clément Massit

– Traitement et gestion des données de santé récoltées par des applications Android/iOS développées sous Unity (plus de 100 000 utilisateurs). – Développement de scripts pour le pré-traitement, l'analyse exploratoire et le suivi des données collectées. – Mise en place d'outils de visualisation des données à des fins de validation et d'interprétation (dashboards, interfaces web légères, etc.). – Implémentation d'interface de monitoring pour le suivi de données de montres connectées (plus de 3000 utilisateurs) – Déploiement et administration d'un serveur VPS pour le stockage sécurisé des données. – Suivi des protocoles de sécurité et de confidentialité (anonymisation, gestion des accès, backups, etc.). – Veille technique sur les bonnes pratiques en cybersécurité des données sensibles. – Développement et entraînement de modèles de machine learning pour l'analyse des données comportementales et/ou physiologiques. – Intégration de solutions d'IA générative (LLM) dans les flux de travail de l'équipe (analyse automatique, synthèse, assistance interne, ...). – Prototypage d'applications IA spécifiques à nos projets de recherche clinique.

– Adapter et mettre en œuvre des algorithmes de type Transfomers pour la classification automatique de très grandes bases de données issues des rapports d'appel au SAMU centre 15 – Participer à la mise en place d'un modèle de langage au sein du système d'information du CHU en implémentant les techniques les plus avancées (GPT, BERT, Mistral, Gemini) – Implémentation d'une application intégrant des algorithmes de traitement de données et classification d'embeddings – Développement Backend & Frontend (FastAPI, Vue JS) – Déploiement et conteneurisation d'applications (Docker) – Gestion de flux de données, files d'attente, ordonnancement de tâches – Utilisation de grands modèles de langage (LLM) pour le calcul d'embeddings textuels (GPT, BERT, Mistral,...) – Développement d'algorithmes de classification (Machine Learning) – Mise en place d'une architecture de base de données relationnelles sous PostgreSQL.

– Analyse et classification de spectres d'alcool en temps réel par dispositif portable et autonome dans un environnement gérer par le cloud. – Acquisition manuelle des spectres d'alcool par spectrophotométrie (excitation en lumière visible et UV) – Mise en place d'une architecture cloud sous AWS – Développement d'algorithme de traitement de signal pour la classification – Pré-traitement des données – Nettoyage des données – Application web dans le but d'exploiter les résultats, démonstration et phases de tests

– IA explicable (XAI – eXplainable AI) pour la classification des sols à l'aide de séries d'images satellite