BENALI Hadjer

– Conception et développement d'un système de similarité multimodale combinant texte et image pour la détection de similarité entre marques. – Mise en place d'un pipeline complet de collecte et traitement de données : scraping (Selenium, BeautifulSoup), nettoyage, normalisation et augmentation des données. – Entraînement et évaluation de modèles : Transformers (BERT, RoBERTa) pour le texte et CNN / ViT / Siamese Networks pour les images. – Développement d'un pipeline MLOps : MLflow, MinIO, Model Registry et déploiement via FastAPI conteneurisé avec Docker. – Intégration de techniques d'Explainable AI (XAI).

– Développement d'un système de détection du mélanome basé sur des modèles CNN (ResNet50, DenseNet201, Xception, VGG, Inception) avec transfer learning (ImageNet). – Prétraitement avancé d'images dermatoscopiques (ISIC 2018, 11k+ images) : suppression de bruit (hair removal), data augmentation(rotation, translation, cutout, ajustement luminosité/contraste). – Implémentation de techniques XAI: Grad-CAM, Grad-CAM++, Score-CAM pour interpréter les prédictions via heatmaps. – Analyse qualitative des explications en collaboration avec un dermatologue pour valider la pertinence clinique des zones activées. – Intégration de Siamese Networks avec triplet loss pour améliorer la discrimination entre lésions similaires et permettre la recherche d'images proches (similarity learning).Évaluation des embeddings via k-NN.