James Guisgand

Activité indépendante de dépannage et de services informatiques auprès de particuliers et professionnels, avec prise en charge complète des interventions, du diagnostic à la résolution. • Analyse et diagnostic de pannes matérielles et logicielles • Configuration, optimisation et maintenance de systèmes Windows et Linux • Installation et remplacement de composants, périphériques et équipements réseau • Résolution d’incidents système, logiciels, pilotes et problèmes de compatibilité • Assistance technique à distance et interventions sur site • Sauvegarde, transfert et récupération de données • Conseil technique et accompagnement des utilisateurs • Gestion autonome des interventions, de l’analyse du besoin jusqu’au suivi client • Développement et maintenance web ponctuels

Développement et évaluation de modèles de Machine Learning et Deep Learning pour la classification automatique des stades du sommeil à partir de signaux EEG. • Prétraitement, exploration et analyse de segments EEG de 30 secondes pour une classification multiclasse des stades Wake, N1, N2, N3 et REM • Exploration de plusieurs représentations du signal : caractéristiques temporelles et fréquentielles, signal EEG brut, spectrogrammes et représentations temps-fréquence (CQT) • Conception et comparaison de plusieurs approches de classification : SVM, CNN 1D/2D, BiLSTM, TCN et architectures multi-branches avec fusion de caractéristiques • Extraction de caractéristiques fréquentielles à partir de la densité spectrale de puissance (méthode de Welch) et traitement de séries temporelles EEG • Mise en place de protocoles de validation croisée groupée par sujet (GroupKFold / StratifiedGroupKFold) afin d'évaluer la généralisation des modèles sur des patients non vus • Étude du déséquilibre des classes et analyse détaillée des performances pour chaque stade du sommeil • Évaluation des modèles à l'aide de la balanced accuracy, du macro-F1, des matrices de confusion et des rapports de classification • Meilleure configuration expérimentale obtenue : environ 0,752 de balanced accuracy et 0,727 de macro-F1 • Analyse comparative des expérimentations, documentation des résultats et présentation des travaux Stack technique : Python · TensorFlow · Keras · scikit-learn · NumPy · Pandas · SciPy · Librosa · Matplotlib · Seaborn · Jupyter Notebook

Développement et administration de solutions informatiques dans un environnement de recherche scientifique. • Développement et maintenance d’outils web destinés aux équipes de recherche • Structuration et diffusion de données scientifiques via des interfaces web • Développement avec JavaScript, CSS et WordPress • Administration de services sous Linux et Docker • Déploiement, configuration et supervision de services • Gestion des accès et des environnements applicatifs • Résolution de problèmes techniques et support aux utilisateurs • Travail dans un environnement soumis à des contraintes de confidentialité et de qualité de service

Participation autonome au cycle complet : conception, implémentation, tests et petites corrections de bugs.