Jean-Raphaël Julien

La mission consiste à exploiter l’ensemble des données disponibles autour des tests de performances des cathodes. - Analyse de données à l’aide de PCA et de T-SNE. - Traitement des données avec choix de la normalisation appropriée. - Prédiction de performances à l'aide d'un transformer sur des time series. - Evaluation du modèle via la validation croisée K-fold. Suivi avec MLFlow. - Optimisation des hyper-paramètres du transformer. - Analyse de données et prédiction sur un dataset de plusieurs caractéristiques du produit avec l'optimisation d'un random forest. - Déploiement d'une web app interne pour les ingénieurs en streamlit. Objectifs finaux - Améliorer le rendement des cathodes en évitant de les abimer pendant les tests. - Réduire le temps de tests des cathodes. - Tester des nouvelles configurations de fabrication. Tech stack Python • PyTorch • scikit-learn • streamlit • pandas • XGBoost • NumPy • MLFlow

Les missions étaient d’améliorer un Resnet et un U-net pour la détection de laitues dans des champs. Il fallait également automatiser la prise d'information sur des mesures de jauge à boue. - Les données exploitées pour la détection de laitues étaient des fichiers de type Geotiff .tiff permettant d'avoir des images de hautes résolutions. - Amélioration significative d'un modèle de machine learning permettant de dénombrer des laitues sur une image aérienne, grâce une optimisation du traitement des données - Détection d’une jauge sur une image à l’aide d’un mask RCNN. - Lecture de la graduation d’une jauge avec l’utilisation d’un OCR. - Algorithmes de computer vision utilisés : U-net, Yolo, Resnet Objectifs finaux : - La détection de laitues permet aux agriculteurs d'obtenir un rendement en fonction des endroits du champ - Pour le projet de la jauge à boue, cela permet d'automatiser la lecture de hauteur de boue dans la jauge et de reporter les valeurs dans un excel. Ce qui apporte un gain de temps pour définir la hauteur de boue dans un étang. Tech stack Pytorch • Tensorflow • Tesseract • EasyOCR • OpenCV • QGis • seaborn • Numpy

L'objectif du stage était de concevoir un programme d'anonymisation de données à partir de fichiers XML. - Récupération des balises à modifier dans les fichiers XML. - Traitement d'un grand volume de fichiers en Java. - Implémentation de simulateurs de noms, RIB, carte vitale etc... - Réalisation d'une interface graphique simple d'utilisation. Objectif final : - Respecter la confidentialité des données des clients de manière à utiliser des données. Tech stack Java • Maven • IntelliJ • Git • Github action

Agent d’entretien et serveur.