Jau Lamine

𝐎𝐛𝐣𝐞𝐜𝐭𝐢𝐟 : L’objectif de ce stage était de concevoir et développer une application web dédiée aux systèmes de contrôle d’accès, tout en intégrant une fonctionnalité de reconnaissance vocale basée sur l’intelligence artificielle pour des systèmes d’interphonie intelligents. Le but était d’améliorer à la fois l’efficacité administrative et l’accessibilité des utilisateurs en combinant le développement web moderne et l’IA. 𝐂𝐨𝐧𝐭𝐞𝐱𝐭𝐞 : Stage réalisé au sein de 2T Technology (Dublin, Irlande). J’ai obtenu cette opportunité grâce à un programme soutenu par le Groupe ADP (Aéroports de Paris), ce qui m’a permis d’acquérir une expérience internationale, d’améliorer mon niveau d’anglais et de me développer professionnellement dans un environnement réel à l’étranger. 𝐌𝐢𝐬𝐬𝐢𝐨𝐧𝐬 : • Développement d’une application web basée sur Flask, connectée à un dispositif de contrôle d’accès et à une base de données • Création de fonctionnalités d’administration pour gérer efficacement les utilisateurs et leurs autorisations • Gestion du versionnement et de la collaboration via Git • Exploration et démarrage de l’intégration d’un module de reconnaissance vocale IA pour la fonctionnalité d’interphonie 𝐑é𝐬𝐮𝐥𝐭𝐚𝐭𝐬 : • Livraison d’un prototype fonctionnel de la plateforme de contrôle d’accès sous Flask • Mise en place d’un flux de déploiement fiable et d’une infrastructure adaptée • Acquisition d’une expérience internationale enrichissante et amélioration des compétences en communication en anglais • Renforcement des compétences techniques en développement full-stack

𝐎𝐛𝐣𝐞𝐜𝐭𝐢𝐟 : Mon stage de fin d’études chez Siemens Mobility avait pour objectif d’exploiter les techniques de Natural Language Inference (NLI) afin de détecter automatiquement les incohérences et contradictions dans les spécifications de systèmes. L’objectif principal était d’améliorer la qualité des documents techniques et de réduire la charge de relecture manuelle grâce à l’intégration d’outils de validation basés sur l’intelligence artificielle. 𝐂𝐨𝐧𝐭𝐞𝐱𝐭𝐞 : Ce projet s’inscrivait dans le cadre de ma formation d’ingénieur en Intelligence Artificielle et développement logiciel. Il portait sur l’application du NLI, du deep learning et du neuro-symbolic reasoning à la documentation technique, afin de concevoir des solutions de validation robustes et intelligentes. 𝐌𝐢𝐬𝐬𝐢𝐨𝐧𝐬 : • Réalisation d’une revue de littérature sur le NLI et ses applications aux textes techniques • Fine-tuning d’un modèle BART-MNLI pour détecter les incohérences logiques dans les spécifications industrielles • Conception et implémentation de méthodes de synthetic dataset generation : ▫️ une approche neuro-symbolic rule-based ▫️ une méthode LLM-based générant des exemples réalistes d’entailment et de contradiction • Évaluation des performances du modèle sur des datasets internes et benchmarks NLI • Documentation et formalisation des processus pour un usage interne et des améliorations futures 𝐑é𝐬𝐮𝐥𝐭𝐚𝐭𝐬 : • Fine-tuning et évaluation réussis du modèle BART-MNLI sur des données spécifiques au domaine industriel • Développement de pipelines automatisés pour la génération de données d’entraînement avec une intervention humaine minimale • Démonstration de la faisabilité de l’utilisation des modèles NLI pour la validation de spécifications réelles • Contribution à la création d’un système intelligent d’assistance à la relecture basé sur l’IA

𝐎𝐛𝐣𝐞𝐜𝐭𝐢𝐟 : Ce stage de recherche avait pour objectif d’explorer l’utilisation du Deep Learning pour l’authentification biométrique basée sur les signaux EEG. Le projet visait à concevoir et implémenter un système BCI (Brain-Computer Interface) robuste, capable d’acquérir, de traiter et de classifier les signaux cérébraux afin de vérifier l’identité de manière sécurisée et fiable. 𝐂𝐨𝐧𝐭𝐞𝐱𝐭𝐞 : Ce stage s’inscrivait dans le cadre de ma dernière année d’études d’ingénieur, réalisé au laboratoire LIASD (Université Paris 8, département IUSD) entre mars et septembre 2023, sur le thème “Brain Biometrics”. Le projet s’intégrait dans une démarche plus large d’application de l’IA à la médecine et aux neurosciences, en particulier dans le développement de systèmes biométriques sécurisés basés sur l’EEG. 𝐌𝐢𝐬𝐬𝐢𝐨𝐧𝐬 : • Conception et développement d’une interface graphique (GUI) avancée en Python pour la stimulation visuelle lors des expériences EEG • Acquisition et prétraitement de signaux EEG via des plateformes telles qu’OpenVibe • Exploration et implémentation de modèles Deep Learning (CNN, LSTM, GNN) pour la classification biométrique • Feature extraction et analyse des brainwave data pour l’authentification • Évaluation de plusieurs modèles de classification selon des critères de précision, robustesse et latence • Documentation et formalisation des processus et résultats afin d’assurer la reproductibilité et la poursuite des recherches 𝐑é𝐬𝐮𝐥𝐭𝐚𝐭𝐬 : • Réalisation d’un prototype complet de système d’authentification biométrique basé sur l’EEG • Training et évaluation réussis de plusieurs architectures Deep Learning (CNN, LSTM, GNN) • Développement d’une interface utilisateur fonctionnelle et intuitive pour la stimulation et la capture des données EEG • Renforcement des compétences en EEG signal processing et en AI model design pour les applications biomédicales