Mathis DORKENOO

Travail au sein de l'équipe DIPDE (Division Ingénierie du Parc nucléaire et De l'Environnement) chez LGM à Grenoble. Prestataire d'EDF Quotidiennement, je réponds aux différents besoins clients et participe également à certaines tâches internes à LGM : - Récupérer et comprendre le besoin client + acquérir des connaissances relatives au nucléaire - Construction, mise à jour et maintenance de Tableaux de bord (SAP, Tableau) utilisés par EDF - Mise en qualité et transformation de la donnée (ETL, Script Python) - Injection de données en masse dans la GMAO via des outils EDF - Mise en place d'une solution LLM via Python pour interagir avec des données métier - Appui administration informatique : Gestion du matériel, de l’administration et de la sécurité informatique sur le site de Grenoble - Mise en place d’une formation intra LGM pour l’introduction au machine learning/IA en Python - Participation à des formations internes pour monter en compétences sur certaines technologies (SQL, Power BI)

Analyse Statistique des données d'accidentologie sur les événements de Trail/UltraTrail en montagne. Construction d'un modèle prédictif pour anticiper la mise en place de moyens de secours lors de l'organisation des événements. Machine Learning, Data Visualisation, Statistiques. Langage utilisé : R, Shiny

Développement d'un score de risque à partir des données d'une cohorte prospective. Étude de l'apparition de thrombose suite à la pose d'une chambre implantable (CIP) chez des patients atteints de cancer. Régression logistique, Régression pénalisée, Random Forest . Langage utilisé : R

Projet encadré par Mr Vincent Brault visant à détecter les discriminations crées par les algorithmes de recrutement automatiques. Problème ouvert orienté recherche. Ce projet se basait en grande partie sur un article de Philippe Besse : "Détecter,évaluer les risques des impacts discriminatoires des algo-rithmes d’IA" Objectifs et taches réalisées: - Comprendre les données et les algorithmes utilisés dans l'article (Random Forest, Regression Logistique, TestingLogit) - Retrouver les résultats présentés dans ce dernier. - Générer des données synthétiques et évaluer le comportement des algorithmes sur ces données. Langage utilisé : R Gestion de projet en groupe

Recherche et implémentation d'un algorithme de "Super résolution d'images numériques" L'objectif était d'améliorer la résolution d'une image donnée en entrée grace à l'utilisation de différents procédés mathématiques et informatiques (interpolation par splines ou moindres carrés, tables de hachage) Langages utilisés : C,Python Gestion de projet et travail en groupe