Oussama Zeglazi

• Développement de modèles de machine learning pour la détection des anomalies dans les règles de pare-feu. • Analyse approfondie des règles de pare-feu pour identifier des configurations potentiellement dangereuses et proposer des optimisations de la sécurité. • Génération de rapports automatisés, expliquant les anomalies détectées.

• Développement des modèles de vision par ordinateur pour détecter et suivre les clients dans un environnement de restaurant à l’aide de caméras embarquées. • Conception des algorithmes pour identifier les tables occupées et non occupées, nombre de consomations, ainsi que la durée pendant laquelle chaque table était occupée. • Généré des rapports détaillés pour aider la direction des restaurants à optimiser les opérations et à améliorer le service client.

• Développement de modèles pour la détection de fraudes dans les documents images. • Utilisation de techniques avancées de vision par ordinateur et d’apprentissage automatique. • Développement de modèles pour la classification de documents images en utilisant NLP et la vision par ordinateur. • Déploiement des modèles en cloud.

• Étude et développement d’un moteur vocal pour la reconnaissance de la langue française, en utilisant des modèles de Deep Learning (Connectionist Temporal Classifcation), DeepSpeech. • Conception et mise en œuvre d’un système de transcription de l’audio en texte, utilisant les services cloud de Google pour la conversion de discours en textes exploitables. • Application de techniques de NLP pour corriger les erreurs de transcription et améliorer la précision du texte final. • Développement de nouvelles fonctionnalités logicielles pour les clients de Conviviance.

• Conception et implémentation d’algorithmes pour la détection automatique de nodules pulmonaires dans des images de tomographie par ordinateur (CT), en utilisant des techniques avancées de traitement d’image et d’apprentissage automatique. • Développement et entraînement de modèles de deep learning pour la classification des nodules pulmonaires, distinguant les nodules bénins des malins avec une haute précision.