Saâd Idrissi Semlali

-Développement de pipelines ETL automatisés pour la génération de terrains 3D à partir de solutions data-driven, utilisant des architectures de deep learning sous PyTorch, avec une précision géospatiale de 50 cm. -Traitement des données massives pour assurer la fiabilité: nettoyage, techniques de réduction dimensionnelle, segmentation, et classification de nuages de points, conteneurisé avec Docker. -Intégration d’un système multi-agent basé sur des LLM pour la génération 3D procédurale : collaboration de 3 agents intégrant NLP avancé pour l'extraction d'information, l'inférence statistique de paramètres, et la génération programmatique via l'API Blender. -Contribution à des projets autour des environnements de simulation, à fort impact technique, impliquant des problématiques de scalabilité et de performance, pour assurer l'intégration dans les workflows métier. -Amélioration d’applications logicielles embarquées de la simulation immersive, avec un focus sur les performances, la stabilité, la maintenabilité et l'adoption de pratiques MLOps pour le déploiement automatisé.

-Exploitation de simulations numériques pour analyser des performances aérodynamiques, en appliquant des techniques de modélisation et de traitement de données. -Extraction, nettoyage et analyse des données issues de simulations CFD, en identifiant des tendances et comparer des modèles. -Évaluation de divers modèles de turbulence en s’appuyant sur des indicateurs de performance et des méthodologies quantitatives.