Thibault PERIER

• Conception et déploiement de modèles de prévision à J+1 de la consommation d'un large parc de bornes de recharge, et d'un pipeline de prédiction quotidien. • Collaboration sur le projet aVEnir (consortium avec notamment EDF et ENEDIS) pour analyser et modéliser la consommation électrique de bornes de recharge à la maille station et poste source. • Création d'un modèle prédictif de séries temporelles de production PV à partir de données météo, ainsi que de méthodes de détection d’anomalies. • Fine-tuning d'un modèle Mask R-CNN pour la segmentation de toitures et la classification de leurs matériaux à partir d’images satellites. • Mise en place d'un pipeline de prévision court-terme (+15 minutes à 4 heures) de production d'énergie solaire par modélisation des flux nuageux. • Benchmark de foundation models (modèle interne, Chronos-2) pour la prévision de séries temporelles de production et consommation d’énergie d’un site. Env. technique : Python, PyTorch, Spark, Databricks, Transformers, Detectron2, openCV, Azure ML, SageMaker, GCP

• Création d'un modèle de segmentation client (clustering) pour cibler l'envoi de factures électroniques sur données anonymisées. • Développement de modèles de prévision du volume d'appels quotidien au service client. • Conception de pipelines ETL sur BigQuery pour l'intégration de données non structurées et l'amélioration de la qualité des données clients (migration CRM). Env. technique : Python, GCP (Bigquery, Data Studio, Notebooks), Bash

• Mise en place d'un notebook interactif de traitement d'images avec calibration de filtres couleur. • Création d'ensembles d'apprentissage à partir de vidéos labellisées. • Entraînement de modèles de classification et implémentation d'un pipeline d'inférence temps réel sur flux vidéo. Env. technique : Python, openCV, scikit, Jupyter, Bash