yacine MEZALI

Détection d'Anomalies (Kontron) : Conception d’algorithmes de détection d'anomaliescritiques sur les signaux des récepteurs GSM-R (secteur ferroviaire).

Prédictions & Séries Temporelles ( Business France) Modélisation prédictive desinvestissements en France pour Business France (MAPE 10-15 %). -Océrisation de document scientifiques

Évaluation de la Robustesse IA (LNE) : Évaluation mathématique et scientifi que de larobustesse des réseaux de neurones (CNN) face aux attaques adversariales ( 80 %d'accuracy après attaque, 95 % en nominal). -Pilotage d'une comapgne d'annotation

Apprentissage par Renforcement (Enedis) : -Déploiement d'algorithmes de Deep Reinforcement Learning (DQN, Actor-Critic,PPO)appliqués au pilotage automatique des réseaux électriques (90 % de résolution effi cacesur 2000 scénarios de panne). -Optimisation de décisions séquentielles en utilisant l'apprentissage par renforcement. Prédictions & Séries Temporelles (Enedis ) : -Modélisation prédictive desraccordements électriques (MAPE 8,7 %, +22 % de précision)

Véhicule Autonome (Renault) : -Responsable d'une équipe de 4 ingénieurs de recherche. -Pilotage et développement d’une méthodologie de validation par simulation pour levéhicule autonome. -Analyse de données massives hétérogènes issues de simulation, modélisation demétriques d'évaluation de la dangerosité des scénarios. -Mise en place de métriques d'évaluation de la dangerosité des scénarios simulés -génération automatique de cas de test critiques via algorithmes génétiques etmétaheuristiques et optimisation bayésienne de boîtes noires. -Conception de métriques de comparaison de signaux issus de roulages simulés versusroulages réels. IA pour l'Industrie (Michelin) : -Conception et déploiement de modèles de fusion multimodale pour le processsusd'extrusion -Optimisation bayésienne pour les procédés d'extrusion (erreur réduite à 0,34 mm). IA pour l'Industrie (IRT M2P) : -Conception et déploiement de modèles de DeepLearning pour les procédés de pultrusion (erreur réduite à 0,2 mm). Encadrement R&D : -Co-encadrement d'une thèse CIFRE portant sur l'optimisationconvexe stochastique appliquée aux systèmes d'aide à la conduite (ADAS : ACC, LKA).

Fusion de Données & Radar : -Conception et implémentation d’algorithmes de décisionet de fusion de données multi-capteurs pour un système radar de contrôle routiercritique. Filtrage Avancé : -Implémentation d'algorithmes de fusion statistique, de fi ltrageparticulaire et de fi ltre de Kalman étendu (EKF).

Machine Learning & Traitement Postal : Conception d’algorithmes de Machine Learning et de modèles de matching postal prédictifs (taux d’acheminement atteint de 95 %). Clustering & Optimisation : -Représentation n-gramme de la base de données postale, -Application d'algorithmes de clustering (k-medoids) et de la théorie des graphes (matchingmaximal dans un graphe bipartite) pour l'optimisation et la gestion des bases de donnéesde tri postal massives.

Calcul Haute Performance (HPC) : -Conception et implémentation de nouveaux modules d’apprentissage statistique et d’algorithmes de Machine Learning pour lelogiciel XLSTAT. Accélération GPU : -Optimisation des traitements algorithmiques via le calcul vectorielet la programmation parallèle GPU ( CUDA, OpenCL, OpenMP).

Validation Trading : -Conception d’outils de validation mathématique FGA pour letrading haute fréquence. - Implémentation et optimisation de comparateursalgorithmiques de nouvelle génération.