Date: 01/01/2023
Un système de vision par ordinateur pour la classification de microstructures martensitiques et perlitique à partir de données Scrapper (Données hétérogènes issues de nombreuses sources internet).
Date: 22/04/2023
Détection d'objets pour identifier des défauts de fonderie.
Passionné par l'intelligence artificielle, je me suis d'abord plongé dans le deep learning via TensorFlow, appréciant sa flexibilité et sa puissance. L'adoption de PyTorch a ensuite élargi ma compréhension avec ses modèles prêts à l'emploi. Ces outils m'ont fourni une solide base technique pour explorer de manière autodidacte les subtilités du deep learning et ses applications.
L'extension de mes connaissances au domaine de la vision par ordinateur, y compris la classification et la détection d'objets, a été une étape logique. La compréhension et le traitement du langage naturel (NLP) enrichissent également mes compétences, permettant une analyse textuelle fine. Pour les projets avec des données limitées, le machine learning classique devient un outil précieux, soulignant l'importance d'une approche adaptable en fonction de la disponibilité des données.
Présentant une sélection de projets sur ce site, je m'efforce d'illustrer la diversité de mes compétences et de mes expériences. La qualité des données étant cruciale, j'adhère au principe « Garbage in, garbage out », bien conscient que la pertinence des données d'entraînement est indispensable pour la réussite des modèles d'IA. Cette démarche me guide dans la préparation des données pour l'entraînement cohérent et de qualité de modèles prédictifs.