Majeure: Informatique, Big Data et objets connectés
Brevet des Collèges, Mention Très Bien, 7e place au classement National. (Communiqué Officiel)
Baccalauréat Scientifique, Mention Très Bien
Dans ce projet, mes camarades Thibaut Tucoulou, Benoit Feurgard, Paul Thibonnier et moi-même voulions développer un prototype doter de vision par ordinateur, capable de détecter des objets du quotidien dans une pièce, guider vocalement un individu vers les objets qu'il souhaite atteindre.
1er prix au concours Défi H, nous avons réussi à convaincre de l'enjeu et de l'utilité d'un tel dispositif.
Proposition d'une architecture à réseaux profonds pour la génération de résumés de flux de commentaires sportifs. Publication: EGC 2020 TextMine
J'ai toujours trouvé plaisir à discuter avec mes camarades de Machine Learning, de Mathématiques parlant des toutes dernières nouvelles architectures, ou trouvailles, essayant de comprendre en profondeur ce que nous apprenons. De ce fait, j'ai décidé de lancer mon propre blog dans lequel je parle de papiers de recherche qui m'ont beaucoup inspiré, mais aussi de la théorie derrière le Machine Learning de façon intuitive et didactique.
Ces dernières années, nous avons connu l'afflux d'un grand nombre de modèles neuronaux performants en NLP, mais avec des dimensions Astronomiques. Dans ce projet que j'ai commencé en Avril 2020, j'étudie les derniers modèles de l'Etat de l'art dans le domaine du résumé automatique; j'essaie ensuite de construire des modèles de plus petites dimensions avec pour objectif de réduire au maximum la perte de performance. Les premiers résultats sont assez concluants.
Dans ce projet, je me suis donné la mission de recreer l'architecture Voxelnet avec les derniers framework Tensorflow.
"ENTROPY-SGD: BIASING GRADIENT DESCENT INTO WIDE VALLEYS" est un papier publié en 2017 dans lequel les auteurs théorisent, expliquent la généralisation en deep learning sous certaines hypothèses. C'est un papier que j'ai beaucoup aimé; j'ai donc décidé d'écrire un article dessus et d'implémenter une méthode d'optimisation suivant l'algorithme que les auteurs proposent.
Ré-implémentation d'une architecture neuronale pour la génération automatique de résumés.
Je me suis donné pour mission dans ce projet d'implémenter une architecture neuronale alliant les modèle "Pointer-Generator", "Transformer" pour la génération automatique de résumés abstractifs.
Lors de mes cours sur la Vision en 3D, j'ai eu l'opportuinité d'aborder le sujet du rendu 3D, ainsi qu'une étude sur l'équation de la lumière. J'ai ainsi pu implémenter des modèles mathématiques permettant de simuler l'exposition à la lumière de certains objets, leur brillance, leur couleur, leur texture etc.
