Toulouse
Je dispose de trois compétences principales, qui sont également mes centre d'intérêt techniques et scientifiques:
Le machine learning: développement théoriques et appliqués sous le framework bayésien ainsi que les modèles graphiques probabilistes. Plus particulièrement, j'ai adressé pendant ma thèse la problématique d'estimation d'état avec des modèles hétérogènes dans le temps, dans le but de compenser intelligemment les perturbations contextuelles sur les mesures capteurs. Egalement fervent défenseur des modèles non paramétriques et sparses de type RVM.
Plus d'informations sur mes travaux de recherche ici: http://homepages.laas.fr/aravet/
La robotique, de manière générale: de la gestion hardware, aux problématiques de la navigation autonome. Particulièrement: problématique de la perception (vision, reconnaissance, utilisation de mesures bruitées) et apprentissage par démonstration (Renforcement Inverse).
L'électronique embarquée: expérience marquée dans l’interfaçage hardware de capteurs et dispositifs de transmission de données (UART, USB, ZigBee, Bluetooth, DPRAM), drivers et BSP, cross-development, programmation sur plateformes à ressources limitées. Tout ce qui exige de savoir comment fonctionne la machine.
Mes compétences :
Machine Learning
Filtrage bayésien / estimation d'état
C
Systèmes embarqués
MATLAB
Probabilistic Graphical Models
C++
