Mes compétences :
Lidar
C++
Lua
Qt Creator
C
Data Processing
Java
Machine Learning
Python
Entreprises
OSUR
- Junior Researcher
2016 - 20183D points cloud of LiDAR classification to separate water from the bathymetry
• Research project carried out within OSUR at Rennes (France).
• Realization of a state-of-the-art on airbone LiDAR, and the supervised and non-supervised learning for the classification of 2D data (raster, image, …) and 3D data (voxel, point cloud, …)
• Integration of the bi-spectral aspect of the LiDAR for the classification
• Application of the Random Forest algorithm by using parameters found by cross-validation
• Improved skills in Python scientific frameworks (numpy, pandas, scipy, …)
Classification de nuage de points LiDAR pour séparer la surface de l’eau de la bathymétrie.
• Projet de recherche réalisé au sein de l’OSUR à Rennes (France)
• Réalisation d’un état de l’art sur le LiDAR aéroporté, de l’apprentissage supervisé et non-supervisé pour la classification de données 2D (raster, images, …) et 3D (voxel, nuage de points 3D, …)
• Intégration de l’aspect bi-spectral du LiDAR dans la méthode de classification
• Application de l’algorithme des forêts d’arbres aléatoires (random forest) en appliquant les paramètres par validation croisée
• Amélioration des compétences dans les frameworks scientiques sour Python (numpy, panda, scipy, …)
IRISA
- Research internship
2016 - 2016Time series classification by using deep learning
• Realized within the OBELIX team of IRISA at Rennes (France)
• Evaluation of the performance of models of deep convolutional neural network on time series classification
• Development of a method to artificially augment the size of datasets
• Use of Torch, a package of Lua
• Publication of a scientific paper at the end of the internship
• Réalisé au sein de l’équipe OBELIX de l’IRISA à Rennes (France)
• Evaluation des performances des modèle de réseau de neurone convolutionel profond dans la classification de série temporelle
• Développement d’une méthode pour augmenter artificiellement la taille des jeux de données
• Utilisation du framework Torch en Lua
• Article scientifique publié à l’issue du stage
Courbevoie2015 - 2015Development of a software to simulate a GigE Vision camera
• Realized in Thales Avionics at Le Haillan (France)
• Integration of the software to the benchmarks, which allowed the development of some test without need of the camera
• Development realized with C++ and Qt Creator
Développement d’une interface graphique pour simuler une caméra GigE Vision
• Réalisé à Thalès Avionics à Le Haillan (France)
• Intégration du logiciel aux bancs de test, ce qui permettait le développement de test sans la caméra
• Programmation effectué en C++ avec Qt Creator
