- AxionableData Scientist PhDSeptember 2020 - Today (4 years and 3 months)Paris, FranceCréation de solutions ML spécifiques aux clients, POC et mise en production. Traitement de données industrielles, climatiques, et du langage (NLP). Présentation aux clients d'analyses et de visualisations, pour la génération de valeur. Travaux de méthodologie, sur les bonnes pratiques de l'IA de confiance (biais, explicabilité, robustesse, ...). Principaux projets :- Pour un acteur majeur du secteur de l'énergie : création d'un programme (mis en production) de classification de variables, pour assister les équipes d'ingénierie dans un processus de modernisation d'une installation industrielle.- Pour un grand assureur : analyse de données climatiques, pour la prévision et la projection de coûts liés aux catastrophes naturelles.- Pour le développement d'Axionable : revue et développement de la méthodologie Axionable (ADM) en vue de sa certification. Avec une attention particulière portée aux biais algorithmique, à l'explicabilité, à l'historisation, et à la protection des données.- Certification "IA de Confiance" de la méthodologie Axionable par le LNE : préparation de l'audit, documentation de nos process pour le développement de solutions d'IA de confiance.
- Consejo Nacional de Investigaciones Científicas y TécnicasChercheur postdoctoralApril 2017 - March 2020 (2 years and 11 months)Buenos Aires, ArgentinaDéveloppement de techniques de microscopie super-résolues, analyse d'image, élaboration de protocoles expérimentaux. Mise en place des dispositifs optiques (STED, STORM, DNA-Paint). Acquisition d'image de fluorescence d'échantillon biologiques immunomarqués, post-processing et traitement. Analyse quantitative des images par l'élaboration de programmes Python et Matlab. Préparation d'échantillons et de solutions buffers d'imagerie. Résultats principaux:- développement de SIMPLE: technique novatrice permettant l'imagerie 3D avec une résolution <10 nm, par mesure de la photométrie en illumination TIRF.- observation de FRET super-résolu grâce à la technique STED (to be published ...)- programmation de pipe-lines de post-processing, pour l'analyse automatisée d'images.- élaboration de programmes Python pour l'analyse d'image (colocalisation, clustering, ...)
- Université Pierre et Marie CurieChargé de recherchesSeptember 2012 - December 2015 (3 years and 3 months)Paris, FranceDéveloppement d'expériences d'optique impulsionnelle sur des nanostructures (boîtes quantiques d'InAs/GaAs). Modélisation semi-classique de la dynamique des spin sur Mathematica. Etudes en conditions cryogéniques (4 K), et sous vide. Travail avec lasers de classe IV. Expériences de salle blanche. Résultats principaux:- Multiplication de la sensibilité du dispositif expérimental par 1000, grâce à l'amplification hétérodyne du faisceau sonde et sa détection synchrone.- Manipulation de la cohérence de spin d'un ensemble réduit de boîtes quantiques par application d'un champ magnétique.- Évaluation du temps de cohérence du spin de trous dans des boîtes quantiques dopées, par resynchronisation de la précession (Mode-locking).
- Doctor of PhilosophyUniversité Pierre et Marie Curie2015Doctor of Philosophy - PhD, Physique
- Machine Learning Engineer bootcampYotta Academy2020Machine Learning Engineer bootcamp
- Diplôme d'ingénieur, Physique NanosciencesGrenoble INP - Phelma2012Diplôme d'ingénieur, Physique Nanosciences
- Master 2 (M2), Physique de la matière condenséeUniversité Grenoble Alpes2012Master 2 (M2), Physique de la matière condensée
- Echange universitaire, PhysiqueImperial College London2011Echange universitaire, Physique