Ingénieur Python · Vision par ordinateur · C++ embarqué
Ingénieur en Systèmes Intelligents diplômé de Sorbonne Université, disponible immédiatement.
Spécialisé en Python, vision par ordinateur et deep learning — avec un solide bagage C/C++ embarqué, basé à Paris.
Ingénieur diplômé en Systèmes Intelligents de Sorbonne Université, je conçois en Python des systèmes de vision par ordinateur — OpenCV, PyTorch, du dataset au modèle déployé — pour l'industrie et la robotique.
Inspection industrielle, tracking haute vitesse, navigation autonome : j'aime les systèmes qui perçoivent leur environnement — et je cherche toujours le détail qui change tout, l'architecture propre, le test qui rassure, la milliseconde gagnée.
Quand la performance l'exige, je passe au C/C++ : modules embarqués sur Linux temps réel, interfaces Qt, optimisation de l'inférence — le bon outil au bon endroit.
Rigoureux, autonome et proactif, je cherche un environnement technique stimulant où continuer à progresser. Permis B, disponible immédiatement.
Python en première ligne pour la vision par ordinateur et le deep learning, un socle C/C++ pour l'embarqué et le temps réel, et l'outillage pour livrer proprement — du test unitaire à l'intégration.
Python au quotidien, C et C++ quand la performance l'exige.
À l'aise sur Linux et en temps réel, du Raspberry Pi au Jetson.
Du build à la validation : industrialiser le développement.
De la robotique à la vision par ordinateur, en passant par les interfaces Qt — chaque projet ici répond à un vrai problème technique, du prototype à la validation.
Intégration d'un bras robotique Franka avec Unity/VR : synchronisation temps réel entre le robot et son jumeau numérique, retour haptique haute précision et contrôle via une interface web reliée par Redis.
Application C++ avec interface graphique Qt pour estimer les itinéraires optimaux dans le métro parisien, basée sur l'algorithme de Dijkstra pour le calcul des plus courts chemins entre stations.
Système de navigation autonome basé sur la vision : détection d'obstacles en temps réel avec OpenCV, fusion caméra/Lidar pour la localisation, déployé sur Turtlebot 3 en simulation (Gazebo/RViz) et en conditions réelles.
Détection d'anomalies sur bouteilles PET en production (stage SIDEL) : conception du système d'acquisition, création du dataset, benchmark d'architectures et optimisation de l'inférence pour le traitement vidéo temps réel.
Comparaison d'approches de suivi de mouvement (Kalman, filtre particulaire, optical flow, modèles bio-inspirés) chez AnotherBrain, avec modélisation par graphes dynamiques et interface d'évaluation développée sous PyQt.
Application de vision par ordinateur pour la classification d'images de plats : transfer learning avec des modèles pré-entraînés (ResNet, EfficientNet) et interface web interactive déployée via Streamlit.
IHM tactile en C++/Qt 6 pour piloter un robot cuiseur intelligent : jauge de vitesse semi-circulaire dessinée avec QPainter, contrôle du chauffage et du temps de cuisson, retour sonore, pensée pour un écran tactile sur Raspberry Pi.
Application de réalité augmentée qui incruste un cube 3D dans une scène vidéo : calibration de caméra, estimation d'homographie et de pose, suivi de points d'intérêt image par image et projection du modèle via la matrice de projection.
Travaux de recherche en biométrie (Sorbonne Université) : réseaux antagonistes génératifs (GAN), alignement de visages par points de repère et étude des attaques adverses contre les systèmes de reconnaissance faciale.
Fine-tuning du modèle de langue CamemBERT pour la tâche de question-réponse en français : préparation du corpus, entraînement du Transformer et extraction de la réponse dans le contexte avec son score de confiance.
Résolution de la cinématique inverse d'un bras robotique à 2 segments : descente de gradient à pas fixe et adaptatif, méthode de Newton avec calcul du gradient et de la hessienne, et génération de trajectoires du bras.
Outil d'analyse vidéo en Python/OpenCV : soustraction de fond, recalage automatique de l'axe par rotation, réglage interactif des seuils de détection, puis extraction image par image des coordonnées et angles, exportés vers Excel.
Application météo en Kotlin avec Jetpack Compose : architecture MVVM, données temps réel via Retrofit avec limitation de débit, persistance locale Room pour la consultation hors ligne, coroutines & Flow et Material Design 3.
Clone moderne d'Arkanoid développé avec Pygame : boucle de jeu et machine à états (menu animé, pause, victoire, game over), gestion des collisions, effets sonores, progression de niveaux et sauvegarde des meilleurs scores.
Tracker multi-objets robuste aux occultations : filtre de Kalman écrit from scratch en NumPy, association détections-pistes par algorithme hongrois sous contrainte de Mahalanobis, et gestion complète du cycle de vie des pistes.
Réseau de neurones entièrement codé en NumPy, sans framework : rétropropagation manuelle couche par couche, softmax et entropie croisée stables, optimiseur Adam — 97,7 % de précision sur MNIST en une dizaine de secondes CPU.
Un poste, une mission ou un projet en Python, vision par ordinateur ou C++ embarqué ? Discutons-en.
Me contacterComparaison d'approches de tracking (Kalman, filtre particulaire, optical flow, modèles bio-inspirés), modélisation par graphes dynamiques et développement d'une interface d'évaluation sous PyQt.
Détection d'anomalies par deep learning pour l'inspection visuelle de bouteilles PET : conception du système d'acquisition, création du dataset, benchmark d'architectures et validation sur ligne de production.
Robotique, IA, traitement des images et du son, programmation objet — complété par la formation Compétences complémentaires en informatique d'Aix-Marseille Université (2024 – 2025).
Un socle solide en électronique, énergie et automatique : capteurs, asservissements, systèmes — les fondations côté matériel de mon profil d'ingénieur systèmes embarqués.