Python
Projet / expériencePipeline PyTorch
Expérimentation ML
SKILL → PROJECT → RESULT
Explorez les liens entre technologies, projets et résultats. Les acquis académiques restent identifiés comme tels.
Pipeline PyTorch
Expérimentation ML
Attention U-Net / BraTS 2020
0.8180 Dice moyenSegmentation tumorale
0.8180 Dice moyenClassification de radiographies
81.25% Accuracy de validation, époque 8Attention U-Net
MobileNetV2
Random Forest / transactions synthétiques
CrewAI / LangChain / Claude
Orchestration locale
9 Agents opérationnelsWorkflow CrewAI
RAG / ChromaDB / LangChain
Analyse assistée par LLM
Claude / génération d’exercices
Génération textuelle avec LLM ; pas d’entraînement NLP revendiqué
Suivi / registre / versioning
Experiment Tracking / Model Registry
Versioning des données
Technologie déclarée comme étudiée ou pratiquée ; preuve de projet spécifique à compléter.
Technologie déclarée comme étudiée ou pratiquée ; preuve de projet spécifique à compléter.
Technologie déclarée comme étudiée ou pratiquée ; preuve de projet spécifique à compléter.
RDD / DataFrames / partitions (académique)
Fondamentaux PySpark
Concepts étudiés
Base relationnelle utilisée durant le stage TRAGEM. Moteur exact à confirmer.
Technologie déclarée comme étudiée ou pratiquée ; preuve de projet spécifique à compléter.
Technologie déclarée comme étudiée ou pratiquée ; preuve de projet spécifique à compléter.
Technologie déclarée comme étudiée ou pratiquée ; preuve de projet spécifique à compléter.
Architecture locale conteneurisée
Versioning code / données
Environnement Ubuntu local
Interface multilingue
Backend Node.js / Express
Intégration API IA
Application React / Node.js
Technologie déclarée comme étudiée ou pratiquée ; preuve de projet spécifique à compléter.
Technologie déclarée comme étudiée ou pratiquée ; preuve de projet spécifique à compléter.
Technologie déclarée comme étudiée ou pratiquée ; preuve de projet spécifique à compléter.
Technologie déclarée comme étudiée ou pratiquée ; preuve de projet spécifique à compléter.