Adam Proust

Etablissement d’un référentiel de fournisseurs proposant des solutions de scanner pour véhicules et/ou de solutions IA.

Chiffrage des solutions proposées par les fournisseurs et établissement de critères qualités.

Etude technique d’une solution sur mesure pour le client final incluant stack technique (configuration minimale serveur,

stockage, modèle d'IA) ainsi qu’hardware (caméras, éclairages, structure physique arche scanner).

Réalisation d’un POC avec des modèles de deep learning et computer vision sur des images en open data de véhicules

endommagés.

Suivi et gestion du projet en totalité.

Stack : Deep learning (CNN, segmentation, détection d’objet), Python, Streamlit, Docker

Modèle de machine learning pour la caractérisation des maintenances de la flotte avions militaires et civils avec traitement naturel du langage (NLP) basé sur les rapports des techniciens.

Analyse statistique / probabiliste pour identifier les équipements / avions problématiques.

Travaux d’application des modèles d’IA générative à destination de la génération automatisée de la documentation maintenance du RAFALE (France et Export, FR-EN).

Stack : Cloud de calcul RedHat, NLP, LLM, XML (format S1000D), Python

Implémentation et déploiement d’une API python sur un serveur Linux servant à interroger les

modèles de machine learning développés par mes soins et mis en production.

Travaux de modélisation et de mise en production d’un modèle dynamique pour prédire le temps de recharge des véhicules électriques par session de recharge et typologie de véhicule.

Travaux sur la maintenance prédictive du parc des bornes de recharges électriques. Containérisation des frameworks et instances via Docker.

Stack : pipeline automatisée Data/Modélisation avec Airflow, Docker (MLOPS), Python, FastAPI, Cassandra