Patrick L.

J'apporte des solutions en rupture et dans l'innovation à vos problématiques en Big Data.

Je suis spécialisé en Machine Learning, Deep Learning, Computer Vision, NLP, et RESTful Web App Design. Concrètement, je pourrai résoudre votre problématique liée à la data analytics , et concevoir une application site web comme point d'entrée pour que vos utilisateurs interagissent avec le produit.

Parmi les projets que j'ai réalisés:

Vérification automatique des certificats médicaux dans le cadre de l’organisation d’une course à pied

- Identification du texte imprimé et manuscrit avec SVMs entraînés sur les BoVW des descripteurs SIFT

- Utilisation d’un module OCR (pytesseract) pour la transcription du texte imprimé(précision: 65%), et un réseau de neurones récurrent convolutif (CRNN) pour le manuscrit

Prédiction des cours du bitcoin avec réseaux de neurone bayésiens.

- Mise en place d’un réseau de neurones récurrent bayésien (BNN) implémenté en Keras pour la prédiction des cours de Bitcoin

- Intérêt du BNN : fournir l’incertitude du modèle contrairement à un réseau de neurones récurrent standard (SNN), tout en améliorant la performance

- Extraction des données Time Series pertinentes sur le web avec Selenium et BeautifulSoup

- Résultats: BNN(LSTM+MonteCarloDropout)-RMSE:0,099, SNN(LSTM+Dropout)-RMSE:0,111

Recommendation des tags lors de la saisie des questions sur StackOverflow.

- Développement d’un système de suggestion de tag, qui assigne automatiquement plusieurs tags pertinents à une question pour les questions-réponses liées au développement informatique

- Entraînement et comparaison des modèles supervisé (SVM,MaxEnt, Multinomial Naïve Bayes) et non-supervisé (LSA, PLSA, LDA)

- Résultats: Modèle supervisé : SVM + tf-idf vectorizer - scoreF1 : 56%, Modèle non-supervisé : PLSA + count vectorizer - score F1 : 14%