Réalisation de la recherche, du déploiement et de l’optimisation de modèles
génératifs de pointe (Stable Diffusion, ControlNet). J’ai augmenté leur flexibilité
via des techniques comme le LoRA et optimisé leurs performances pour la
production, notamment par la conversion de modèles vers le format ONNX pour
réduire le temps d’inférence. J’ai également conçu un pipeline évolutif et mené
une veille technologique active (incluant l’étude de solutions d’accélération
comme TensorRT) pour orienter les choix d’architecture

Conduite d’un projet de R&D visant à générer des images synthétiques de haute
qualité pour l’augmentation de jeux de données. Ce travail a inclus une phase de
recherche bibliographique, le fine-tuning de modèles pré-entraînés et
l’établissement de protocoles de validation.
Implémentation Technique : Développement et expérimentation de l’ensemble
du pipeline, de la préparation des données à la génération, en utilisant les
frameworks PyTorch et TensorFlow

J’ai pris en charge la conception et le développement d’un simulateur de
contrôleur d’axes, en suivant une méthodologie de cycle en V, depuis l’analyse
des besoins et la modélisation UML jusqu’aux tests de validation. Entièrement
développé en C# avec une interface WPF et une communication UDP, le tout
versionné avec Git