Efficace dans la création de prototypes, j’aime également optimiser et améliorer des systèmes existants. Expert en analyse de données et en développement d’algorithmes, je m’investis dans la conception de solutions innovantes. J’apprécie partager des connaissances, présenter des résultats excitants et acquérir de nouvelles compétences.
Expérience
| 2018 – 2025 | Ingénieur R&D – ams OSRAM, Martigny |
| 2017 – 2018 | Applied Research Fellow – OMPI, Genève |
| 2017 | Machine Learning / Data Analytics projet de Master – Technis SA, Lausanne |
| 2014 – 2016 | Assistant, ICC et Digital Systems – EPFL, Lausanne |
Education
| 2017 | M.Sc. en Science Informatique, EPFL |
| 2016 | B.Sc. en Science Informatique, EPFL |
| 2012 | Maturité (physique & mathématiques appliquées), Lycée-Collège de Saint-Maurice |
Compétences Techniques
Machine Learning / Deep Learning
Maîtrise de Python, avec les frameworks PyTorch, Keras / TensorFlow, Scikit-Learn, NumPy.
Programmation Orientée Objet
Très bonne connaissance de Java, connaissances additionelles en C++ et C#.
Autres
- Bonne connaissance de Matlab, particulièrement en Image Processing et Computer Vision
- Programmation orientée système (C, Perl, Bash/Shell), expérience en programmation mobile (Android), notions de Scala
- Grande familiarité avec Linux (Ubuntu/Debian, RedHat), Windows, et macOS
- Connaissance autodidacte de logiciels d’édition d’image, vidéo et musique: Adobe Photoshop/Lightroom, Sony Vegas, Steinberg Cubase, Propellerhead Reason
- Bonne connaissance de logiciels d’édition 3D: Blender, Unity, Sketchup, et de computer graphics (OpenGL)
- Utilisation journalière de VCS (Git, Subversion)
Projets
Smart flooring data analytics (2017 – Projet de Master, Technis SA)
Implémentation d’un compteur d’objets roulants et amélioration de la précision de comptage dans des cas critiques, appliqué à la technologie de smart flooring développée par Technis SA, en utilisant des algorithmes de Machine Learning et de Computer Vision.
Depth-map fusion (2016 – Projet de semestre, EPFL)
Alignement et fusion de point clouds capturés avec différents points de vue, afin de récupérer des pertes dues à l’occlusion et d’améliorer la résolution spatiale, appliqué à des capteurs Structured Light.
3D Fruit Ninja (2016 – Projet de cours, EPFL)
Jeu immersif en VR pour Android (Google Cardboard), en utilisant le senseur Structured Light Kinect de Microsoft, créé sur Unity lors du projet de cours de Virtual Reality à l’EPFL.
Smartphone lens distortion correction (2016 – Projet de cours, EPFL)
Implémentation d’une correction logicielle pour la distorsion des lentilles de smartphones, cours de Color Reproduction à l’EPFL.
High-definition and depth from a single image (2016 – Projet de cours, EPFL)
Récupérer aussi bien une image couleur en haute définition qu’une carte de profondeur à partir d’un seul cliché, en utilisant un filtre de Coded Aperture sur un appareil photo, cours de Computational Photography à l’EPFL.
Formation continue et cours en ligne
- 2024 – C++ (Coursera et autres sites)
- 2020 – Self-Driving Cars spécialisation (Coursera)
- 2018 – Machine Learning – Stanford University (Coursera)
- 2017 – HTML, CSS, Javascript (divers sites)
Langues
| Français | Natif |
| Anglais | Avancé |
| Allemand | Connaissance basique |
| Italien | Connaissance basique |