Site de comparaison de caractéristiques et de prix de GPU, plus de 1 200 visiteurs uniques par jour. J’ai conçu ses pipelines de collecte de données automatisés, un flux de localisation LLM (un modèle de pointe rédige le contenu, un modèle local le traduit, des vérifications automatiques rejettent les mauvais résultats) et un agent LLM planifié (LangGraph, API Claude) qui vérifie que les annonces collectées sont associées au bon GPU.

Recherche doctorale appliquant l’apprentissage par renforcement profond à l’optimisation des stocks multi-échelons; conçu un environnement de simulation et entraîné des agents TD3, A2C et DQN (Stable Baselines3, PyTorch) pour prendre les décisions de stock. Voir ma ▶️présentation à IVADO Digital October.

Participation en solo à Kore 2022, une compétition de simulation commanditée par Google avec des limites strictes de calcul et de mémoire par tour; 4e sur 469 (médaille d’or en solo, prix de 3 000 $). Avantage obtenu en réécrivant la logique de simulation en opérations matricielles vectorisées avec NumPy. Un 📝compte rendu est disponible sur Kaggle.

1re place au défi d’équipe no 3 (détection de coups de feu dans l’audio) avec un CNN sur mesure, et 2e place parmi plus de 100 participants au quiz individuel d’apprentissage automatique.

Référence participative d’argot chinois (« Urban Dictionary chinois »); embeddings de LLM open source pour la recherche par similarité afin de proposer des termes connexes.