Axel MAZOUTH-LAUROL

• Météorologie et climatologie
• Problématiques liées à l'écologie et au développement durable  ainsi que la compatibilité avec le développement économique des états
• Sans rapport avec les sujets précédents, une passion pour la psychologie cognitive et les neurosciences de manière générale
• Passion pour le tennis de table et les danses latines
• Merise : définition du modèle conceptuel, le modèle logique et le modèle physique de données
  — Récupération de données en open source et via une API
  — Alimentation et requêtes d’un datawarehouse sous MYSQL
  — Système de gestion des bases de données : MYSQL, Oracle, MongoDB
  — Outils ETL : Talend
  — Outils de data visualisation : Tableau, Power BI
  — Langage de programmation informatique : Java, Python

Je suis actuellement en recherche d'emploi et ai fait un stage de  fin d'études de 6 mois au sein de l'institut nationale géographique français à l'international.

Le sujet de stage s’est inscrit dans le cadre du projet de Zonage Agroécologique de Guinée (ZAEG) et du projet “Land Use, Land Cover and Land Suitability Spatial Analysis” en Indonésie: ces deux projets sont portés par IGN FI, société d'ingénierie spécialisée dans l’élaboration et la réalisation de projets géomatiques à l’international, notamment dans le domaine de cartographie d’occupation du sol (OCS) et en Système d’Information Géographique (SIG).

À IGNFI, la cartographie d’OCS repose sur les méthodes existantes : la classification semi-supervisée par «Random Forest» de l’image satellite, suivie de la digitalisation manuelle pour les classes les plus complexes (forêts dégradées, agroforêts, etc.). `
L’objectif de ce stage a consisté à poursuivre le développement d’un outil existant de classification d’images satellite et d'explorer et d'évaluer des méthodes de Deep Learning supervisées appliquées à des'images satellites acquises par la constellation Sentinel de l’Agence Spatiale Européenne (ESA). Le stage s’est articulé autour du développement et de l’implémentation d’un algorithme de Deep Learning : préparation de la base de données images, entraînement du modèle, optimisation, analyse des résultats.

Les missions du stage ont été de :

- Réaliser un état de l'art sur les méthodes de Deep Learning supervisées appliquées à l'imagerie satellite -Proposer de nouvelles architectures de réseaux de neurones 
-Sélectionner, concevoir, et implémenter des modèles pour réaliser segmentation sémantique 
- Optimiser le réseau de neurones selon une métrique d’évaluation à définir. 
- Réaliser un rapport présentant l'architecture du réseau de neurones, les méthodes utilisées, ainsi que les résultats obtenus

Master Probabilités et Statistiques de nouvelles données, Université Gustave Eiffel
— Machine Learning, Statistiques en grande dimension, Analyse numérique (Python), Statistiques non Paramétriques, Probabilités