Djoupe Pene Bernadette Audrey

Titulaire d'une formation supérieure technique, j'ai acquis une solide expérience de 2 ans dans le domaine de l'intelligence artificielle et de la computer vision grâce à mon alternance chez Capgemini. Je suis actuellement à la recherche d'un CDI en data science à partir du 09/09/2024. J'ai développé des solutions et des algorithmes innovants, en utilisant des technologies telles que l'apprentissage automatique, l'apprentissage profond et l'IA générative. Ma passion pour les nouvelles technologies me pousse à rester constamment à la pointe de la technologie et ainsi proposer des idées novatrices.

Dans mes expériences précédentes, j'ai eu l'occasion de contribuer à des projets dans des domaines tels que la vision par ordinateur, le traitement du langage naturel,  de la mise en place du projet, collecte et analyse des données jusqu'à l'intégration de l'algorithme IA sur des systèmes (plateforme web et système embarqué). Pour plus d'information, vous pouvez retrouver mes projets dans mon site et mon GitHub présents sur mon CV.

En tant que professionnelle autonome et proactive, je suis capable de gérer des projets de bout en bout. J'ai une excellente capacité de communication, tant à l'oral qu'à l'écrit, et je suis capable de travailler en étroite collaboration avec des équipes techniques et fonctionnelles. Je suis habituée à respecter les délais et à maintenir un haut niveau de qualité tout au long des projets.

Je suis convaincue que mon expertise en intelligence artificielle et en computer vision, ainsi que ma passion pour les nouvelles technologies, me permettront de contribuer de manière significative à vos objectifs. Je suis enthousiaste à l'idée de rejoindre une équipe ambitieuse et ouverte d'esprit pour mon CDI.

Je suis disponible pour tout entretien afin de donner plus d'informations sur mon profil.

J'ai actuellement 2 ans d'expérience en Data science au sein de CAPGEMINI où j'ai travaillé sur des projets en Computer Vision , Deep learning. Les des projets les plus marquants sont:

Apprentissage automatique fédéré

• Etat de l'art sur l'apprentissage fédéré 
• Analyse et traitement d'images médicales
• Simulation d'un réseau neuronal convolutif pour la classification d'images médicales sur des clients mobiles sans échange de données sensibles
• Implémentation du modèle sous TensorFlow Federated, Pysyft avec des clients mobiles communicant de manière sécurisée avec un serveur central
• Tests approfondis et optimisation : entraînement sur dizaines de clients simulés avec données fragmentées, évaluation et optimisation du modèle global tout en assurant la confidentialité et l'intégrité des données de chaque client

Apprentissage automatique avec Python

• Apprentissage supervisé : Techniques d'apprentissage supervisé (régression 
linéaire, arbres de décision, SVM, réseaux de neurones).
• Apprentissage non supervisé : Utilisation d'algorithmes de clustering (Kmeans) et d'analyse des composantes principales (ACP).
• Prétraitement des données : Nettoyage, transformation et normalisation 
des données, gestion des valeurs manquantes et des outliers.
• Évaluation des modèles : Évaluation des modèles avec des métriques telles 
que précision, rappel, courbe ROC et matrice de confusion.
• Entraînement et validation des modèles : Division des données en 
ensembles d'entraînement, de validation et de test, optimisation des 
hyperparamètres.
 

Actuellement , je suis en fin de formation d'ingénieur en Data Science à ESILV. Par ailleurs, je suis alternante depuis 2022 à CAPGEMINI et je  recherche un CDI à partir de 09/09/2024.