__ __ __ ___________ __ __ _______ ______ _______ __
| | | | | | | || | | | | ____|| _ \ | ____| | |
| |__| | | | `---| |----`| |__| | | |__ | |_) | | |__ | |
| __ | | | | | | __ | | __| | / | __| | |
| | | | | | | | | | | | | |____ | |\ \--.| |____ |__|
|__| |__| |__| |__| |__| |__| |_______|| _| `.___||_______| (__)
Passionné de technologies, je navigue entre Python 🐍, Rust 🦀 et C 🌀 dans des domaines autours des Mathématiques 🧮, du Machine Learning ⛏ et du quantique ⚛️. Je m'intéresse également aux domaines de la cybersécurité 💻 du Web 🌐 et de la robotique/électronique 🤖.
🗣️🤖 ESP32 ElioBot Voice Control TinyML/C • Système de commande vocale embarquée (hors-ligne) sur ESP32. Implémentation de TinySpeech avec quantification (Int8) et moteur d'inférence optimisé en C.
⚛️📊 QMeans Qiskit • Implémentation de l'algorithme KMeans en version quantique avec Qiskit, accompagnée d'un article scientifique validant la théorie par le code et les mathématiques.
🩺🫀 ECG Generator Deep Learning • Auto-encodeur variationnel convolutionnel conçu pour générer des électrocardiogrammes synthétiques et enrichir les datasets médicaux pour des pathologies rares.
IoT/Auto-encodeur • Système de débruitage et d'analyse de données vibratoires issues de capteurs accéléromètres (MPU-6050) à l'aide d'un Auto-encodeur de débruitage.
🦀🤖 ML in Rust Rust • Réimplémentation from scratch de modèles de Machine Learning pour maîtriser les fondements de l'IA avec la performance de Rust.
🕸📰 Dynamic GNN Python • Réseau de neurones dynamique appliqué à la classification complexe de signaux (chants d'oiseaux, ECG) basé sur un papier de recherche.
🧠🌐 No-code Platform Streamlit • Application web pour effectuer les étapes du Machine Learning sans nécessiter de compétences en programmation, avec Streamlit.
🌨️☀️ Smart Weather MQTT/IoT • Station météo connectée (BMP180, HTU21) avec interface de visualisation et prédiction en temps réel avec Streamlit.
🦠🧪 Simulation Virus Modélisation • Algorithme simulant la dynamique de diffusion d'un virus au sein d'une population avec un modèle probabiliste puis validation avec les modèles épidémiologiques de référence.
⛏️🪙 QuantumChain Flask/Multi-threading • Simulateur de Blockchain PoW complet avec une version de démonstration sur un seul PC et une version online avec le protocole MQTT.
🏗️🏢 Structure 3D Physique • Calcul et visualisation 3D temps réel (Courbes de Bézier) des déformations structurelles via capteurs inertiels MPU-6050.
📈📚 Plotly Tutorial Data Viz • Guide exhaustif pour maîtriser la visualisation interactive : graphiques financiers, 3D, cartographie et outils pour le Machine Learning.
🪙💰 CryptoPlatform Flask • Écosystème gamifié complet : simulation de trading à levier, gestion de ferme de minage et marketplace NFT, synchronisé sur les cours réels.
🎮🧌 Bonx Monsters Game Dev • RPG web complet (Flask/SQLAlchemy) : collection de monstres, combats de boss et exploration de donjons.
🏀🧑🏼🏫 BasketBall Coach Animation • Générateur vidéo de systèmes offensifs utilisant le moteur Manim pour créer des animations tactiques professionnelles.
Compression des modèles de Deep-Learning
Publication: 2026
Article technique sur le TinyML et l'optimisation des réseaux de neurones pour les environnements contraints. Le contenu détaille les méthodes de compression majeures telles que la Quantization (PTQ et QAT), le Pruning et la Distillation, ainsi que les architectures légères type MobileNetV2. Le projet inclut l'implémentation du modèle TinySpeech-M avec PyTorch, suivie de sa conversion via un compilateur C personnalisé pour un déploiement effectif sur le microcontrôleur ESP32-S3 du robot Eliobot.
Conférence sur l'Intelligence Artificielle et la Santé
Publication: 2025 | Pages: 45
Support rédigé d'une conférence de vulgarisation destinée à un public de professionnels de santé. Le document introduit les concepts fondamentaux de l'IA, son histoire et ses mécanismes d'apprentissage. Il propose ensuite une analyse transversale des applications médicales concrètes, couvrant l'aide au diagnostic (radiologie, oncologie), la chirurgie robot-assistée, l'optimisation des prescriptions ainsi que l'accélération de la recherche pharmaceutique.
Modèle QMeans, version quantique de KMeans
Publication: 2024 | Pages: 56
Implémentation de l'algorithme Q-Means, adaptation quantique des méthodes de clustering K-Means et Delta-K-Means. L'article établit le lien entre informatique quantique et Machine Learning à travers une architecture hybride (classique/quantique) concrètement implémentable. Sont détaillés : la formulation mathématique, la conception des circuits quantiques (calcul de distance, recherche de minimum, initialisation K-Means++) et l'implémentation complète réalisée sous Qiskit.
🌟 Utils • Collection de fonctions et classes utilitaires.
📂 Gallery of Datasets • Répertoire de sources de données pour la Data Science.
🧠 Everything to Markdown • Convertisseur de documents (PDF, Docx...) vers Markdown.