Animé par ma passion innée pour les sciences, j’aspire à rejoindre des équipes de recherche et d’ingénierie pour le développement d’outils scientifiques. Mon ambition est de doter les scientifiques de technologies de pointe en matière d’IA, afin de propulser la recherche scientifique dans de nouvelles directions prometteuses.
À propos BILEL GUETARNI
À propos de moi
Avec mon expertise en vision artificielle, je favorise une approche hybride qui combine des algorithmes de vision classiques et des techniques modernes d’apprentissage profond pour résoudre des problèmes d’imagerie complexes. Grâce à ma formation et à mon engagement étroit avec l’ingénierie et la littérature scientifique, j’ai développé une solide expertise dans ce domaine.
Education
-
2015 - 2021
Université Technologique de Belfort-Montbéliard
Ingénieur en Informatique (Image, Interaction et Réalité Virtuelle)
J'ai effectué mon cursus d'ingénieur au sein de l'école UTBM dans le domaine informatique, où je me suis spécialisé en analyse et traitement d'images, computer vision, réalité virtuelle et intelligence artificielle. J'ai effectué un semestre d'ERASMUS à l'Université de Liège, où j'ai pu approfondir mes connaissances en intelligence artificielle (deep learning, advanced machine learning et reinforcement learning). Durant mon cursus j'ai effectué deux stages dont un en entreprise (ingénierie logiciel) et un en laboratoire de recherche (deep learning appliqué à al reconnaissance d'actions).
-
2021 - Present
Ecole Centrale de Lille
Doctorat en Intelligence Artificielle pour le diagnostic de cancer sur images microscopiques
Je suis actuellement en 3ème année de thèse de doctorat, sur la thématique du diagnostic de cancer appliqué à des images microscopiques (histopathologiques).
Experience
-
2019 - 2019
DP Technology
Stage d'ingénieur
Stage d’ingénierie logiciel durant lequel j’ai contribuer au code refactoring d’un logiciel de Fabrication Assisté par Ordinateur. L’objectif consistait à intégrer des fonctionnalités plus récentes du languages C++ afin de simplifier et de réduire les vulnérabilités du code à des bugs (fuite mémoire, erreur de segmentation, etc..). J’ai également contribué à simplifier le travail d’autres ingénieurs en créant des algorithmes génériques utilisés fréquemment dans le code. Tout cela s’effectua dans la méthode SCRUM (Agile) avec du test driven development, continuous integration ainsi que du unit testing.
-
2020 - 2021
IICT institut de la Haute École d'Ingénierie et de Gestion du Canton de Vaud
Stage (recherche) de fin d'études ingénieur
L’objectif de ce stage de recherche était de concevoir et entraîner un modèle de deep learning pour la reconnaissance d’actions humaines en vision égocentrique (POV). La première étape fut une bibliographie ed la littérature puis une appropriation du jeu de donnée. Par la suite, plusieurs architectures de deep learning ont étaient progressivement conçues et entraînées sur le jeu de donnée. Des tests ont permet de montrer que certaines architectures permettent un gain de temps d’inférence considérables pour une diminution de la précision légère.