Erwan DAVID

Stage recherche à Aalto en Finlande

Pendant 3 mois, de juin à août 2024 j'ai effectué un stage de recherche en IA avec algorithme génétique au Département Computer Science à l'Université de Aalto à Helsinki.

J'ai simulé sous Python l'évolution naturelle d'un écosystème hostile. Les individus sont pilotés par des réseaux neuronaux artificiels et évoluent par mutations génétiques. Ils doivent apprendre à développer des stratégies individuelles et de groupe pour survivre dans cet environnement.
Ce projet de recherche est la continuation d'un projet d'étude initié pendant mes 2 premières années en école d'ingénieurs.

Stage chez Sopra Steria Next

A la fin de ma 1ère année aux Arts et Métiers j'ai effectué un stage ingénieur de 4 semaines chez Sopra Steria Next à Paris. Dans le cadre d’un projet de visualisation des accidents de la route pour le compte de l'Observatoire National Interministériel de la Sécurité Routière (ONISR), j’ai programmé en Python :

• un algorithme de calcul de densité surfacique (KDE)
• un algorithme de clustering (DBSCAN) avec la bibliothèque SKlearn

Evolution naturelle d'un écosystème - Python - IA - Vanilla

Dans le cadre d’un projet de groupe en intelligence artificielle sous Python j’ai simulé l’évolution naturelle d’individus dans un environnement hostile.
Chaque individu, piloté par un réseau de neurones dynamique, doit comprendre de lui même que manger les plantes est la seule manière de survivre. Les réseaux de neurones évoluent génétiquement par passation et mutation des poids et neurones.

Ce projet est entièrement Vanilla excepté les 5 librairies : Numpy, Random, Matplotlib, OpenCV et Pyqtree.

Génération aléatoire d'un environnement - Python - Vanilla

Ce projet réalisé sous Python touche à la génération procédurale d'environnements complexes.
J'ai codé ici un programme qui génère des environnements 3D de manière entièrement aléatoire mais cohérente. Chaque région de la carte est définie par un biome (ou type d'environnement) dépendant de sa température et de son taux de précipitation moyen. Le dénivelé local y est alors correctement adapté.
De nombreuses notions mathématiques sont utilisées : diagramme de Voronoi, potentiel de Lennard-Jonnes, bruit de Perlin, égalisation d'histogramme, courbes de Bezier ou encore masques de Gauss.

Ce projet est entièrement Vanilla excepté les 3 librairies : Numpy, Random, Matplotlib.

Apprentissage d'un labyrinthe par renforcement - Python - IA - Keras

Ce projet réalisé sous Python touche à l' intelligence artificielle et plus particulièrement l'apprentissage par renforcement.
J'ai codé ici un algorithme de machine learning qui permet à un agent d'apprendre à résoudre de lui même un labyrinthe.
J'ai réalisé jusqu'à 3 types d'algorithmes par renforcement différents :

• J’ai créé un algorithme mono-agent d'apprentissage avec une Q-table
• J'ai créé un algorithme mono-agent d'apprentissage profond (contenant un réseau de neurones)
• J’ai créé un algorithme multi-agents d'apprentissage avec une Q-table par individu

Ce projet a été réalisé à l'aide des 4 librairies : Keras, Numpy, Random, Matplotlib.

Génération procédurale d'un labyrinthe - Python - Vanilla

Ce projet réalisé sous Python touche à la génération procédurale d'un labyrinthe.
J'ai codé ici un programme qui génère à chaque nouvel appel un labyrinthe entièrement différent. Une condition évidente est que l'entrée et la sortie doivent être reliées par un chemin afin que le labyrinthe soit résolvable.
Ce projet s'est essentiellement déroulé en 2 parties distinctes :

• Création d'un labyrinthe aux dimensions données
• Résolution numérique du labyrinthe par la méthode de Lee

Ce projet est entièrement Vanilla excepté les 3 librairies : Numpy, Random, Matplotlib.

Reconnaissance d'images - Python - IA - Keras - Arts et Métiers

Dans le cadre d’un projet de groupe en intelligence artificielle sous Python :

• J’ai créé des réseaux de neurones avec Keras pour classifier des images issues d'une banque de données d'images de vêtements
• J’ai diminué leurs incertitudes de prédiction en modifiant les paramètres et hyperparamètres puis en agrégeant différents réseaux (méthode ensembliste)

Ce projet a été réalisé à l'aide des 3 librairies : Keras, Numpy, Matplotlib.

TIPE détection d'erreurs - Python - Vanilla - Concours aux Grandes Ecoles

Dans le cadre d’un travail de groupe sur l’optimisation des pluviomètres à augets basculants :

• J’ai réalisé 3 programmes Python de détection d’erreurs de mesure des pluviomètres
• J’ai conçu sous SolidWorks et imprimé en 3D un filtre anti-débris

Ce projet est entièrement Vanilla excepté les 2 librairies : Numpy, Matplotlib.

Help Out - bénévole

Je participe à des maraudes pour aider les sans abris, en leur apportant des boissons chaudes, des couvertures, une écoute et des paroles bienveillantes. Les maraudes se déroulent pendant la saison froide, principalement en automne et en hiver.

ARPEJ 78 - Formateur bénévole

J'ai accompagné des jeunes lycéens et collégiens en difficultés scolaires. Je les aidais à revoir leurs cours et à faire leurs devoirs en Maths, Physique, Anglais et Histoire-Géographie. Mon objectif était de leur donner confiance en eux et de développer leur autonomie.

La main à la pâte - Formateur bénévole

Grâce à mon parcours, j’ai aidé les professeurs d’école et de collèges à enseigner et faire aimer les sciences et les technologies à leurs élèves. Mon but était de développer la curiosité et l’esprit critique de ces derniers en animant des cours ou des séances de TP