2017-2019 DATA SCIENTIST Université de Technologie de Troyes
Contexte : Living Lab ActivAgeing accompagne les personnes âgées au quotidien en améliorant l’utilité et
l’utilisabilité des technologies.
Ma mission : Mettre en oeuvre une solution algorithmique et un modèle statistique afin d’aider les médecins à suivre les effets du traitement prescrit à leurs patients.
Tâches principales :
Préparer et structurer des données hétérogènes générées par différents capteurs, installés aux domiciles des patients (Base de Données de 6 mois sur 14 patients, 100 données de santé/jour).
Explorer, implémenter et tester des algorithmes pour repérer et suivre la fragilité ou le risque de fragilisation.
Intégrer l’application d’acquisition de données avec le protocole Restfull sous Android (enregistrer les données sur un serveur distant).
Résultats :
Dans plus de 96% des cas, nous avons amélioré le suivi des patients, confirmer et détecter les effets positifs du traitement prescrit par le médecin traitant.
Détection de la fragilité d'une personne âgée suite à une chute violente dans son jardin.
Durée de la visite chez le médecin traitant réduite de 30%.
Outils :
Modèles Statistiques : k-moyennes, k-ppv, Réseau de neurones.
Python: Numpy, SciPy, Pandas, Sckit-learn, Pytorch.
Java Sous Android (intégrer le Protocol Restfull pour envoyer des objets Json).
Méthodologie : La méthode de développement itérative « Living Lab » inclut différents acteurs et l'analyse est centrée sur le besoin de l’end-user (le client).
2015 - 2017 DATA SCIENTIST Université de Technologie de Compiègne
Contexte : Intégrer la chaire EBIOMED (Outils Biomédicaux connectés)
Ma mission : Traiter et exploiter les données générées par des objets connectés afin de détecter des dérives dans le comportement et les habitudes des personnes âgées à domicile.
Tâches principales :
Participer à la création du Living Lab de l’UTC avec le CHU d’Amiens (Responsable d’intégration du system de supervision).
Sélectionner et intégrer des objets connectés dans la plateforme de supervision.
Développer une plateforme modulaire de récupération et enregistrement des données hétérogènes générées par les différents objets connectés (Java, Python).
Concevoir et mettre en oeuvre une base de données multimodale sur SQL server express ().
Explorer, implémenter et tester des algorithmes pour détecter le changement d’habitudes des personnes âges.
Résultats : Détecter des anomalies dans le comportement à 80% des cas.
Outils :
Modèles Statistiques : Arbre de décision, Réseau évidentiel.
Java : Weka, acquisition de données et stockage avec le protocole SOAP.
Base de données SQL server express.
Méthodologie : Living Lab.
2011– 2015 DATA SCIENTIST Legrand Limoges
Contexte : Dans l’objectif de promouvoir l’utilisation des capteurs thermiques, utilisés pour l'efficacité énergétique, dans les établissements de santé et les maisons de retraite, LEGRAND a lancé le projet de conception du logiciel de monitoring des résidents et des patients et conception d'un capteur thermique innovant pour superviser la qualité de sommeil.
Mes Missions :
1. Mettre en oeuvre une application de synthèse (des rapports) de données générées par les capteurs (thermiques) de mouvement afin d’aider l’infirmière (l'aide-soignante) à planifier efficacement sa journée dans l’EHPAD.
2. Mettre en oeuvre un algorithme de détection de la présence humain dans le lit et la classification des 5 stades de sommeil afin d’estimer la qualité de sommeil (Capteur d’alitement) des résidents.
Tâches principales :
Développer un logiciel prototype du suivi du taux d’activité des résidents de la maison de retraite de Bourges (base de données de plus de 2 ans, de 200 à 400 données binaires/ jour).
Explorer, implémenter et tester des algorithmes d’optimisation du travail des aides-soignantes à l’EHPAD d’Ambazac et la gestion des ressources humain : La matrice de transition pour les HMMs afin de détecter les données manquantes.
Synthèse visuelle des données pour le personnel de l’EHPAD d’Ambazac afin d’optimiser le travail de l’aide-soignante (Java, Mysql, PHP, CSS).
Traiter les signaux d’un capteur d’alitement (capteur thermique) et suivre la qualité du sommeil de deux résidents à l’EHPAD d’Ambazac : Extraction des descripteurs, k-moyennes (auto-labélisation), K-medoids, k-ppv, carte de Kohonen et Réseau de neurones (Matlab).
Etude clinique avec le CHU de Limoges de ce capteur thermique.
Brevets européen : P.Doré, T.******** ‘’ Dispositif de détection de rayonnement infrarouge et procédé de détermination d’une indication de présence ou de mouvement’’, Brevet n° 1456841 16/07/ 2014.
Résultats :
L’efficacité d’intervention des aides-soignantes a fait gagner plus de 10% de temps au personnel soignant et a réduit les temps de recouvrement entre équipes : les réunions de transmission (la maison de retraite de bourges et l’EHPAD D’Ambazac).
La comparaison des résultats de capteur de sommeil avec le polysomnographe de CHU de Limoges ont permet d’estimer la bonne classification des stades de sommeil à 95%.
Outils :
Java : implémentation des drivers d’acquisition de données sur le bus KNX et Zigbee.
Base de données MySQL : stocker les données des capteurs binaire de mouvement.
PHP, HTML et CSS : Afficher des rapports au aides soignantes.
Matlab : explorer des algorithmes et des modèles statistiques.
Modèles statistique : k-moyennes, k-medoides, k plus proches voisins, réseau de neurones et carte de kohonen (la grille des neurones).
C ANSI : sous Labwindows (filtre médian conditionné).
Traitement de signal : Modèle ARIMA, ondelettes, filtre médian.
Méthodologie : Approche en cascade (Cycle en V).
2009-2011 DATA SCIENTIST TELECOM SudParis Evry
Contexte : Dans le cadre du projet européen FP7 CompanionAble qui consiste à trouver la synergie entre le Robot compagnon et la maison intelligente, mettre en oeuvre un système de télésurveillance des patients et personnes âgées à domicile.
Mes missions :
1. Localisation de la personne dans son domicile.
2. Détection d’un état de détresse de la personne à domicile.
3. Améliorer la reconnaissance des événements sonores à domicile.
Tâches :
Explorer, implémenter et tester des algorithmes de fusion multi-capteurs pour la détection de la chute des personnes âgées au domicile (Projet européen avec APHP paris) : Technique de fusion (3ème couche), GMM, Réseau évidentel (C ANSI).
Synchronisation des données hétérogènes sur une fenêtre empirique (base de données de 1 année : environnes 70 données/J).
Explorer, implémenter et tester des algorithmes de fusion multi-capteurs pour la localisation indoor : Système expert et la logique flou (C ANSI).
Intégrer les modules de fusion dans le système de supervision avec le protocole SOAP (C ANSI, C++).
Résultats :
Les algorithmes de fusion de plusieurs sources de données ont amélioré :
La robustesse de reconnaissance des événements sonores de 10%.
La détection de l’état de détresse à 5% (détection de 30% des chutes molles).
La précision de la localisation de 54% (on est passé d'un diamètre de 1.45 mètre à un diamètre de 0.67 mètre).
Outils :
C ANSI sous Labwindows.
C++ pour le protocole SOAP.
Matlab exploration des techniques de fusion.
Méthodologie : Approche en cascade (Cycle en V)
DEVELOPPEUR ABAP -STAGE- Sanofi-Aventis La Croix de Berny
Contexte : Dans le cadre du projet d'optimiser la palification du processus de production sur le site Sanofi de Compiègne.
Ma mission : aider au développement du l'interface entre deux progiciel SAP et ORTEMS.
Tâches :
Etude et analyse du cahier de charge.
Développer des modules en langage ABAP sous SAP.
Outils : Progiciel SAP
Résultats : Amélioration de la planification du processus de production sur le site de Compiègne.
Méthodologie : Approche en cascade (Cycle en V).
Formations
2014 – Doctorat en Traitement d’Information.
Institut Mines Télécom-Télécom SudParis (IMT-TSP).
2009 – Master en Traitement d’Information et Exploitation de Données.
Université de Versailles-Saint-Quentin-en-Yvelines (UVSQ).
Conservatoire National des art et métier Paris (CNAM).
2005 – Ingénieur en informatique
Université de Sciences et Technologie d’Oran Mohammed Boudiaf.
Compétences
Modélisation statistique
Traitement du signal
Développement d’application
Réseau
Langage de programmation
Python, R, c, c++, Java, PHP,
CSS, ABAP et SQL
Langues
Arabe : Maternelle
Français : Courant
Anglais : Courant