Architecte Cloud AWS et développeur full-stack Python autonome et à l'écoute, j'accompagne depuis plus de 7 ans mes clients dans la création d'infrastructures robustes et optimisées sur AWS. Je développe des applications web, mobiles et des solutions IA qui exploitent pleinement le potentiel du cloud, avec une détermination constante à apprendre et à maîtriser rapidement les nouvelles technologies nécessaires à vos projets.
Expert dans ces technologies de pointe
Python est un langage de programmation interprété, multiparadigme et multiplateformes. …
En savoir plusDécouvrez mes travaux les plus marquants
Dans cette étude, nous avons examiné la précision du système Language ENvironment Analysis (LENA) en français européen. LENA est un dispositif d'enregistrement numérique doté d'un logiciel qui facilite la collecte et l'analyse d'enregistrements audio provenant de jeunes enfants, fournissant des mesures automatisées du discours entendu et produit par l'enfant. Dix-huit enfants francophones natifs, répartis en six groupes d'âge allant de 3 à 48 mois, ont été enregistrés environ 10 à 16 heures par jour, trois jours par semaine. Un total de 324 échantillons (six segments de 10 minutes d'enregistrements) ont été sélectionnés puis transcrits selon le format CHAT. Des modèles linéaires simples et mixtes ont été appliqués aux estimations du nombre de mots d'adulte (AWC) et du nombre de vocalisations de l'enfant (CVC) fournies par LENA et les transcriptions humaines, afin de déterminer dans quelle mesure les méthodes automatisées et humaines concordaient. Les estimations du nombre de mots d'adulte et de vocalisations de l'enfant étaient très fiables (r = 0,64 et 0,71 respectivement) pour les 324 échantillons. En contrôlant les facteurs aléatoires des participants et des enregistrements, une heure d'enregistrement s'est avérée suffisante pour obtenir un échantillon fiable. Il a cependant été constaté que deux groupes d'âge (7-12 mois et …
Chez l'homme, la mémoire épisodique est l'aptitude cognitive qui lui permet de récupérer une expérience passée vécue, ou épisode, selon un état de conscience spécifique. La particularité de ce système de mémoire est la construction de liens entre les dimensions contextuelles constitutif de l'épisode mnésique : l'évènement « Quoi ? », le moment « Quand ? », et l'endroit « Où ? ». Les études classiques de la mémoire épisodique indiquent que ces dimensions sont traitées et intégrées dans les structures corticales comprenant principalement le lobe temporal médian et le cortex préfrontal. Des études récentes de la mémoire en IRMf faisant usage de matériaux expérimentaux plus naturelles et écologiques ont ouvert la perspective de réseaux corticaux sous-jacents de la mémoire épisodique s'étendant au-delà de ces structures. En effet, ces études suggèrent l'idée que le lobe pariétal joue un rôle important dans la constitution d'un épisode mnésique au contexte enrichi. Cependant les mécanismes et structures relatives aux traitements des caractéristiques contextuelles d'un évènement restent débattues, et les interactions induites entre les différentes dimensions contextuelles d'un épisode mnésique, lors de son rappel, sont mal compris. Cette thèse présente 3 objectifs principaux : 1) développer de nouveaux protocoles expérimentaux pour étudier la mémoire …
Le fonctionnement de la mémoire épisodique humaine repose sur l'encodage des souvenirs avec leur contexte spatio-temporel, suivi de la récupération d'une expérience subjective reliant la personne à l'épisode. Pour étudier ce processus, j'ai développé un système automatisé de collecte et d'analyse, permettant d'examiner la mémoire épisodique des participants dans leur quotidien. Actuellement, je refonds ce système pour l'étendre à d'autres fonctions cognitives et analyser plus finement l'impact des éléments contextuels. Dans cette refonte, j'utilise des ressources AWS telles que ETL, AWS Glue et ECS afin de gérer des processus complexes d'intégration et de traitement des données. Je mets également en place des dashboards d'analyse assistés par l'IA, permettant une visualisation en temps réel des données, facilitant ainsi une analyse plus approfondie des interactions entre les éléments contextuels et les processus cognitifs. L'IA intégrée permettra d'améliorer la précision et l'efficacité des analyses, rendant les résultats accessibles et exploitables pour des applications cliniques et scientifiques.
L’objectif du projet HUBBLE est de créer un observatoire national pour la construction et le partage de processus d’analyse de données massives, issues des traces laissées dans des environnement de type e-learning. Hubble permettra d’analyser et d’expliquer des phénomènes d’enseignement et d’apprentissage avec ces environnements. Dans ce cadre j'ai conçu des ETL et des algorithmes de machine learning permettant de prédire la performance des étudiants puis aider l’enseignant à adapter ses stratégies pédagogiques. Puis également d'explorer et faire articuler, entre autres, différents cadres théoriques en lien avec les travaux sur l’ingénierie des dispositifs hybrides, sur l’apprentissage par auto-régulation et sur les feedback formatifs comme facteurs décisionnels. En il s'agissait de mettre en place et formaliser des outils de collecte de données auprès des enseignants du dispositif PACES afin de déterminer leurs attentes et leurs besoins concernant l’élaboration des feedbacks formatifs à partir de leurs pratiques professionnelles au sein de ce dispositif. Ce projet répond initialement à une commande de l’ENS de Lyon pour la formation des élèves de l’Ecole qui préparent le C2i2e dans le cadre du Master enseignement. L’analyse du contexte à encouragé la conception de Tamagocours, un jeu sérieux permettant aux étudiants de se former aux aspects juridiques …
J'ai réalisé une étude scientifique portant sur la mémoire épisodique. Nous avons utilisé une procédure d'encodage avec des téléphones mobiles pour générer des épisodes expérimentaux contrôlés dans le monde réel. Nous avons envoyé des images d'objets aux participants, avec des durées d'encodage allant jusqu'à 3 semaines. Dans d'autres groupes de participants, les mêmes objets ont été encodés lors de l'exploration d'une ville virtuelle (45 minutes) ou à l'aide d'un paradigme de laboratoire standard, avec des paires d'images objet/lieu présentées dans une séquence de tests. À la récupération, nous avons testé la mémoire subjective des objets (se souvenir/familier) et la mémoire du contexte (lieu et temps). Nous avons constaté que la mémoire précise et confiante du contexte augmentait la probabilité de réponses "Je me souviens", dans tous les contextes d'encodage. Nous avons également testé la capacité des participants à juger de l'ordre temporel des épisodes encodés. En utilisant un modèle de similarité temporelle, nous démontrons des propriétés invariantes d'échelle de la récupération de l'ordre, mais aussi le rôle de facteurs non chronologiques. Nous avons découvert que les mécanismes gouvernant la récupération de la mémoire épisodique peuvent fonctionner dans un large éventail de contextes spatio-temporels et que la nature multidimensionnelle des traces …
Ce dispositif de formation alterne des temps de travail à distance et en présence, et utilise un environnement de travail numérique pour soutenir les activités à distance (consultation de cours, activité d’élaboration de questions). L’objet de cette recherche est d’explorer les différents moyens/instruments qui pourraient être mis à disposition des enseignants intervenants PACES pour qu’ils soutiennent au moment de la séance en présentiel (SEPI): le traitement de l’information et des connaissances des étudiants (le feedback formatif serait utilisé comme un accompagnement cognitif)l’engagement des étudiants dans le dispositif de formation (feedbacks formatifs sont utilisés alors comme accompagnement méthodologique et méta cognitif)soutien à la motivation (envie de poursuivre) soutien à l’auto-régulation processus d’interactions lors de la séance orale (entre enseignants/étudiants, entre pairs). Plus précisément, il s’agira d’identifier le dispositif à mettre en place pour aider, à partir des traces d’activités des étudiants, les enseignants intervenants dans la PACES à construire et à formuler des feedbacks formatifs lors de la séance SEPI (temps en présence) pour soutenir et accompagner le processus d’apprentissage des étudiants engagés dans un dispositif hybride de type classe inversée. Questions de recherche détaillées : 1) existe-t-il des variables permettant de prédire l’évolution d’apprenant ? En particulier des piques (il …
Fort du constat que les données relatives au comportement et plus généralement à l’expérience des individus (autobiographie des évènements vécus, idiosyncrasie) ainsi que les données biométriques et psychométriques (sexe, genre, âge, revenus, goût, avis) sont le socle sur lequel reposent les connaissances et décisions stratégiques chez de nombreux acteurs économiques, sociaux, politiques et scientifiques (Sondage, Etudes, Insights). Il apparait aujourd’hui que les investigations reposant sur l’exploitation de ces données font usage d’outils et de méthodologies vieillissantes dont la fiabilité, la validité et l’éthique sont discutables et améliorables (Questionnaire, Tests et mesures pseudo-scientifiques). De plus, ces collectes sont parfois produites aux seuls bénéfices des sociétés investigatrices et ne proposent aucun bénéfice pour les participants. Considérant cela la société Experitem ambitionne, au travers de sa plateforme, de mettre à disposition de ses clients un ensemble de méthodologies et d’outils innovants allant de l’inclusion, la gestion et la rémunération des participants aux investigations ; jusqu’à l’élaboration d’une technologie de mesure et d’interprétation qualitative et quantitative de l’expérience subjective d’un individu, et d’une population, dans son milieu naturel située dans un espace géographique et sur une longue période de temps avec le concours informé et éclairé des participants. A terme, nous proposerons un outil …
Au cours de mes analyses, j'ai développé des solutions robustes de webscraping permettant de collecter, structurer et interpréter des volumes massifs de données provenant de sources multiples. Ces analyses ont joué un rôle clé dans la compréhension des tendances du marché et l'évaluation des performances de la concurrence. J'ai utilisé des techniques avancées de scraping pour extraire des données à partir de sites variés, tout en respectant les conditions d'accès. En parallèle, j'ai mis en place des pipelines d'intégration automatisés, combinant des langages tels que Python et des bibliothèques comme BeautifulSoup et Scrapy pour assurer une extraction fiable et efficace. Une fois les données collectées, j'ai appliqué des méthodes de nettoyage et de transformation (ETL) afin de les rendre exploitables. J'ai ensuite utilisé des outils de visualisation et des algorithmes d'analyse statistique et de NLP (traitement du langage naturel) pour identifier des tendances cachées, mesurer les écarts par rapport aux performances concurrentielles et fournir des recommandations stratégiques basées sur des données fiables et actualisées. Ces techniques m'ont permis de proposer à mes clients une vision éclairée de leur positionnement concurrentiel et des opportunités de marché, en leur offrant des tableaux de bord dynamiques et des rapports d'analyse détaillés.
Le projet AGPA vise à explorer les bases neuronales de la représentation des interactions sociales, en particulier le rôle de la région pSTS (sulcus temporal supérieur postérieur) dans la distinction entre agent et patient dans une interaction sociale. L'objectif principal est de déterminer si la région pSTS encode les représentations neuronales de l'agent agissant sur le patient et comment ces représentations peuvent différer ou se chevaucher. En lien avec la recherche sur le traitement des mots (Frankland & Greene, 2015), ce projet s'intéresse à la façon dont les interactions sociales sont représentées dans le cerveau et si la pSTS catégorise la différence entre agent et patient dans des situations significatives. Combinée avec des outils de traitement de données comportementales (Python, Matlab, SPSS) et une analyse fMRI via SPM (1er et 2e niveau), l'étude utilise également des techniques avancées comme le Searchlight et l'analyse MVPA via CoSMoMVPA pour capturer les représentations neuronales. Des algorithmes de classification comme le SVM et des analyses de corrélation (Split-Half) permettent de modéliser les interactions neuronales dans des régions spécifiques du cerveau, telles que le LOC, FFA, et PPA. Une analyse RSA (Representational Similarity Analysis) est également utilisée pour décoder la signification des interactions sociales en …
Dans le cadre de mes travaux de recherche, j'ai exploré l'impact interactif des informations temporelles et contextuelles sur le comportement et l'activité cérébrale lors de la récupération de l'ordre temporel d'épisodes naturalistes. À l'aide de l'IRMf, j'ai pu analyser et observer que le précuneus, une région du cerveau, est activé différemment selon la cohérence du scénario des événements. Le précuneus semble utiliser des mécanismes reconstructifs pour récupérer les souvenirs en fonction du contexte spécifique et contient également une représentation linéaire du temps. La récupération de l'ordre temporel repose donc sur des mécanismes chronologiques et reconstructifs dans le cortex pariétal médiopostérieur. Les résultats de ces travaux ont été publié dans Journal of Neurosciences.
Je présente ici un protocole totalement nouveau qui présente l’intérêt d’être hautement écologique car il s’intègre dans la vie quotidienne des participants. J’ai conçu un système informatique reposant sur des technologies web, avec une application mobile dédiée et géolocalisée. Ce système comprend un serveur d’application en ligne 24 heures sur 24, 7 jours sur 7, totalement autonome, ainsi qu'une application mobile installée sur le smartphone des participants. Son objectif est de générer des épisodes mnésiques selon des règles protocolaires spécifiques. L’encodage des épisodes dans la vie quotidienne repose sur les trois dimensions Quoi, Quand et Où. L’événement consiste à présenter l’image d’un objet à évaluer via l’application (les mêmes objets utilisés dans les contextes LAB et RV, avec la question : « Aime / N’aime pas »), à la manière de la réception d’un MMS. Les lieux sont les scènes imagées disponibles via Google Street View, en fonction des coordonnées GPS des participants. La disponibilité des images est vérifiée lors de l’encodage et sera utilisée durant la phase de rappel.J’ai développé l’intégralité de ce système en Python, PHP et JavaScript. Le système enregistre toutes les interactions entre le serveur et l’application, telles que la confirmation de la réception de l’image …
L’étude examine les mécanismes sous-jacents à la récupération de la mémoire épisodique en se concentrant sur les interactions dynamiques entre les structures cérébrales du lobe temporal médial, telles que l'hippocampe et le parahippocampe, et des zones situées dans le cortex pariétal et frontal. L'objectif était de tester l'hypothèse selon laquelle la connectivité fonctionnelle entre le précuneus, une région du cortex pariétal médial, et le cortex temporal médial joue un rôle central dans la qualité subjective des souvenirs, notamment la capacité à se rappeler des objets et du contexte spatio-temporel dans lequel ces objets ont été encodés. Les résultats ont révélé que l’activation du précuneus, du cortex préfrontal ventro-médian, ainsi que des régions hippocampiques et parahippocampiques, était significativement plus élevée lorsque les participants parvenaient à non seulement reconnaître un objet, mais aussi à se rappeler du lieu et du moment où ils l'avaient vu. Ces résultats suggèrent que la connectivité fonctionnelle entre le précuneus et le cortex temporal médial contribue directement à la récollection épisodique.
Planifiez une consultation ou envoyez-moi un message
J'aimerais en savoir plus sur votre projet
