Chercheur en l'intelligence artificielle spécialisé dans l'analyse, la prévision, la détection d'anomalie, et la quantification d'incertitude sur des séries temporelles structurées. Mes travaux en cours sont liés à la quantification & décomposition d'incertitude par des modèles ML/Deep pour le monitoring de système complexe.Ma thèse porte sur "Analyse, Prédiction et Détection d'anomalie sur des données d'affluence sur les transport en commun" visant à l'utilisation des modèles ML/Deep pour la détection d'anomalie et la prédiction sur des données caractérisant un système complexe dynamique. Les thématiques sous-jacentes sont liées à les représentations abstraites de séries temporelles multivariées. J'ai appliqué mes travaux de prévisions d'affluences dans le cadre du réseau de transport en commun parisiens (SNCF) et du métro de Montréal (STM).J'ai réalisé ma formation initiale dans une école d'ingénieur spécialisé en Informatique et Mathématique appliquées (ENSIIE) combiné à une dernière année en double cursus M2 portant sur l'Intelligence artificielle et le machine learning (Master 2 AIC Paris-Saclay).