- développement d'une méthodologie de calcul de l'empreinte carbone des entreprises basée sur l'analyse en temps réel des données de comptabilité- développement d'outils d'IA générative pour l'analyse de documents, l'extraction et la génération d'informations (transformers, huggingface, langchain, llamaindex, ollama, ...)- génération de données synthétiques pour l'entraînement de modèles d'IA générative LLMs, VLMs- développement d'un framework d'orchestration de DAGs pour opérer et chaîner les briques IA et API - pipelines de scraping, ingestion et traitement de données- développement d'UI pour l'exploitation de documents, l'exploration de données comptables, la comptabilité carbone. Front React/Flask/Dash/Streamlit/Gradio back Python/Node - recherche dans les domaines finetuning, pretraining, architecture LLM, VLM, MOE,...- déploiement de modèles - AWS solutions

PostDoc research assistant within the Department of Mathematics:- Data Assimilation and Stochastic Point Processes - Development of Bayesian filters, deployment on HPC. - Application to crime modeling, social and neural networks, Covid19 outbreak. - Machine learning for the assessment of insurance risks associated with land subsidence. - Development of a flask/dash web app to monitor the evolution of the Covid19 outbreak.- Data Assimilation and Terrestrial Ecosystems - Development of variational methods for the analysis of the Carbon cycle for terrestrial ecosystems. - Study of very high resolution satellite imagery together with a terrestrial ecosystem Carbon cycle model to monitor and detect forest degradation. - Development of variational tools to evaluate the information content of different observation fluxes in Carbon cycle models. - Development of a matlab interface to analyse the sensitivity for Carbon cycle models.- Teaching: Numerical soultions for PDEs 2011-2012