Bonjour, je suis Thomas Robert

Je suis doctorant en Deep Learning au laboratoire LIP6 (Université Pierre et Marie Curie, Paris).

J'ai commencé mon doctorat en novembre 2016 et suis supervisé par Matthieu Cord et Nicolas Thome.

Cette page est un condensé d'informations me concernant. Pour plus d'informations, voir mon CV.

Mon profil

J'aime l'informatique

J'ai commencé à programmer il y a 8 ans par du développement web.

J'aime aussi les maths

C'est pourquoi j'adore la Data Science et en particulier le Machine Learning.

J'aime les challenges

C'est pourquoi je m'oriente vers la recherche.

J'aime apprendre de nouvelles choses

C'est pourquoi je suis actuellement en doctorat.

Mes principales compétences

Data Science

  • Connaissances théoriques
  • Matlab
  • R
  • Scikit-learn
  • Spark
  • Hadoop

Programmation

  • Connaissances théoriques
  • Java
  • Scala
  • C / C++
  • Python
  • Bash
  • IDE
  • SVN / Git

Web

  • Connaissances théoriques
  • PHP
  • MySQL
  • JavaScript
  • HTML5
  • CSS3
Notions / Débutant / Intermédiaire / Avancé

Voir toutes mes compétences

Dernières expériences

Ingénieur-recherche en Deep Learning

Laboratoire LIP6, Université Pierre et Marie Curie • Paris

2016 Actuel

Travail sur divers sujets de recherche en Machine Learning utilisant des modèles d'apprentissage faiblement supervisé et des réseaux de neurones convolutions profonds.

Double diplôme en Data Science

INSA Rouen & Université de Rouen

2015

Diplôme d'ingénieur en Architecture des Systèmes d'Information spécialisé en Data Science
Master en Systèmes de Traitement de l'Information Multimédia (traitement d'images)

Stage de recherche en Data Science

Conviva • Baie de San Francisco, Californie, USA

2015 6 mois

Travail sur divers problèmes de recherche concernant l'optimisation de la qualité de streaming vidéo

  • Prédiction de la qualité vidéo optimale d'une session en utilisant Machine Learning et A/B testing
  • Formulation et résolution d'un problème d'optimisation mathématique pour déterminer les décisions optimales que les produits de Conviva devraient prendre
  • Etude statistique de l'évolution de la bande passante dans le contexte des produits de Conviva
  • Technologies utilisées : Python, Hive, Hadoop MapReduce, Spark

Voir toutes mes expériences