Bonjour, je suis Thomas Robert

J’ai soutenu ma thèse en Deep Learning pour la Computer Vision à Sorbonne Université (MLIA / LIP6) en octobre 2019.

Je suis actuellement ingénieur recherche en Deep Learning au Heuritech R&D Lab.

Mon profil

J'aime l'informatique

J'ai commencé à programmer il y a 11 ans par du développement web

J'aime le machine learning

C'est un outil extraordinaire pour résoudre des problèmes complexes

J'aime les challenges

Je m'intéresse à des projets de R&D innovants utilisant le deep learning

J'aime apprendre et partager

C'est pourquoi j'ai fait un doctorat et ai enseigné en license et master

Mes principales compétences

Machine Learning & Data Science

  • Deep Learning
  • Data Science
  • PyTorch
  • TensorFlow
  • Keras
  • Matlab
  • Scikit-learn
  • Hadoop / Spark

Programmation

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

Web

  • Connaissances théoriques
  • PHP
  • MySQL
  • JavaScript
  • HTML5
  • CSS3
Débutant / Maitrisé / Avancé ou expert

Voir toutes mes compétences

Experiences récentes

Ingénieur recherche en Deep Learning

Heuritech – Paris, France

Nov. 2019 Current

Dans le laboratoire R&D d’Heuritech, une fashion tech company qui fourni des données de tendances à l’industrie de la mode.

Doctorat en Deep Learning

Sorbonne Université (ex Université Pierre and Marie Curie) – Paris

2019 3 ans

Amélioration des représentations latentes des ConvNets pour l’interprétation de données visuelles

Jury :

Ingénieur-recherche puis Doctorant en Deep Learning

Laboratoire LIP6, Sorbonne Université (ex Université Pierre and Marie Curie) – Paris

Nov. 2015 - Oct. 2019 Actuel

Encadré par Matthieu Cord et Nicolas Thome

Travail sur les projets ANR projet VISIIR; et DeepVision en partenariat avec le LIRIS (INSA Lyon, France), Simon Fraser University (Canada) et l’University of Guelph (Canada).

  • Travail sur la classification de recettes de cuisines. Réalisation d’un site web de démonstration du classifieur
  • Mission d’enseignement (64h / an) : encadrement de plusieurs cours, réalisation de sujets sur les réseaux convolutionnels
  • Participation au challenge workflow du workshop M2CAI (MICCAI 2016) avec Remi Cadène : classification d’étapes d’opération basé sur des vidéos endoscopiques. 2e meilleur modèle soumis.
  • Régularisation des réseaux profonds avec Michael Blot. Publication à ICIP 2018 (best paper award).
    SHADE: Information-Based Regularization for Deep Learning
  • Amélioration de modèles d’apprentissage semi-supervisé basé auto-encodeur. Publication à ECCV 2018.
    HybridNet: Classification and Reconstruction Cooperation for Semi-Supervised Learning
  • Travail sur un modèle de disentangling pour la génération.
    DualDis: Dual-Branch Disentangling with Adversarial Learning

Détail des publications et cours

Voir toutes mes expériences

Recherche

Improving Latent Representations of ConvNets for Visual Understanding

T. Robert

PhD thesis, Sorbonne Université, Paris (2019) Jury: Stéphane Canu [Reviewer], Greg Mori [Reviewer], Catherine Achard [Examinator], Karteek Alahari [Examinator], David Picard [Examinator], Matthieu Cord [Supervisor], Nicolas Thome [Supervisor]

Paper

DualDis: Dual-Branch Disentangling with Adversarial Learning

T. Robert, N. Thome, M. Cord

arXiv (2019)

Paper

HybridNet: Classification and Reconstruction Cooperation for Semi-Supervised Learning

T. Robert, N. Thome, M. Cord

European Conference on Computer Vision (ECCV) (2018) Munich, Germany

Paper

See all my publications