Pipeline ETL temps réel pour des flux de capteurs IoT (température, état des capteurs) avec Kafka et services dockerisés, détection d’anomalies et tableaux de bord dans Superset.

Ingestion du dataset Amazon sur Databricks, modélisation en couches médaillon avec dbt et exposition de tables analytiques dans BigQuery pour l’entraînement et le suivi de modèles de machine learning.

Mise en place d’un pipeline Retrieval-Augmented Generation (RAG) pour fact-checker automatiquement un graphe de connaissance à l’aide de grands modèles de langue (LLMs).

Projet visant à repérer automatiquement dans des tweets et des posts des indices de détresse psychologique afin d’alerter précocement les personnes concernées.

Développement d’un service web de jeu d’échecs permettant à deux joueurs humains de s’affronter, avec sauvegarde/reprise de parties et options de rejouer chaque coup.

Conception et prototypage d'un logiciel Big Data (« Bayesian Database ») pour collecter, distribuer et analyser de grands volumes de données hétérogènes via Hadoop et Machine Learning.

Comparaison de méthodes statistiques, ML et deep-learning pour combler les valeurs manquantes de relevés de consommation électrique résidentielle.

Implémentation d’un solveur Python pour les Abstract Argumentation Frameworks : calcul et décision d’extensions complètes et stables, ainsi que vérification de crédulité et scepticisme.