Objectif de vie : Avec une compréhension profonde des sciences appliquées, de la physique, des mathématiques et de l'IA (générative), je m'engage à déchiffrer les complexités des données géophysiques complexes. Ma mission est de forger des partenariats stratégiques entre différentes disciplines, de permettre une compréhension globale des processus naturels et industriels et de fournir des informations exploitables aux clients.
Vision et impact : L'innovation dans le secteur de l'énergie illustre l'ingéniosité humaine et l'effort collectif. Elle implique la création de méthodes d'extraction plus intelligentes et plus éco-responsables, exigeant un développement multi-énergie à l'échelle mondiale, visant à remplacer progressivement les combustibles conventionnels, et utilisant des processus assistés par l'IA pour optimiser la production et le stockage. Mon travail actuel consiste à remodeler l'ère préindustrielle, en favorisant un écosystème durable où l'humanité est responsable à la fois de la santé et du progrès technologique.
Développement de solutions innovantes dans le domaine du traitement d'images et de la vision par ordinateur, en s'appuyant sur l'environnement HPML (High Performance Machine Learning) de TotalEnergies.
→ Utilisation de frameworks de Computer Vision (YOLO-v8, Detectron2, TFOD) et traitement d'images avec OpenCV sur les projets R&D de ARGOS (robotique), MicroDeep (microalgues, La Mède), Biodiversity et SYRACO (nanofossiles) → Automatisation et unification de tous les composants de vision par ordinateur via la bibliothèque Snakemake (Python) → Quantification des flux d'eau verte (évapotranspiration) à l'aide de Sentinel-2, d'images de drones et de données de stations météorologiques in situ pour le projet de R&D WACAPOU → Utilisation du framework collaboratif de Microsoft PyTorch-Wildlife pour la labélisation automatisée de la biodiversité dans le but de préservation et de recensement des espèces animales près des sites industriels de TotalEnergies → Applications des modèles d'arbres de décision à renforcement de gradient (GBDT) pour prédire les faciès géologiques à l'aide de cubes sismiques 3D → Utilisation et amélioration de la boîte à outils interne DIVA pour l'analyse et le traitement de données SEG-Y/SEP sur les supercalculateurs Pangea-3/4 → Prévision des inondations pour le projet Papua LNG de TotalEnergies à l'aide de données satellitaires, IA et in-situ.
Détails de l'expérience
Entité: OneTech/Technical Lines/DataTech/Scientific Computing/Technology for Scientific Computing
