Votre navigateur est obsolète !

Pour une expériencenet et une sécurité optimale, mettez à jour votre navigateur. Mettre à jour maintenant

×

Franck Anael MBIAYA KWUITE

R&D Engineer - IA / ML / DL

Machine learning / Deep learning
Computer vision (CV)
Natural language processing (NLP)
MLOps / DevOps
Data sciences
Accueil Expériences Formations Compétences
Télécharger mon CV PDF
Permis de conduire
France
franck-anael-mbiaya
Franelstar
Research Gate
Portfolio
Contactez-moi
Situation professionnelle
En recherche d'emploi
En recherche active
Présentation
Docteur (PhD) en informatique (IA) de l’Université d’Orléans, spécialisé dans l’intégration de connaissances dans les architectures de deep learning appliquée à la vision par ordinateur. Mes travaux de recherches m'ont conduit à travailler sur l’IA symbolique, le traitement du langage naturel (NLP) et les graphes de connaissances. Avec plus de 10 ans d’expérience professionnelle, j’ai développé une solide expertise en ingénierie logicielle, en conception et optimisation d’algorithmes, ainsi qu’en gestion de projets collaboratif. Mon parcours m’a permis de renforcer ma rigueur scientifique, ma capacité d’analyse et mon autonomie. Je suis particulièrement intéresse par des projets liés à la vision par ordinateur, au traitement du langage naturel (NLP) et au machine learning / deep learning (IA, ML, DL), avec l’ambition de contribuer à des solutions innovantes, robustes et à fort impact industriel.
CV réalisé sur DoYouBuzz
Expériences
  • Recherche appliquée sur l’enrichissement de modèles de deep learning par l’intégration de connaissances formelles.
  • Enseignement en informatique (192 h/an – licence, BUT, master) : UML, réseaux, web, IA, Unix, IHM.
  • Encadrement de 8 projets étudiants en développement logiciel (HTML, PHP, C++, C#, gestion de projet) avec 100 % de livrables conformes et respect des délais, amélioration démontrée de l’autonomie grâce aux bonnes pratiques méthodologiques.
  • Développement et optimisation de réseaux de deep learning pour la classification d’images (CNN, Transformers) en utilisant des accélérateurs GPU/CUDA et des outils de calcul haute performance (SLURM).
  • Conception et mise en œuvre de méthodes d’intégration de connaissances a priori (graphes de connaissances, règles, texte) dans des pipelines d’IA complexes.
  • Réalisation d’analyses exploratoires de données à grande échelle pour identifier des insights stratégiques, tester la cohérence des règles et mesurer leurs impacts sur les performances des modèles (jusqu’à 10 % de réduction des erreurs de classification).
  • Création et diffusion de jeux de données dédiées à la classification d’images avec des connaissances (utilisé par la communauté recherche et R&D industrielle, 217 vues, 14 téléchargements).
  • Valorisation des travaux : 5 publications (conférences, revues indexées, 7 citations) et présentations.
  • Enseignement et encadrement de projets étudiants (HTML, PHP, C++, C#), avec 100% de livrables respectés, amélioration mesurable en autonomie et méthodologie.
Détails de l'expérience
  • Conception et mise en production de jeux de données annotées pour la classification d’images, intégrant des aspects de connaissances structurées, diffusés à la communauté scientifique internationale.
  • Intégration de graphe de connaissances dans des architectures de deep learning pour améliorer la généralisation et la précision des modèles d’IA (jusqu’à + 8 % de précision sur les modèles récents).
  • Développement et expérimentation de méthodes neurosymboliques en combinant règles métier et réseaux de neurones profonds dans une optique d’explicabilité et fiabilité des modèles. Évaluation sur plusieurs benchmarks avec jusqu’à + 6 % de précision.

Projets récents

Université d'Orléans
2025
Freelance
  • Assistant culturel multimodal : Conception d’une architecture RAG multimodale (CLIP, ChromaDB, LangChain, PyTorch, Streamlit) pour la recherche sémantique d’images+texte. Résultats : latence <2s, précision 85 %. Déploiement cloud scalable avec CI/CD, Docker, MLflow, Airflow.
  • Email summarization : Développement d’un système de synthèse automatique d’e-mails via LLM (précision 90 % sur corpus test). Mise en œuvre d’un pipeline MLOps (Airflow, MLflow) et déploiement cloud-native sur GCP avec scalabilité et CI/CD automatisé.
  • Implémentation d’un CNN utilisant graphes de connaissances (GNN) pour la classification d’images et la détection d’objets.
  • Utilisation d’outils de MLOps (MLFlow) et DataOps (Apache Airflow) pour l’orchestration, le suivi et l’automatisation de pipelines de données et de modèles.
  • Analyse et Communication régulière (Pandas, Matplotlib, Seaborn) des résultats et avancement via des présentations techniques en équipe.
  • Développement full-stack de la plateforme (PHP, HTML/CSS, JS, AngularJS, SQL) et gestion des serveurs (99% de disponibilité)
  • Management d’une équipe de 10 personnes. Croissance du CA en 3 ans.
Guide : comment faire son CV