Étudiant en ingénierie à Centrale Lyon et à Xi'an Jiaotong University, je prépare un double diplôme en informatique. Passionné par l’intelligence artificielle, l’apprentissage automatique et l’analyse de données, j’aime concevoir des algorithmes efficaces et développer des applications reliant recherche et usage concret.
Ce projet vise à analyser les données de matchs de tennis de table, en mettant l’accent sur les retours de service. L’objectif est de regrouper ces retours en clusters à l’aide de méthodes d’apprentissage automatique, puis d’interpréter ces regroupements afin de mieux comprendre les stratégies et les comportements des joueurs en fonction du type de service reçu.
Voir le dépôtUne application de jeu de Go développée en Python avec Pygame, offrant une interface graphique complète et une intelligence artificielle basée sur l’algorithme Minimax avec élagage alpha-bêta. Le projet comprend un mode tutoriel, le calcul automatique du score et la possibilité de jouer contre l’ordinateur.
Voir le dépôtCe projet vise à prédire la survie globale des patients atteints de leucémie myéloïde à partir de données médicales, dans le cadre du Data Challenge QRT 2024–2025 en collaboration avec l’Institut Gustave Roussy.
Voir le dépôtImplémentation de l’algorithme d’optimisation par colonie de fourmis (Ant Colony Optimization, ACO) pour la résolution de problèmes d’optimisation sur graphes. L’algorithme s’inspire du comportement de recherche de nourriture des fourmis et utilise des traces de phéromones pour améliorer les solutions de manière itérative.
Voir le dépôtD’autres prototypes et recherches arrivent — restez à l’écoute.
Projet de recherche visant à modéliser et prédire les retours de service au tennis de table à partir de données réelles de matchs.
Direction d’un projet consistant en la conception d’un logiciel et d’une intelligence artificielle dédiés au jeu de Go.
Ce projet vise à analyser les données de matchs de tennis de table, en se concentrant sur les retours de service. L'objectif est de regrouper ces retours en clusters à l’aide de méthodes d’apprentissage automatique, puis d’interpréter ces regroupements afin de mieux comprendre les stratégies et les comportements des joueurs selon le type de service reçu.
Lire sur HAL Open ScienceD'autres travaux et articles sont en préparation — à venir bientôt.