Outil d'analyse d'équité dédié aux modèles de vérification faciale. Il permet d'évaluer objectivement si un algorithme traite équitablement différents groupes démographiques (genre, âge, ethnie) en calculant des métriques de performance et d'équité. Utilisé par les chercheurs et développeurs pour identifier et corriger les biais algorithmiques dans les systèmes de reconnaissance faciale.

Projet de master visant à appliquer des outils d'apprentissage profond (deep learning) pour résoudre un problème complexe de vision par ordinateur : la reconnaissance d'expressions mathématiques manuscrites. Il propose des méthodes pour analyser, segmenter et reconnaître des symboles mathématiques à partir de données manuscrites, avec des outils pour évaluer les performances des modèles développés.

Projet dédié à l'extraction et à l'analyse d'entités géographiques et sémantiques dans des données textuelles. Il permet d'identifier automatiquement des lieux, des organisations ou des concepts clés à partir de textes, en utilisant plusieurs modèles de reconnaissance d'entités nommées (NER). Les résultats sont évalués et comparés pour déterminer les performances optimales selon les besoins. Idéal pour des applications nécessitant une compréhension fine de contenus textuels.

Projet Java dédié à la reconnaissance d'auteur et à l'analyse de texte via des modèles de langage statistique. Il permet d'identifier des auteurs à partir de corpus de phrases, de calculer des probabilités de phrases, et de générer des modèles de langage pour l'évaluation de textes. Utilisé dans un cadre académique pour l'apprentissage des techniques de traitement automatique du langage.

Ce projet développe un modèle avancé de renforcement vocal basé sur un autoencodeur variationnel récurrent. Il vise à améliorer la clarté de la parole dans des environnements bruyants, comme les communications téléphoniques ou les enregistrements audio. Le code permet également de générer des jeux de données audio spécifiques pour l'entraînement et l'évaluation des algorithmes de traitement du signal. Les applications potentielles incluent les assistants vocaux, les systèmes de reconnaissance automatique de la parole et les outils de post-production audio.

Outil d'évaluation et de benchmark pour les modèles OCR (reconnaissance optique de caractères) et HTR (reconnaissance de texte manuscrit). Il permet de mesurer la qualité de transcription (taux d'erreur de caractères et de mots), la latence, le coût et l'impact environnemental sur des documents scannés. Les résultats sont présentés sous forme de rapports Markdown reproductibles, sans exposer le contenu sensible des documents.