CV
Formation, expérience professionnelle, publications, projets et compétences techniques.
Contact
| Nom | Mouloud Merbouche |
| Profil | Étudiant en MVA · ENS Paris-Saclay |
| mouloud.merbouche [at] ens-paris-saclay [dot] fr |
Formation
-
Master
ENS Paris-SaclayMathématiques, Vision, Apprentissage (MVA) -
Diplôme d’ingénieur
ISEPIntelligence artificielle- Probabilités et statistiques : 20/20 (rang 1/300+)
- Optimisation et IA : 18/20 (rang 1/60)
- Vision par ordinateur : 17/20 (rang 1/60)
- Apprentissage automatique : 18,14/20 ; algorithmique et programmation : 18,31/20 ; apprentissage profond avancé : 17,55/20
-
Échange international
Sirindhorn International Institute of Technology, université ThammasatSemestre d’échange -
Cycle préparatoire aux études d’ingénieur
ISEPCycle intégré international- Sélectionné par l’ISEP comme représentant étudiant pour un semestre d’échange à la HELHa.
Expérience professionnelle
-
Ingénieur projet informatique en alternance
TotalEnergies- Pilotage des tests fonctionnels d’un outil de base documentaire et coordination des utilisateurs avec les équipes de développement.
- Suivi des anomalies et de la qualité des livraisons.
- Développement d’un outil d’automatisation transformant un processus manuel complexe en un traitement algorithmique fiable.
Publications
-
Improving Fast Density Peak Clustering Using Mass Distance: m-FDPC
Mouloud Merbouche, Célia Tso, Jérémie SublimeJournal of Electronic & Information Systems
Projets
- Mougli1/oct-foveal-pit-modeling Jupyter Notebook
Reconstruction 3D de la dépression fovéale à partir de scans OCT rétiniens, de la segmentation des couches avec DeepLabV3+ (F1 > 0,85) à l’ajustement d’une surface paramétrique (R² de 0,92).
Étapes du traitement — cliquer pour agrandir. - Mougli1/manipulator-dynamic-modeling MATLAB
Modèle lagrangien symbolique d’un bras SCARA à 4 degrés de liberté, identification des paramètres de base à partir de mesures sur le robot, puis commande par couple calculé.
- Mougli1/IX.2408 Python
m-FDPC — Distance fondée sur la masse pour le clustering par pics de densité
Code de la publicationClustering par pics de densité avec une dissimilarité fondée sur la masse à la place de la distance euclidienne — l’implémentation associée à la publication.
Compétences
Programmation (Avancé)
-
Python -
MATLAB
Apprentissage automatique (Avancé)
-
PyTorch -
TensorFlow -
Scikit-learn -
Hugging Face
Données et vision (Avancé)
-
NumPy -
Pandas -
OpenCV
Outils
-
Git -
Docker
Langues
Français : Langue maternelle
Anglais : Courant