Dorian Quaboul

- Développement embarqué et déploiement de pipelines de données robustes pour stocker les données des robots dans une base InfluxDB, avec résilience face aux pertes de connexion (WiFi, 4G). - Maintenance et amélioration d’une webapp dédiée à la gestion d’exécution de missions robotiques. - Débogage et optimisation d'applications critiques pour la coordination des robots. - Implémentation de la norme VDA5050, garantissant l’interopérabilité et la standardisation des systèmes robotiques. - Conception et mise en place de tableaux de bord dynamiques pour une meilleure visualisation et prise de décision basée sur les données.

Stage de fin d'études au sein du département "QVT, médecine de prévention et SST" de la DRH. Problématiques : - Favoriser une meilleure connaissance des facteurs de survenue des accidents du travail et des maladies professionnelles dans le but de mettre en place des actes de prévention. - Identifier des sous-populations d'agents davantage soumises à certains risques professionnels en capturant des signaux faibles et indicateurs annonciateurs d'absence. - Générer un usage prédictif de la donnée SST afin de détecter proactivement et surtout d'anticiper la survenue des absences de longue durée telles que celles liées au RPS (risques psycho-sociaux, notamment le burnout). Réalisation d'une preuve de concept (POC) pour le développement d'un Système de Management de la donnée SST : • Approche "Epidémiologique" : décrire les congés maladies (CMO/CLD/CLM) au sein des ministères sociaux et déterminer les facteurs de risques liés à ces congés grâce à l'épidémiologie descriptive et l'épidémiologie analytique (étude cas-témoins) . • Approche "Business Intelligence" : visualiser et surveiller certaines métriques liées à l'absentéisme grâce à la réalisation d'un tableau de bord dynamique sur PowerBi. • Approche "Machine Learning" :  prédire le nombre de congés maladie avec le modèle SARIMA et déterminer les variables importantes dans la classification du type de congés maladies à l'aide du modèle XGBoost. • Collaboration à la rédaction du dossier d'appel à projet qui a été envoyé au mois d'Octobre.

Stage de L3 au sein de l'équipe EPAR (Épidémiologie des Maladies Allergiques et Respiratoires) de l'Institut Pierre-Louis de d'Épidémiologie et de Santé Publique (iPLESP). Problématique : "Comment séparer l’exposition particulaire de l’intérieur des locaux de celle de l’extérieur à partir de mesures faites par un capteur miniaturisé porté par l’individu ?" Développement d'une application hybride (iOS & Android) en React Native : • Suivi de l'activité/déplacement du porteur du capteur CANARIN • Fusion des données du capteur et de l'application • Entraînement d'un réseau de neurones avec la librairie TensorFlow en Python • Intégration du modèle dans l'application

Parcours Données, Apprentissage, Connaissances (DAC)