FONDATIONS THÉORIQUES & PÔLE DE RECHERCHE

Parcours Scolaire & Pôle IA

Détail de mon cursus académique en Intelligence Artificielle et Ingénierie Logicielle, de mes domaines d'expérimentation en Deep Learning, ainsi que de mes principes méthodologiques de travail.

02 // PARCOURS ACADÉMIQUE

Parcours Scolaire

// FONDATIONS THÉORIQUES & SPÉCIALISATION IA

[2025 — EN COURS]

ESGIS Lomé

Master en Intelligence Artificielle & Big Data

M1 (2025–2026) · M2 (2026–en cours). Spécialisation en apprentissage automatique (Machine Learning, Deep Learning), ingénierie de données massives et intégration de modèles intelligents en production.

Machine LearningDeep LearningBig DataNLPComputer Vision
[2022 — 2025]

ESGIS Lomé

Licence en Informatique, Réseaux & Télécommunications

Spécialité Architecture de Logiciels. Conception d'architectures applicatives web et mobiles, modélisation de bases de données relationnelles et ingénierie logicielle avancée.

Software ArchitectureFull-Stack DevDatabasesDistributed Systems
04 // RECHERCHE & EXPERTISE IA

Pôle Intelligence Artificielle

// MODÈLES PRAGMATIQUES & DEEP LEARNING APPLIQUÉ

[NLP & LLM]01

Traitement du Langage Naturel & LLMs

Conception de pipelines d'analyse sémantique, extraction d'entités, classification de documents et intégration de modèles de langage (LLMs) pour automatiser des analyses complexes.

TransformersNLTKSpaCyLangChainOpenAI / HuggingFace
[COMPUTER VISION]02

Vision par Ordinateur & Deep Learning

Entraînement de réseaux de neurones convolutifs (CNN) pour la reconnaissance visuelle, l'analyse d'expressions faciales et la détection d'anomalies médicales (ex. détection de cellules infectées par le paludisme).

TensorFlowPyTorchOpenCVCNNsScikit-Learn
[RECOMMENDER SYSTEMS]03

Systèmes de Recommandation & Filtrage

Modélisation de moteurs de suggestion intelligents basés sur le filtrage collaboratif et le contenu pour prédire les préférences utilisateurs et optimiser l'engagement.

SurpriseMatrix FactorizationPythonData Mining
[BIG DATA PIPELINES]04

Ingénierie des Données Massives & IoT

Mise en place d'architectures Cloud Serverless pour la collecte, le traitement et le stockage de flux de données IoT en temps réel.

AWS LambdaDynamoDBS3AWS SAMPostgreSQL
06 // MÉTHODOLOGIE & PRINCIPES

Philosophie de Conception

// STANDARDS D'INGÉNIERIE & RIGUEUR TECHNIQUE

01[PILLAR]

Architecture Scalable & Ingénierie Rigoureuse

// Pensé pour la montée en charge

Avant la moindre ligne de code, conception minutieuse des modèles de données, séparation claire des responsabilités (APIs modulaires, services découplés, serverless) et anticipation des charges de production.

APIs RESTful sécurisées & documentées
Modélisation relationnelle (PostgreSQL / MySQL)
Architectures Cloud Serverless (AWS / Docker)
02[PILLAR]

Code Propre, Typage Strict & Maintenabilité

// Zéro compromis sur la qualité

Adhésion stricte aux standards de l'industrie : TypeScript rigoureux côté frontend, conventions PEP8 / Django côté backend, revues de code et pipelines CI/CD automatisés pour une fiabilité pérenne.

TypeScript strict & composants réutilisables
Standards PEP8 & design patterns éprouvés
Versioning Git & intégration continue (CI/CD)
03[PILLAR]

IA Pragmatique, Utile & Déployable

// De l'expérimentation au produit réel

L'IA ne doit pas rester un exercice théorique dans un notebook. Focus sur des modèles ciblés, efficients en inférence et directement connectés à des interfaces fluides pour répondre à de vrais besoins utilisateurs.

Inférence optimisée & intégration Full-Stack
Pipelines de traitement sémantique et vision
Monitoring des prédictions & amélioration continue
CV
// CURRICULUM VITAE[PDF · 2026]

Télécharger mon CV complet

Retrouvez le récapitulatif détaillé de mon cursus en Master IA, de mes certifications, de mes compétences techniques et de mes projets déployés.

// ÉCHANGER AVEC MOI

Intéressé par mon profil ?

Que ce soit pour un projet de développement ou une opportunité liée à l'IA, n'hésitez pas à me contacter.

Me contacter →