Yves SAIDO

Artificial Intelligence Engineer at KIS
  • Claim this Profile
Contact Information
us****@****om
(386) 825-5501
Location
Paris, Île-de-France, France, FR
Languages
  • Français Native or bilingual proficiency
  • Anglais Professional working proficiency

Topline Score

Topline score feature will be out soon.

Bio

Generated by
Topline AI

You need to have a working account to view this content.
Join now
You need to have a working account to view this content.
Join now

Credentials

  • Neural Networks and Deep Learning
    Coursera
    Feb, 2021
    - Nov, 2024

Experience

  • KIS
    • France
    • Retail Office Equipment
    • 1 - 100 Employee
    • Artificial Intelligence Engineer
      • Feb 2023 - Present

      Développer les solutions biométriques Concevoir et développer les algorithmes de vision par ordinateur Conception solution utilisant le LLM et Generative AI Participation au développement des activités R&D Développer les solutions biométriques Concevoir et développer les algorithmes de vision par ordinateur Conception solution utilisant le LLM et Generative AI Participation au développement des activités R&D

  • Whispeak
    • France
    • Telecommunications
    • 1 - 100 Employee
    • Machine Learning Researcher
      • Sep 2021 - Sep 2022

      R&D en machine learning et biométrie vocale

    • Machine Learning Intern
      • Jun 2021 - Aug 2021

      R&D en machine learning et en biométrie vocale

  • laboratoire Cristal- Equipe ORKAD
    • Région de Lille, France
    • Étudiant stagiaire
      • Jan 2020 - Apr 2020

      Sujet: Visualisation de l'espace de recherche des hyperparamètres d'algorithmes de machine learning. L’etude portait sur ParamILS [4] (http ://www.cs.ubc.ca/labs/beta/Projects/ParamILS/), ´ un configurateur automatique qui permet d’optimiser les parametres d’un algorithme. Ainsi on a utilisé paramILS pour l’optimisation des hyperparamètres d’algorithme de Machine Learing en particulier le k plus proches voisins et arbre de décision. Sujet: Visualisation de l'espace de recherche des hyperparamètres d'algorithmes de machine learning. L’etude portait sur ParamILS [4] (http ://www.cs.ubc.ca/labs/beta/Projects/ParamILS/), ´ un configurateur automatique qui permet d’optimiser les parametres d’un algorithme. Ainsi on a utilisé paramILS pour l’optimisation des hyperparamètres d’algorithme de Machine Learing en particulier le k plus proches voisins et arbre de décision.

Education

  • Université de Lille
    Master's degree, Informatique, parcours Machine Learning
  • Université de Lille - sciences et technologies
    Licence informatique, Mathématiques et informatique
  • Faculté Polytechnique de l’université de Kinshasa
    Engineering
    2014 - 2016

Community

You need to have a working account to view this content. Click here to join now