Élève-Ingénieur · ENSTA Paris · IFP Énergies Nouvelles
Traitement du Signal & Deep Learning
Détection d'anomalies · Vision par ordinateur · IA de confiance
Bonjour ! Je suis Shakib Youssef, élève-ingénieur en dernière année à l'ENSTA – Institut Polytechnique de Paris, spécialisé en Conception des Systèmes Numériques.
Actuellement en stage de fin d'études à IFP Énergies Nouvelles (Lyon), je travaille sur la détection d'anomalies non supervisée dans des séries temporelles industrielles, via des méthodes de vision par ordinateur (GAF/MTF, autoencodeurs convolutifs, GradCAM, LRP).
ENSTA – Institut Polytechnique de Paris
Spécialisation : Conception des Systèmes Numériques (CSN)
Université Libanaise
Génie des Réseaux Informatiques et Télécommunications
IFP Énergies Nouvelles — Lyon
Développement de modèles de détection d'anomalies à partir de séries temporelles (GAF, MTF, autoencodeurs, CNN). Validation sur données synthétiques (Tennessee Eastman Process) et données réelles de pilotes industriels.
Ivanae Medical / LaTIM — Brest
Évaluation comparative et intégration de caméras de profondeur pour un dispositif médical de suivi respiratoire. Optimisation de modèles d'estimation de pose (OpenPose, ViTPose, BlazePose).
RODOK SARL
Pipeline de prétraitement d'images et détection/reconnaissance de plaques via YOLOv8.
Together for Chehim
Classification de pathologies cardiaques à partir de signaux ECG. Mise en production d'un prototype de prédiction sur données patients réelles.
ENSTA · Sept. 2025 – Mars 2026
Développement et analyse de modèles deep learning (CheXNet, PYLON) pour l'imagerie médicale. Explicabilité via Grad-CAM, Grad-CAM++, LRP et Integrated Gradients.
Projet personnel · Déc. 2024 – Juil. 2025
Modèle Transformers U-Net pour la segmentation de tumeurs cérébrales sur IRM multimodales (WT, TC, ET).
ENSTA · Sept. 2024 – Mai 2025
Système de détection d'objets via flux vidéo multi-caméras. Pipeline YOLOv10 + DeepSORT pour la détection et le suivi temps réel.
Université Libanaise · Mars – Juil. 2024
Algorithmes de traitement EEG pour réduire le bruit et améliorer l'extraction des caractéristiques. Optimisation de modèles ML sur données EEG.
Ouvert aux collaborations, discussions de recherche & thèses CIFRE.