Bon relationnel, curieux, adaptable, motivé et résistant au stress

- Programmation Python, C ;

- frameworks : keras(avec backend tensorflow), scikit-learn, Opencv, OpenMpi ;

- Configuration et mise en place d’un pare-feu : serveur proxy squid ;

- Base de données : Mysql, SQL;

- Modélisation : UML, modèle MVC ;

- méthodologies : Agile Scrum ;

- Technologies des sciences de données : machine learning, deep learning ;

- mathématiques : statistiques et probabilités.

Enseignant d'informatique fondamentale à l'institut polyvalent bilingue les pintades

- Machine learning;

- Deep learning;

Statistiques et probabilités.

Création d’une dataset contenant des images des objets à détecter ;

Nettoyage d’une dataset pour éviter les problèmes de garbage in et garbage out(GIGO) ;

Utilisation d’un arduino Uno et des capteurs de températures pour le stockage et la transmission des données.

Master 1

Master 2

With the advent of connected objects,

it is becoming essential for cybersecurity researchers

to address the issue of digital evidence in these environments.

Several times during investigations, connected objects have been

the focus of concern. Artificial intelligence is trying to bring

solutions to this issue. The aim of our work is to propose an explanation

for the different results obtained by machine learning algorithms in the

process of digital evidence discovery in IoT.

aimerited31@gmail.com, d.mbouendeu@cycomai.com