Contributions open source

Développé pour un projet open source, et accepté dans son répertoire officiel de plugins.

  • Kanboard Plugin: Draw.io Integration

    Intègre diagrams.net au Markdown de Kanboard, avec édition en direct dans le navigateur, affichage plein écran des diagrammes et interopérabilité Wiki.js ; accepté dans le répertoire officiel des plugins Kanboard.

    Ce qui a été construit

    • Architecture de diagrammes embarqués : rend nativement les blocs de diagramme délimités sous forme d'images isolées, dans les descriptions de tâches, les commentaires et les couloirs, sans modifier le schéma de base de données.
    • Interopérabilité et édition en direct : intègre la messagerie postMessage de l'iframe de l'éditeur draw.io, avec affichage des diagrammes en pleine taille et une compatibilité octet pour octet avec le format Wiki.js.
    • Sécurité et durcissement CSP : impose un rendu SVG en mode image pour neutraliser les scripts actifs, verrouille les origines des iframes et restreint la Content Security Policy aux contextes de même origine.
  • Kanboard Plugin: File Attachment Interaction

    Framework de pièces jointes pour l'entreprise, ajoutant des aperçus dans la modale (Office, PDF, CSV, code), des éditeurs de grille et de texte en direct et le versionnement par branches ; accepté dans le répertoire officiel des plugins Kanboard.

    Ce qui a été construit

    • Moteur de parsing multi-formats : analyse Office OpenXML (Word, PowerPoint, Excel), PDF, Markdown et code source directement dans les modales de tâche, par parcours DOM en PHP pur.
    • Édition interactive et versionnement : propose l'édition de grille tableur dans le navigateur, la validation de texte et de code en direct, et des mises à jour sur place sûres ou un versionnement par branches pour les révisions de pièces jointes.
    • Défense en profondeur et vérification : neutralise les attaques XXE via LIBXML_NONET, restreint le streaming des PDF en iframe par une CSP frame-ancestors, et maintient 770 tests automatisés au niveau 8 de PHPStan.

Projets appliqués

Du jeu de données brut à l'API en direct : pipelines de données sur mesure et points d'accès conteneurisés.

  • Custom YOLOv8 Model for Number Detection on Meters

    Automatise la lecture des chiffres sur des photographies de compteurs, en servant les poids entraînés via un service REST FastAPI conteneurisé et un espace Gradio sur Hugging Face.

    Ce qui a été construit

    • Pipeline de vision de bout en bout : annote des jeux de données de compteurs sur Roboflow et entraîne des poids de détection d'objets YOLOv8 sur des itérations de 100 époques.
    • Accélération parallèle : accélère l'extraction de caractéristiques et la régression des boîtes englobantes par exécution parallèle sur deux accélérateurs Kaggle avec DataParallel.
    • Service REST et Gradio conteneurisés : empaquette les poids entraînés dans des endpoints FastAPI dockerisés pour l'inférence automatisée sur images, aux côtés d'espaces Gradio interactifs sur Hugging Face.
  • Image Colorization with Deep Learning

    Reconstruit une colorisation plausible d'images en niveaux de gris à travers quatre modèles progressifs en notebook (des réseaux convolutifs de référence aux GAN adversariaux), afin d'évaluer la fidélité structurelle et chromatique.

    Ce qui a été construit

    • Architecture de modèles progressive : implémente quatre architectures neuronales successives (des réseaux convolutifs de référence aux réseaux antagonistes génératifs) pour reconstruire des photos en niveaux de gris.
    • Perte perceptuelle et entraînement : optimise les réseaux générateurs par une combinaison de perte pixel et de perte adversariale du discriminateur, pour équilibrer cohérence structurelle et vivacité de la colorisation.
    • Évaluation de la fidélité : évalue la reconstruction des couleurs sur des jeux de test pour mesurer la similarité structurelle, la justesse chromatique et la réduction des artefacts visuels.