Crédit photo Romain Karpinski

Romain KarpinskiIngénieur en intelligence artificielle

Romain Karpinski a rejoint le Laboratoire lorrain de recherche en informatique et ses applications (Loria - CNRS/Université de Lorraine/Inria) en 2022 en tant qu’ingénieur IA.

 

Sur quels types de problématiques en IA travaillez-vous ?

Mon travail a tout d'abord porté sur l'optimisation d'un algorithme de détection de la ligne centrale dans le cadre du projet DeeperArtiSpeech. Ce projet traite de la production du signal de la parole à partir d'un modèle physique du conduit vocal. La détection de la ligne centrale permet d'effectuer un découpage du conduit vocal en fonction d'aires qui sont utilisées pour la production du signal de la parole. L'algorithme initial de détection de cette ligne centrale était un ensemble de règles géométriques qui fonctionnent correctement mais avec coût en temps important. La solution proposée est un réseau de neurones effectuant une régression des points de la ligne centrale à partir de la forme du conduit vocal. Ce projet a permit de mettre en place des pratiques de développement orientées machine learning MLops afin d'avoir des travaux reproductibles.

 

Qu’avez-vous fait avant d’entrer au CNRS ? Pourquoi avoir choisi le CNRS ?

Avant d'entrer au CNRS j'ai travaillé sur des thématiques d'évaluation des OCRs. L'objectif était d'étudier différentes approches pour lesquelles les données à évaluer étaient différentes. J'ai ensuite travaillé sur des techniques de détection de ligne de texte dans des documents anciens manuscrits. D'autres travaux ont portés sur la binarisation ou encore sur la génération automatique de données synthétiques de documents par combinaison de données d'avant et d'arrière plan. J'ai aussi travaillé sur une plateforme SaaS visant à distribuer des algorithmes de traitement d'images pour le bâtiment avec des affichages en 2D et en 3D directement dans le navigateur. J'ai choisi le CNRS pour participer à un projet national de grande envergure afin d'apporter mon expertise dans les équipes avec lesquelles j'ai eu la chance de travailler.

 

 

Compétences en IA :

Mes compétences théoriques en IA :

  • Réseaux de neurones, classification, régression, réseaux antagonistes, autoencoders, pixel labelling, détection d'objets)

Mes compétences techniques :

  • C++ / Python
  • DVC, MLflow, Tensorboard, Hydra
  • Keras, Tensorflow, Pytorch, Pytorch lightning, Numpy

Contributions aux projets suivants dans le cadre du PNRIA :

Activités complémentaires au LORIA :

  • Formation sur les bonnes pratiques de développement en python
  • Formation sur les bonnes pratiques de développement en machine learning (MLops)
  • Présentation d'outils de développement à l'équipe SISR