Ingénieure deep learning

Nadia Hamlaoui

Computer vision à grande échelle, IA générative, modèles de langage et systèmes multimodaux, de la recherche à l'inférence GPU.

Travaux sélectionnés Me contacter
  • Anglais C1
  • Français C1
  • Arabe natif
  • Allemand A2

01 — Profil

Du visage au système déployé.

Spécialisée en computer vision à grande échelle, en IA générative, en LLM et en systèmes multimodaux. Du machine learning haute performance : architectures, entraînement distribué, inférence GPU. Priorité à l'efficacité, au passage à l'échelle, et à tout le trajet de la recherche à la production.

De 2022 à 2026, j'ai travaillé sur les avatars neuronaux — comment une personne est vue, reconstruite, éclairée et rendue — et sur les modèles et l'infrastructure qui vont avec.

  • 2022–2026 Ingénieure machine learning, Copresence GmbH
  • Ing. Technologies de l'information et de la communication, ENIT
  • MP* Mathématiques et physique, Lycée Louis-le-Grand, Paris
  • DAAD Bourse, TU Dresden — vision neuromorphique

02 — Travaux

Copresence GmbH

Ingénieure machine learning — vision, IA générative et systèmes ML 2022–2026

01

Avatars neuronaux, stables sous tous les angles

Synthèse de textures multi-vues et delighting. Les DeepSets agrègent les features quel que soit l'ordre des vues. Représentations UV, projection multi-vues, texture générative et correction colorimétrique : l'apparence tient quand la caméra bouge.

Rendu neuronal réglé pour l'apparence multi-vues et l'affichage en temps réel. La lumière de studio est reconstruite dans Blender avec le Principled BSDF, puis des matrices de remapping apprises corrigent le biais de subsurface scattering et le biais spéculaire.

  • DeepSets
  • Espace UV
  • Rendu neuronal
  • Principled BSDF

02

Diffusion, inpainting, identité

Génération et inpainting par diffusion latente, conditionnés par cross-attention et transformers. Reconstruction qui conserve l'identité, entraînée avec des pertes perceptuelles et adversariales, et des priors PCA.

Attributs du visage et des cheveux traités comme des distributions : objectifs qui intègrent l'incertitude, statistiques directionnelles, perte de von Mises. L'estimation reste fiable quand l'entrée est bruitée ou ambiguë.

  • Diffusion latente
  • Transformers
  • von Mises

03

Analyse faciale en temps réel

Analyse faciale multi-tâches sur des représentations partagées : segmentation, normales, géométrie canonique, landmarks, attributs. Un détecteur FaceBoxes inspiré de YOLO, entraîné par domain randomization, robuste à la pose, à l'échelle, à l'occlusion et à la lumière.

Des ResNet préentraînés sur des visages du domaine ont battu l'initialisation ImageNet, après fine-tuning. Couleur de peau et des yeux par self-training et pseudo-labels, avec un outil d'annotation et un dataset préparé pour cette supervision.

  • Vision multi-tâches
  • FaceBoxes
  • Self-training

04

La géométrie, mesurée en studio

Validation d'avatars 3D : vérité terrain captée en studio, fusion de profondeur multi-vues, distances signées à la surface, détection de collisions, heatmaps d'erreur UV, statistiques par région, visualisation multi-vues automatisée.

  • Fusion de profondeur
  • Erreur de surface
  • Évaluation

05

Vision, langage et parole, même architecture

Systèmes multimodaux : modèles de vision, LLM, RAG, parole et rendu neuronal. Les LLM sont adaptés en LoRA et PEFT, et le contexte récupéré est injecté à l'inférence.

  • RAG
  • LoRA / PEFT
  • Parole

06

Du cluster à l'image

Entraînement à grande échelle en PyTorch DDP : précision mixte, gradient checkpointing, multi-GPU. Inférence accélérée avec TensorRT, ONNX Runtime, TorchScript, CUDA, fusion d'opérateurs, quantification et KV-cache d'attention.

  • PyTorch DDP
  • FP16 / AMP
  • TensorRT
  • INT8
  • KV-cache

03 — Recherche

Projets académiques

TU Dresden, bourse DAAD

Reconnaissance de gestes event-based

Vision neuromorphique : réseaux de neurones impulsionnels (SNN) et traitement event-based. Edge AI basse consommation, pour la reconnaissance de gestes.

Acredius

Cybersécurité par IA

Détection d'intrusion en machine learning, méthodes supervisées et non supervisées, pour repérer une activité malveillante dans le trafic réseau.

04 — Conférences

Conférences

Interventions, en citations.

« Priorité à l'efficacité des modèles, au passage à l'échelle, et à l'infrastructure ML de bout en bout. »

Nadia Hamlaoui, profil
  1. 01

    Hamlaoui, Nadia.

    Mobile World Congress (MWC).

    Barcelone, Espagne. Intervention.

  2. 02

    Hamlaoui, Nadia.

    3DBody.Tech.

    Lugano, Suisse. Intervention.

  3. 03

    Hamlaoui, Nadia.

    German Conference on Pattern Recognition (GCPR).

    Heidelberg, Allemagne. Intervention.

  4. 04

    Hamlaoui, Nadia.

    Cannes FilmTech.

    Cannes, France. Intervention.

05 — Parcours

Compétences, formation, distinctions.

Machine learning et IA générative

Computer vision, IA multimodale, modèles vision-langage, modèles de diffusion, GAN, diffusion latente, representation learning, rendu neuronal, self-supervised learning, modélisation probabiliste.

LLM et transformers

Transformers, vision transformers, RAG, modèles d'embeddings, cross-attention, LoRA et PEFT, optimisation du KV-cache, streaming de tokens.

Entraînement

PyTorch DDP, précision mixte (FP16 / AMP), gradient checkpointing, entraînement multi-GPU, optimisation CUDA.

Inférence

TensorRT, ONNX Runtime, TorchScript, profilage CUDA, quantification (FP16 / INT8), fusion d'opérateurs, inférence basse latence.

Bibliothèques

PyTorch, TensorFlow, OpenCV, scikit-learn, FAISS, Hugging Face Transformers, Diffusers.

Programmation

Python, C++, CUDA, Linux, Git, Shell, YAML.

Formation

  1. 2019 — 2022

    Diplôme d'ingénieur en technologies de l'information et de la communication

    École nationale d'ingénieurs de Tunis (ENIT), Tunisie

  2. Classes préparatoires

    Mathématiques et physique, MPSI / MP*

    Lycée Louis-le-Grand, Paris, France

Distinctions

  • Bourse DAAD TU Dresden — recherche en vision neuromorphique
  • Bourse d'excellence Classement au baccalauréat, pour des études à l'étranger
  • US Young Physicists’ Tournament 5e place

Langues

  • Arabe Natif
  • Français C1
  • Anglais C1
  • Allemand A2

06 — Contact

Écrivez-moi.

Je cherche des postes à l'international en computer vision, IA générative et systèmes de machine learning.

Ouvre votre application mail, adressée à Nadia, avec le message déjà rédigé.