Evan Greven — recherche en machine learning et intelligence artificielle

Projets

Expérimenter. Comprendre. Construire.

Voir tous les projets

Plateforme d’apprentissage de l’IA

DeepLearn

Des cours adaptés à votre niveau, un atelier pour construire et entraîner vos réseaux, puis une arène pour les mettre à l’épreuve. Les duels et le classement Elo donnent un objectif concret à l’apprentissage.

Classification de candidats exoplanètes

Exoplanet Hunter

Une application pour classer des candidats exoplanètes et examiner leurs prédictions. Le projet ouvre un axe de thèse : développer un Transformer from scratch combinant courbes de lumière, données physiques et statistiques TSFRESH.

Voir sur GitHub

Deep Reinforcement Learning et recherche arborescente

Agents de jeu par renforcement

Implémentation de DQN, Double DQN et REINFORCE, comparés à des méthodes de recherche de coups. La présentation détaille les modèles, les résultats et leurs limites, puis permet de les observer jouer ou de les affronter.

Voir sur GitHub

Apprentissage non supervisé

Comprendre l’espace latent

Explorer l’espace latent : une représentation où quelques coordonnées résument une image. Avec PCA, les autoencodeurs et les VAE, les expériences et les ateliers montrent comment cet espace se construit, ce qu’il conserve et ce qui se passe lorsqu’on s’y déplace.

Voir sur GitHub

Conception d’un RAG industrialisable

Assistant documentaire et statistique

Un assistant pour des données non sensibles, conçu pour un déploiement en entreprise. Il combine grands modèles, recherche documentaire, calculs et cartes en limitant les informations transmises à l’API. Les choix techniques et les méthodes de vérification des résultats sont détaillés dans la présentation du projet.

Voir sur GitHub

Méthodes tabulaires et planification

Apprentissage par renforcement

Étude de Q-learning, SARSA, Monte Carlo et Dyna-Q, avec une référence par programmation dynamique. Des grilles à Monty Hall, les expériences permettent de comparer exploration, récompenses et stratégies, puis d’entraîner un agent.

Voir sur GitHub

Implémentation from scratch

Bibliothèque de machine learning

Une bibliothèque Rust accessible depuis Python, avec entraînement, prédiction et sauvegarde des modèles. La présentation explique les calculs et la rétropropagation ; un atelier permet de comparer les frontières de décision sur des données 2D.

Voir sur GitHub

DeepLearn — 1 sur 7

Survoler pour explorerToucher pour déplier, puis pour lire

Recherche

Apprendre du monde
et à en douter.

Dynamiques latentes guidées par connaissances.

Étudier comment des connaissances explicites peuvent rendre la prédiction plus frugale et généralisable, tout en apprenant quand leur faire confiance.

Explorer l’intuition

Articles

Comprendre. Puis transmettre.

Explorer le blog

À venir

Le carnet se poursuit.

À venir

Le carnet se poursuit.

Comprendre les Transformers — 1 sur 3

Portrait d’Evan Greven sculpté dans une pierre argentée aux contours érodés.

À propos

La curiosité comme
fil conducteur.

Data Scientist · ML Engineer

Comprendre comment les modèles apprennent, expérimenter et partager. Je pars de problèmes concrets pour explorer leurs mécanismes et leurs limites.

Mon parcours

Contactez-moi

Écrivons ensemble.

Envoyer le message

Tous les champs sont requis.

Ce formulaire prépare un courriel dans votre messagerie ; vous en confirmez l’envoi. Evan Greven utilise les informations reçues pour répondre à votre demande. Données et droits.