Adrien Halnaut

Formation

2019 - présent

Doctorat Informatique - Visualisation pour réseaux neuronaux

LaBRI - Université de Bordeaux

sous l'encadrement de David Auber et Romain Giot

2017 - 2019

Master Informatique Génie Logiciel

Université de Bordeaux

Rang 8/42 - Mention Bien

2014 - 2017

Licence Informatique

Université de Bordeaux

Rang 15/117 - Mention Assez Bien

2013 - 2014

Première année CPGE MPSI

Prytanée National Militaire - La Flèche

2012 - 2013

Baccalauréat Scientifique option Sciences de l'Ingénieur

Lycée Victor Duruy

mention Assez Bien

Expériences

fév. - jui. 2023

Université de Bordeaux

Attaché Temporaire d'Enseignement et de Recherche (ATER).

nov. 2019 - présent

LaBRI

Thèse sur la visualisation de comportements de réseaux de neurones profonds avec pour objectif d'expliquer ses décisions, de détecter des erreurs et de les améliorer.

avril - août 2019

LaBRI

Stage de recherche en laboratoire, sous l'encadrement de David Auber, en prélude d'une poursuite en thèse.

2017 - 2019

Université de Bordeaux

Tutorat spécialisé en informatique pour assister les étudiants rencontrant des difficultés de compréhension et/ou d'application du cours.

juil. - sept. 2017

LaBRI

Stage en laboratoire sous l'encadrement de Géraud Sénizergues sur son projet LALBLC portant sur les grammaires d'arbres et grammaires de mots.

mai - août 2016

EA4T - ENSEIRB MATMECA

Stage de développement en entreprise sur un framework de grande taille, portant sur le parsing de données publiques à intégrer en base de données et la conception de nouvelles fonctionnalités.

Compétences

Langages de programmation

C#/.NET

Langage de préférence et bien maîtrisé, réalisation de projets personnels et d'entreprise en stage.

Java

Langage bien maîtrisé, réalisation de projets personnels et universitaires.

F# & Scala

Grand intérêt, maîtrise des bases.

C/C++

Maîtrisé, réalisation de projets personnels et universitaires.

Javascript

Maîtrisé.

Python

Maîtrisé, confiant avec Numpy et Keras.

Julia

Grand intérêt et maîtrisé.

Technologies

Unity

Bon intérêt, framework bien maîtrisé, réalisation de projets personnels seul et en équipe.

Sys. Unix

Maîtrise correcte. Usage quotidien.

Git

Bonne maîtrise. Usage fréquent.

Travis CI

Bon intérêt sur les outils d'intégration continue en général.

Langues vivantes

Français

Langue native.

Anglais

Niveau B2. Lecture, écoute et écriture quotidiennes. Note au TOEIC 2014 - 835/990.

Japonais

Niveau débutant (sub-JLPT N4). Lecture et écoute fréquente. Autodidacte.

Publications

2020

Deep Dive into Deep Neural Networks with Flows

A. Halnaut, R. Giot, R. Bourqui, D. Auber

Proceedings of the 15th International Joint Conference VISIGRAPP 2020, IVAPP

2021

Samples Classification Analysis Across DNN Layers with Fractal Curves

A. Halnaut, R. Giot, R. Bourqui, D. Auber

ICPR 2020's Workshop Explainable Deep Learning for AI

2022

VRGrid, Efficient Transformation of 2D Data into Pixel Grid Layout

A. Halnaut, R. Giot, R. Bourqui, D. Auber

26th International Conference Information Visualisation