Working on optimization and algorithms to treat depression :

• Overhauled a large-scale fMRI processing pipeline by migrating it from MATLAB to Python, reducing end-to-end runtime by >60%

• Re-engineered core image processing and neuroimaging algorithms, applying high-performance computing principles achieving 150x speedups

• Developed a new U-Net deep learning model for anatomical landmark prediction, improving average accuracy by over 70%

• Reduced runtime and cloud computing costs by ~50% by profiling and optimizing resource allocation within cloud Kubernetes cluster

Conception et implémentation d'une version décentralisée de I/O-Sets, une méthode d'ordonnancement I/O pour les systèmes de fichiers des supercalculateurs.

Développement d'un simulateur I/O afin d'étudier puis d'améliorer les performances I/O d'une biliothèque d'analyse numérique de méthodes des éléments finis pour une utilisation dans un contexte de Calcul Haute Performance.

Publication disponible sur l'IEEE Xplore et présentation en conférence internationale du travail réalisé.

Compilation et exécution du code sur des supercalculateurs tel que PlaFRIM ou Santos Dumont au Brésil avec l'utilisation de SLURM.