Felipe Vicentin

Stage de recherche en ingénierie d'image · DxO Labs

Boulogne-Billancourt, France

• Recherche sur la fusion d'images multi-frame pour le débruitage en conditions de faible luminosité, en PyTorch, au sein du laboratoire de vision par ordinateur de DxO.
• Amélioration de 5 dB en PSNR sur du bruit AWGN en RGB ; extension de la méthode aux données RAW en cours.
• Encadré par Sylvain Leroy et Thomas Veit.

Stage de recherche de premier cycle (financé par la FAPESP) · Unicamp, IMECC

Campinas, Brésil

• Recherche sur les ordres partiels et les treillis sur des chaînes finies, sous la direction du Pr. Peter Sussner (département de mathématiques appliquées).
• Démonstrations rigoureuses sur le dénombrement et la construction des ordres admissibles d'intervalles sur des chaînes finies, publiées dans Fuzzy Sets and Systems (DOI : 10.1016/j.fss.2025.109372).

Fuzzy Sets and Systems

Stage en ingénierie des données · Dextra Systems

Campinas, Brésil

• Stage d'un an dans un grand cabinet de conseil en informatique, sur des environnements cloud (GCP) sous Linux.
• Gestion de grands volumes de messages texte générés par des systèmes automatisés, avec PySpark, Data Lakes et Airflow.

M2 MVA (Mathématiques, Vision, Apprentissage)

Université Paris-Saclay, ENS Paris-Saclay · Paris, France

• Double diplôme Unicamp / IP-Paris. Considéré comme l'un des meilleurs masters en apprentissage automatique au monde.
• Apprentissage de représentations, optimisation convexe, transport optimal, modèles graphiques probabilistes, apprentissage profond géométrique, modèles génératifs pour les images, méthodes à noyaux, apprentissage par renforcement.
• Optimisation distribuée et à grande échelle, entraînement et déploiement de modèles à grande échelle, apprentissage profond avancé, séries temporelles.

Matières sur lesquelles j'ai écrit

• transport optimal
• optimisation convexe
• analyse fonctionnelle
• modèles génératifs
• méthodes à noyaux

Diplôme d'ingénieur

Institut Polytechnique de Paris, Télécom Paris · Palaiseau, France · Note 16.3 / 20

• Bourse d'excellence Alumni.
• Modèles linéaires, apprentissage automatique, méthodes variationnelles et bayésiennes, optimisation discrète, apprentissage d'images et reconnaissance d'objets, statistiques, vision 3D et vidéo.

Licence en informatique

Université d'État de Campinas (Unicamp) · Campinas, Brésil · Note 9.34 / 10

• Calcul, algèbre linéaire, mathématiques discrètes, bases de données, analyse d'algorithmes, structures de données, systèmes d'exploitation, introduction à la cryptographie.

Diplôme technique en informatique

Colégio Técnico de Campinas (COTUCA) · Campinas, Brésil

vicentin

• Bibliothèque Python à architecture double backend qui bascule de manière transparente entre NumPy et PyTorch selon les données d'entrée, permettant la différentiation automatique et l'usage du GPU sans changer d'API.
• Des dizaines d'implémentations en optimisation (Newton, barrière, proximal/ISTA), apprentissage automatique (SVM, ACP, méthodes à noyaux) et apprentissage profond (VAE, GAN de Wasserstein), ainsi que des réimplémentations d'articles (Grad-CAM, SimCLR).
• Couverte par des tests automatisés et de l'intégration continue.

LAFTR multi-catégoriel

• Implémentation du modèle LAFTR, étendu aux contextes multi-catégoriels. Encadré par le Pr. Loïc Le Folgoc.

Restauration d'images

• Implémentation de techniques variationnelles (Tychonov et variation totale) pour inverser des noyaux de transformation sur des images bruitées, en PyTorch. Encadré par le Pr. Arthur Leclaire.