A.T.E.R à l'IUT de Metz département Science des données 2023-2024 (197H)
CM/TD (30H) Apprentissage statistique pour l’IA (3ème année - IUT)
CM/TD (20H) Méthodes statistiques pour le Big Data (3ème année - IUT)
CM/TD (44H) Modélisation statistique avancée (3ème année - IUT)
SAE (18H) Modélisation statistique pour les données complexes et le Big Data (3ème année - IUT)
CM/TD/TP (15H/40H/30H) Statistique descriptive (1ère année - IUT)
A.T.E.R à l'Université de Lorraine 2022-2023 (167H)
EI (60H) Calculs et Mathématiques (L1 Mathématiques - Université de Lorraine),
TD (19H) Recherche Opérationnelle (1ère année - Mines Nancy),
TD (21H) Statistique (1ère année - Mines Nancy),
TD (16H,16H) Initiation Probabilités et Statistique (Gestion des Entreprises et des Administrations (GEA) 2ème année - IUT Nancy-Charlemagne),
TD (27H) Mathématiques Appliquées aux Probabilités (1ère année - TELECOM Nancy 1A),
Encadrement de projet (8H) (3ème année - Mines Nancy).
Doctorat à l'Université de Lorraine 2019-2022 (60H)
TD (13H) Soutien Mathématique (L1 Mathématiques-Université de Lorraine),
TD (18H) Probabilité (GEA 1ère année-IUT Nancy-Charlemagne),
TD (18H) Statistique (GEA 2ème année-IUT Nancy-Charlemagne),
TD (10H), CM (2H) Analyse Factorielle (Master Ingénierie Mathématique et Data Science (IMDS) 2ème année - Université Haute Alsace).
Encadrement
En 2021, au cours de ma deuxième année de thèse, j'ai encadré deux étudiantes en première année de master Ingénierie Mathématique et Science des Données de l'Université de Lorraine pour leur mémoire. L'objectif de ce mémoire était de travailler sur les processus ponctuels et plus particulièrement leur simulation, au moyen des chaînes de Markov et des méthodes de Monte-Carlo par chaînes de Markov, ainsi que l'inférence des résultats via l'algorithme du recuit simulé. Le modèle que j'ai développé durant ma thèse, le modèle Hug, est un processus ponctuel.
Au cours de mon ATER (2022-2023) j'ai encadré un étudiant en troisième année aux Mines pour son projet. La vocation de ce projet était de travailler sur le modèle Hug, notamment pour tester la sensibilité du modèle aux données, aux paramètres du modèle et aux méthodes de simulation et d'inférence.