Li Yang

Ingénieure en intelligence artificielle spécialisée en deep learning et vision par ordinateur, avec une expérience pratique en conduite autonome et en imagerie médicale. Passionnée par la conception de systèmes d’IA robustes et concrets, de la recherche et du prototypage jusqu’au déploiement. Actuellement étudiante à 42 Nice pour renforcer mes compétences en génie logiciel et poursuivre des opportunités en développement d’IA et de machine learning.

Ingénieure en Recherche (Stage & CDI) at CNRS / I3S (2022 – 2025)

• IA embarquée pour la conduite autonome: Développement et déploiement de modèles de deep learning sur des plateformes à faible consommation (Nvidia Jetson Nano). Configuration du matériel (moteurs, caméras, LiDAR) et du logiciel (ROS) pour des véhicules RC autonomes; résolution de problèmes d’intégration pour assurer les performances en temps réel.
• Outils de perturbation de cartes HD: Développement d’outils Python pour perturber et analyser des cartes haute précision (nuScenes, AV2), ayant contribué aux expériences et outils du projet et à la publication « Mind the Map! », tout en améliorant le cadre MapEX pour l’estimation de cartes HD.
• Gestion de projet et diffusion: Organisation d’un hackathon sur la conduite autonome à Centrale Méditerranée et collaboration avec la Maison de l’Intelligence Artificielle (MIA) pour des présentations éducatives sur les technologies de conduite autonome.

Ingénieure en Algorithmes at LinkingMed Inc. (2018 – 2019)

• Classification d’images médicales par IA: Développement de modèles de deep learning (GoogLeNet, YOLO) pour la reconnaissance de parties du corps sur des images CT/MRI, atteignant 98 % de précision et ayant contribué à une publication dans le Journal of Radiation Research.
• Segmentation automatique des zones d’intérêt (ROI): Implémentation d’un modèle U-Net pour la segmentation CT avec 92 % de précision, réduisant la charge de travail manuelle des oncologues radiothérapeutes.
• Détection d’anomalies: Conception d’algorithmes basés sur la Transformée de Hough pour identifier les irrégularités dans les images CT, améliorant l’efficacité et la fiabilité du diagnostic.

Diplôme d’Ingénieur / MSc in Data Science – Université Côte d’Azur (UCA), Nice, France (2020 – 2022)

Master of Science in Data Science – Université Eötvös Loránd (ELTE), Budapest, Hongrie (2020 – 2022)

Licence in Mathématiques – Université de Xiangtan, Chine (2014 – 2018)

Programme d’Ingénierie Logicielle – 42 Nice (2025)