Junior Artificial Intelligence Engineer · Computer Vision · NLP · Data Science · Explainable AI
Portfolio · LinkedIn · GitHub · Email
Junior Artificial Intelligence Engineer with a Master’s degree in Artificial Intelligence and a strong interest in Computer Vision, Natural Language Processing, Data Science, and Explainable AI.
I am currently completing an internship at Airbus, where I work on the explainability of computer vision models used in Vision Landing Systems, with a focus on runway detection and concept-based model interpretation.
I am looking for a permanent or fixed-term position where I can contribute to practical AI projects and help build robust, reliable, and interpretable systems.
Airbus SAS — Toulouse, France
March 2026 – September 2026
- Contributing to the RELAI-VLS project on the explainability of runway detection models used in Vision Landing Systems.
- Adapting CRAFT, a concept-based explainability method, to YOLO pose models in order to identify and visualize learned concepts.
- Evaluating the fidelity and robustness of explanations across model layers, datasets, and experimental settings.
Technologies: Python, PyTorch, YOLOv8 Pose, YOLO-NAS Pose, Xplique, CRAFT, NumPy, Pandas, Matplotlib, AWS EC2, Amazon S3, Git
CENOMEXA – Responsibio — Caen, France
June 2025 – August 2025
- Developed an automatic classification system for mouse and rat vocalizations used in animal bio-monitoring.
- Designed an audio-processing pipeline combining spectrograms, feature extraction, and data preparation.
- Trained and evaluated classification models based on PCA and SVM, achieving approximately 80% accuracy.
Technologies: Python, PyTorch, scikit-learn, NumPy, Pandas, PCA, SVM
Developed an NLP pipeline for token-level annotation of autobiographical clinical narratives. The project includes corpus preparation, BIO annotation, CamemBERT fine-tuning, and patient-level evaluation to distinguish episodic and semantic details.
Technologies: Python, PyTorch, Transformers, CamemBERT, Hugging Face, Pandas
Created and annotated datasets for players, goalkeepers, referees, the ball, and court keypoints, then trained specialized YOLOv8 models. The tracking pipeline combines ByteTrack for players, filtering and interpolation for the ball, and homography to project positions onto a two-dimensional handball court.
Technologies: Python, YOLOv8, OpenCV, ByteTrack, Kalman Filter, Homography
Developed a containerized web application for exploring sales data through interactive charts and maps. The project combines a MongoDB database, a Node.js GraphQL API, and dynamic D3.js visualizations orchestrated with Docker.
Technologies: Docker, Node.js, GraphQL, MongoDB, D3.js, JavaScript
Built an analytical data warehouse from operational sources, including ETL workflows, multidimensional modeling, OLAP cube creation, and MDX queries for reporting and interactive analysis.
Technologies: Apache Hop, SQLite, SQL, ETL, OLAP, MDX
Programming Languages: Python, Java, C, C++, SQL, JavaScript
Machine Learning: scikit-learn, SVM, PCA, clustering, GMM, boosting
Deep Learning: PyTorch, TensorFlow, Keras, CNN, transfer learning, fine-tuning
Computer Vision: OpenCV, YOLO, ByteTrack, object detection, image processing, video tracking
Explainable AI: Xplique, CRAFT, concept-based explanations, attribution methods
Natural Language Processing: Transformers, CamemBERT, BERT, Hugging Face, token classification
Data and Databases: Pandas, NumPy, MongoDB, PostgreSQL, SQLite, ETL, OLAP
Cloud and Tools: AWS EC2, Amazon S3, Docker, Git, Linux, Jupyter, Google Colab, LaTeX
Web and Visualization: Node.js, GraphQL, D3.js, React, Matplotlib
University of Caen Normandy — Caen, France
September 2024 – September 2026
Machine Learning, Deep Learning, Natural Language Processing, Computer Vision, Data Mining, ETL, and SQL/NoSQL databases.
University Clermont Auvergne – ISIMA — Clermont-Ferrand, France
September 2021 – May 2024
Artificial Intelligence, databases, applied mathematics, advanced algorithms, probability, statistics, and operations research.
- Albanian: Native
- French: Fluent — C2
- English: Professional — C1
Ingénieur junior en Intelligence Artificielle, diplômé d’un Master en Intelligence Artificielle, avec un intérêt marqué pour la Computer Vision, le traitement automatique du langage, la Data Science et l’IA explicable.
Je réalise actuellement un stage chez Airbus, où je travaille sur l’explicabilité de modèles de vision utilisés dans les systèmes visuels d’aide à l’atterrissage, notamment pour la détection de pistes et l’interprétation des modèles par concepts.
Je recherche un CDI ou un CDD afin de contribuer à des projets d’IA concrets et de développer des systèmes robustes, fiables et interprétables.
Airbus SAS — Toulouse, France
Mars 2026 – Septembre 2026
- Contribution au projet RELAI-VLS sur l’explicabilité de modèles de détection de pistes utilisés dans les systèmes visuels d’aide à l’atterrissage.
- Adaptation de CRAFT, une méthode d’explicabilité fondée sur les concepts, à des modèles YOLO Pose afin d’identifier et de visualiser les concepts appris.
- Évaluation de la fidélité et de la robustesse des explications selon les couches du modèle, les jeux de données et les paramètres expérimentaux.
Technologies : Python, PyTorch, YOLOv8 Pose, YOLO-NAS Pose, Xplique, CRAFT, NumPy, Pandas, Matplotlib, AWS EC2, Amazon S3, Git
CENOMEXA – Responsibio — Caen, France
Juin 2025 – Août 2025
- Développement d’un système de classification automatique des vocalisations de souris et de rats pour la bio-surveillance animale.
- Conception d’un pipeline de traitement audio combinant spectrogrammes, extraction de caractéristiques et préparation des données.
- Entraînement et évaluation de modèles de classification fondés sur la PCA et les SVM, avec environ 80 % de précision.
Technologies : Python, PyTorch, scikit-learn, NumPy, Pandas, PCA, SVM
Développement d’un pipeline de TAL pour l’annotation, au niveau des tokens, de récits autobiographiques cliniques. Le projet comprend la préparation du corpus, l’annotation BIO, le fine-tuning de CamemBERT et une évaluation avec séparation stricte des patients afin de distinguer les détails épisodiques et sémantiques.
Technologies : Python, PyTorch, Transformers, CamemBERT, Hugging Face, Pandas
Création et annotation de jeux de données pour les joueurs, gardiens, arbitres, le ballon et les points clés du terrain, puis entraînement de modèles YOLOv8 spécialisés. Le pipeline de suivi combine ByteTrack pour les joueurs, du filtrage et de l’interpolation pour le ballon, puis une homographie pour projeter les positions sur un terrain de handball en deux dimensions.
Technologies : Python, YOLOv8, OpenCV, ByteTrack, filtre de Kalman, homographie
Développement d’une application web conteneurisée pour explorer des données de ventes à travers des graphiques et des cartes interactives. Le projet combine une base MongoDB, une API GraphQL développée avec Node.js et des visualisations dynamiques en D3.js, avec des services orchestrés par Docker.
Technologies : Docker, Node.js, GraphQL, MongoDB, D3.js, JavaScript
Construction d’un entrepôt de données analytique à partir de sources opérationnelles, avec des traitements ETL, une modélisation multidimensionnelle, la création d’un cube OLAP et des requêtes MDX pour le reporting et l’analyse interactive.
Technologies : Apache Hop, SQLite, SQL, ETL, OLAP, MDX
Langages de programmation : Python, Java, C, C++, SQL, JavaScript
Machine Learning : scikit-learn, SVM, PCA, clustering, GMM, boosting
Deep Learning : PyTorch, TensorFlow, Keras, CNN, transfer learning, fine-tuning
Computer Vision : OpenCV, YOLO, ByteTrack, détection d’objets, traitement d’images, suivi vidéo
IA explicable : Xplique, CRAFT, explications fondées sur les concepts, méthodes d’attribution
Traitement automatique du langage : Transformers, CamemBERT, BERT, Hugging Face, classification de tokens
Data et bases de données : Pandas, NumPy, MongoDB, PostgreSQL, SQLite, ETL, OLAP
Cloud et outils : AWS EC2, Amazon S3, Docker, Git, Linux, Jupyter, Google Colab, LaTeX
Web et visualisation : Node.js, GraphQL, D3.js, React, Matplotlib
Université de Caen Normandie — Caen, France
Septembre 2024 – Septembre 2026
Machine Learning, Deep Learning, traitement automatique du langage, Computer Vision, data mining, ETL et bases de données SQL/NoSQL.
Université Clermont Auvergne – ISIMA — Clermont-Ferrand, France
Septembre 2021 – Mai 2024
Intelligence artificielle, bases de données, mathématiques appliquées, algorithmique avancée, probabilités, statistiques et recherche opérationnelle.
- Albanais : Langue maternelle
- Français : Courant — C2
- Anglais : Professionnel — C1
- Email : eldisymeraj0@gmail.com
- LinkedIn : linkedin.com/in/eldis-ymeraj-2b5433226
- GitHub : github.com/elymeraj
- Portfolio : elymeraj.github.io/portfolio