Bienvenue dans mon site, ce site est un portfolio réalisé par Raykesh. Vous êtes actuellement sur mon site. Il y a une barre de navigation en haut avec des onglets qui feront une redirection.
certaines fonctionnalités ne marchent pas encore, c'est qu'elles sont en maintenance et seront disponibles très bientôt, donc patience. CTF_Raykesh{Flag_hidden_dans_le_code_source}
Travaux sélectionnés en Intelligence Artificielle, Data Science et Ingénierie.
Développement d'une IA pour un Roguelike 2D capable de s'adapter au style du joueur via apprentissage par renforcement et imitation learning.
Projet en équipe (5 pers.) modélisant le jeu comme un MDP. Apprentissage en 2 phases : Imitation (bots simulés) puis Q-Learning adaptatif.
Modélisation comportementale et ajustement dynamique de la difficulté selon le profil du joueur.
Architecture RAG complète pour interroger la base Open Food Facts en langage naturel avec citation des sources.
Implémentation d'un réseau de neurones (MLP) sur carte FPGA Basys 3 pour classification temps réel (VGA).
Entraînement Python (Scikit-learn), conversion des poids en entiers, implémentation VHDL optimisée (0.115W).
Étude comparative des stratégies de décodage (Contrastive Search vs Beam Search) pour réduire la répétition dans les LLMs.
Évaluation quantitative (MAUVE, Perplexité) sur Llama 3 et GPT-2 via pipeline Python/Ollama.
Développement d'une politique de contrôle optimale pour l'enraillement automatisé de véhicules hybrides (Rail/Route).
Modélisation dynamique du véhicule (vecteur d'état à 6 dimensions) et comparaison : Approches Classiques vs Apprentissage par Renforcement.
Extraction, nettoyage et analyse exploratoire de grands volumes de données (15 Go, format Parquet) issus d'OpenFoodFacts.
Optimisation des pipelines de traitement et valorisation d'informations hétérogènes.
Automatisation de l'analyse des besoins clients et création de devis via des agents IA pour Avenir DSI.
Orchestration via n8n, base de données RAG (Compubase) et modèles locaux via Ollama/CrewAI pour générer des devis personnalisés.
Algorithme analytique (sans Deep Learning) pour la détection d'éléments ferroviaires sur le dataset FRSign.
Extraction de contours, Matching avec images de référence et analyse de couleur pour prédire l'état du feu.
Comparaison de stratégies d'investissement (Buy-and-Hold, Suivi de tendance, Diversification) sur données historiques.
Les simulations montrent un gain supérieur pour la stratégie "croissante" (~3500€) par rapport à la diversification classique.
Plateforme d'assistance cybersécurité avec gestion des rôles, dashboard admin et protection contre injections SQL.
Authentification sécurisée (hash), gestion de sessions/cookies, base de données par utilisateur.
Mini-jeu reprenant les mécaniques de Pac-Man : gestion des collisions, fantômes aléatoires et score temps réel.
Réinvention de l'interphone avec détection ultrason (sonar sur servomoteur) et transmission Bluetooth vers écran TFT.
Conception de PCB, programmation C bas niveau (Machine à états), communication sans fil entre modules.
Conception et simulation d'une chaîne complète (Alternateur, Redresseur, Hacheur, Onduleur) pour charge de batterie.
Réalisation d'un crackeur de fichiers ZIP utilisant une attaque par dictionnaire combinatoire, optimisée via le calcul parallèle.
L'objectif était de casser un mot de passe composé de la concaténation de deux mots issus de la célèbre liste RockYou (format : mot1 + " " + mot2).
Cela représente un espace de recherche d'environ 205 milliards de combinaisons. L'utilisation du module multiprocessing de Python a permis de paralléliser les tests pour réduire le temps d'exécution.
Note : Pour des raisons éthiques et de sécurité, le code source complet et les méthodologies d'attaque spécifiques ne sont pas divulgués.
Sélection de projets académiques et personnels plus anciens (Robotique, Algorithmique, Sécurité).