Parcours académique

Tout au long de mon parcours éducatif, j'ai développé une expertise approfondie dans le domaine de l'intelligence artificielle. Mon parcours universitaire international m'a non seulement permis d'acquérir de solides bases en IA, mais a également nourri ma passion pour l'apprentissage continu et l'amélioration de moi-même. Parallèlement aux cours formels que j'ai suivis, je me suis également lancé dans un parcours d'apprentissage autodidacte, en prenant l'initiative d'explorer de manière indépendante divers cours liés à l'IA. Cette approche autonome m'a permis d'améliorer mes connaissances et mes compétences au-delà des limites du programme d'études traditionnel.

Éducation formelle

Photo of Henry Areiza at the University of Rennes

Ph.D. en informatique

Université de Rennes

2019 - 2023

Thèse: Analysis of thoracic and intra-gastric cardiac vibration signals for the monitoring of heart failure

L'objectif principal de cette thèse était de proposer des méthodes d'acquisition et de traitement des signaux afin d'utiliser au mieux les unités inertielles dans le suivi des patients souffrant d'insuffisance cardiaque (IC), en exploitant efficacement les informations multimodales des signaux de vibration cardiaque (CVS). Deux nouvelles approches ont été proposées dans ce contexte : 1) l'évaluation de la faisabilité de l'acquisition de CVS longitudinaux à l'aide d'un implant intra-gastrique dans un dispositif d'expérimentation animale préclinique, et 2) le développement d'un système d'acquisition de signaux cardiaques pour évaluer de manière préliminaire la faisabilité de la détection automatique d'événements cardiorespiratoires sur le vif à l'aide d'un capteur MEMS doté d'un noyau d'apprentissage automatique intégré (MLC).

M.Sc. en automatisation et contrôle industriel

Institution Universitaire ITM

2017 - 2019

Thèse: Objective selection of relevant MRI sequences for breast cancer diagnosis using MKL and SVM

Dans cette thèse, une méthode basée sur l'utilisation de Multiple Kernel Learning (MKL) et de Support Vector Machine (SVM) est proposée pour sélectionner objectivement et automatiquement les séquences MRI les plus importantes pour le diagnostic du cancer du sein, à travers la pénalisation des poids associés à chacune des matrices kernel qui représentent les séquences d'imagerie par résonance magnétique (MRI).

B.Eng. en Ingénierie Électronique

Institution Universitaire ITM

2013 - 2017

Le programme d'ingénierie électronique de l'ITM développe les compétences nécessaires pour fournir des solutions dans le domaine de l'automatisation et du contrôle industriel en utilisant des dispositifs programmables, gérer des réseaux de données et conseiller des projets de conception avec des systèmes embarqués. Il forme également les étudiants à développer des systèmes informatiques pour la capture, la gestion, le traitement et l'analyse des données, générant de nouvelles informations pour la prise de décision et la résolution de problèmes dans différents contextes en utilisant des techniques d'intelligence artificielle.