Tina DANESH ALAGHEHBAND - Soutenance en cours de traitement

Adresse Professionnelle
6 allée Emile Monso - BP 34038 31029
TOULOUSE FRANCE
tinasadat.daneshalaghehband@toulouse-inp.fr
tina.danesh@ymail.com
Identifiant ORCID 0000000203346141
Compte LinkedIn linkedin.com/in/tina-danesh
En recherche d'emploi
Disponibilité : janvier 2024

Projet professionnel :

Recherche en entreprise, R&D du secteur privé
Pilotage de la recherche et de l’innovation, gestion de projets innovants, pilotage de structures innovantes
Métiers d’accompagnement et de support à la recherche, à l’innovation et à la valorisation, au développement des Spin Off et Start-up innovantes

Expérience professionnelle :
En recherche d'emploi depuis le 1 novembre 2023

Doctorat Génie des Procédés et de l'Environnement

Thèse soutenue le 19 décembre 2023 - Institut National Polytechnique de Toulouse

Ecole doctorale : MEGEP - Mécanique, Energétique, Génie civil, Procédés

Sujet : Vers une conception robuste en ingénierie des procédés. Utilisation de modèles agnostiques de l’interprétabilité en apprentissage automatique

Mots-clés de la thèse : Apprentissage Automatique,Méthodes-Agnostiques,Interprétabilité,,

Direction de thèse : Pascal FLOQUET

Co-direction de thèse : Rachid OUARET

Unité de recherche : LGC - Laboratoire de Génie Chimique UMR 5503 - TOULOUSE

Diplôme national de master - industrial engineering

obtenu en septembre 2020 - ENSAM
Option : nowledge Integration in Mechanical Production - Parcours Design And Manufacturin

Production scientifique

- Tina Danesh, Rachid Ouaret, Pascal Floquet, Stephane Negny 2023. Hybridization of model-specific and model-agnostic methods for interpretability of Neural network predictions: Application to a power plant Computers & Chemical Engineering, Volume 176, August 2023, 108306, https://doi.org/10.1016/j.compchemeng.2023.108306
- Tina Danesh, Rachid Ouaret, Floquet Pascal 2022. Interpretability in machine learning predictions: case of Random Forest regression using Partial Dependence Plots 18ème congrès de la Société Française de Génie des Procédés, 18ème congrès de la Société Française de Génie des Procédés, https://hal.science/hal-03841177/document
- Tina Danesha, Rachid Ouareta, Pascal Floqueta, and Stephane Negny 2022. Interpretability of neural networks predictions using Accumulated Local Effects as a model-agnostic method CAPE book, 6 pages, http://dx.doi.org/10.1016/B978-0-323-95879-0.50251-4

Langues Vivantes : Anglais C1 - Avancé - Français B1 - Intermédiaire - Persan C2 - Maternel

Dernière mise à jour le 9 octobre 2023