Lumi Xia

Développement complet d'une marketplace en ligne, intègrant un système de vérification, des paiements sécurisés, une gestion multilingue et multi‑devises, ainsi qu'un assistant IA.

Réalisations techniques :

- Backend : API RESTful avec Django et Django REST Framework, base de données PostgreSQL, authentification JWT, gestion des rôles (administrateur, artisan, client).

- Frontend : application React (SPA) avec routage, traduction intégrée (i18n) en 7 langues, adaptation automatique de la devise (via API de taux de change).

- Paiements : intégration de Stripe Connect + Wise pour les paiements sécurisés multidevise.

Fonctionnalités avancées :

· Système de vérification avec soumission de justificatifs et validation par l'administrateur.

· Assistant IA avec quota de questions (2 par jour pour les utilisateurs gratuits, illimité pour les abonnés).

· Système de promotions et coupons (site‑wide, par artisan, coupons personnalisés) avec génération automatique (anniversaire, bienvenue) et envoi d'emails.

· Gestion des créneaux récurrents (génération automatique via Celery) et réservations avec QR code de validation unique.

· Infrastructure : déploiement avec Docker, utilisation de Celery pour les tâches asynchrones (génération de créneaux, envoi de coupons), configuration Nginx/Gunicorn.

Développement d'observateurs numériques automatiques pour l'évaluation de la qualité d'images scanner, basée sur la tâche diagnostique des lésions surrénales, avec un intéret particulier pour l'impact de la réduction de dose de rayonnement.

Travaux principaux:

- Simulation d'images de scanner à dose réduite réalistes à partir des images à dose clinique (U-Net, ResNet)

- Caractérisation 3D des lésions surrénales (segmentation en 3D et mesures quantitatives washout, CNN, U-Net)

Compétences:

- Imagerie médicale et protocoles cliniques : Pydicom, 3D Slicer

- Deep learning et machine learning : TensorFlow, Keras, PyTorch, scikit-learn

- Traitement d'image et du signal / métriques IQA: scikit-image, SciPy, Pillow, OpenCV, Matplotlib

- Analyse et visualisation de données: NumPy, Pandas, Matplotlib, Seaborn, Plotly

- Simulation numérique: Paraview, LabVIEW, Matlab, Python, Fortran

Pipelines reproductibles: Jupyter Notebook, GitHub

Classification de nodules thyroïdiens en échographie multimodale en combinant deep learning et machine learning. Implémentation: Python, TensorFlow/Keras, scikit-learn etc.