Alexandre Stenger
Aller à la navigation
Aller à la recherche
Doctorant
|
Recherche
Sujet de thèse : Adaptation de domaine pour la segmentation sémantique d'objets intra-cellulaires : application à l'étude de la cascade métastasique
- Directeurs de thèse : Benoît Naegel, Etienne Baudrier et Patrick Schultz
- Encadrant : Nicolas Passat
Sujets d'intérêt : Computer Vision - Domain Adaptation - Diffusion Models - Graph Theory
Enseignement
UFR de mathématiques et d'informatique de Strasbourg :
- 2022-2023 (64h)
- TP Techniques de Developpement : Language C, Valgrind. Licence 2
- TP Intelligence Artificielle : Python (numpy/scikit-learn/pytorch). Licence 3
- 2023-2024 (64h)
- TD et TP Algorithmes des réseaux. Licence 3
- TP Réseaux IP. Licence 2
- TP Programmation Système.
CPGE, Lycée Kléber, Strasbourg :
- 2022-2023 (16h)
- CM Intelligence Artificielle, 2ème année CPGE Scientifique.
- 2023-2024 (16h)
- CM Intelligence Artificielle, 2ème année CPGE Scientifique.
Cours disponible : https://github.com/alex-stenger/Cours_IA_Kleber
BTS SIO, Lycée Ort, Strasbourg :
- 2021-2022 (~90h)
1 Semestre d'enseignement en BTS SIO à hauteur de 7h par semaine
Encadrement
- Stage Master 2 :
- Marco Furlan : Exploring deep learning domain adaptation : from covariate shift to wasserstein.
- TER Master 1 (Travail encadré de recherche) :
- Jonas Mehtali : Pruning de réseau de neurones convolutifs.
- Noé Le-Cam : Modèle de fondation pour la segmentation d'images biomédicales.
- Projet 150h Master 2 :
- Maxime Chanel : Outils d'analyse d'images microscopiques cellulaires à l'aide de graphes.
Prix
- 2ème Prix des travaux de recherche de thèse, École Doctorale MSII de l'Université de Strasbourg (sur environ 80 étudiants)
Publications