Célian Di Giovanni
CV Projets Formation Compétences Expérience Contact

Célian Di Giovanni
IA & traitement du signal

Étudiant ingénieur (M2) à l'ISEN Méditerrannée

J’analyse, modélise et interprète des signaux complexes et des données réelles pour concevoir des solutions d’ intelligence artificielle applicables en industrie comme en santé.

Je conçois et j’évalue des modèles de machine learning à partir de signaux et d’images, en travaillant sur :

  • Extraction de caractéristiques
  • Sélection de modèles
  • Analyse des performances

Mes projets s’appuient notamment sur des données physiologiques (ECG/HRV, impédance biométrique) et sur de l’imagerie médicale.

Transférabilité : les méthodes et outils que je développe sont transposables à d’autres domaines industriels, dès lors qu’il s’agit d’analyser, modéliser et interpréter des signaux ou des données multidimensionnelles, dans des contextes académiques, industriels ou hospitaliers.

Mon CV personalisé par domaine

CV Industrie — IA & traitement du signal

Pour industrie, défense, R&D, analyse de signaux, IA appliquée.

Télécharger (PDF)
CV Domaine médical — IA & signaux physiologiques

Pour CHU, medtech, imagerie médicale, données cliniques, e-santé.

Télécharger (PDF)

Formation

  1. 2023 – 2026

    Cycle ingénieur Numérique & Électronique — option e-Santé

    ISEN Méditerranée · Niveau M2

    Parcours orienté IA, traitement du signal et systèmes numériques.

  2. 2024 – 2025

    Erasmus — Bionics Engineering

    Université de Pise

    Approfondissement en signaux biologiques, neurosciences et Biostatistiques.

  3. 2021 – 2023

    CPGE PCSI / PC

    Lycée International de Valbonne

    Mathématiques, physique, sciences de l’ingénieur et Chimie.

  4. 2021

    Baccalauréat scientifique — Mention Bien

    Institution du Mont Saint-Jean Antibes

    Mathématiques et Physique-Chimie

Projets principaux

Skin Maven Bandage — Classification biométrique par IA

Projet M1 — données réelles sur 83 volontaires.

  • Data augmentation : SMOTE, randomisation
  • Modèles comparés : Logistic Regression, Random Forest, Gaussian, KNN, SVC
  • Modèle retenu : Random Forest
  • Résultats : ~90 % sexe, ~60 % âge, ~20 % teinte de peau

🔗 Code : ML_Biometric_Signal_Classification

Anticipation de crises d'épilepsie par IA — 1er prix Concours I-Novgames 2026

Analyse ECG (Base PhysioNet SZDB) via Random Forest (Python) et Réseaux de Neurones embarqués (Edge Impulse/STM32).

  • Données : Enregistrements complets de 10 patients, fenêtres glissantes de 60 s.
  • Indicateurs : RMSSD, SDNN, ratio LF/HF
  • État : Preuve de concept validée. Sensibilité de 92% sur la détection pré-ictale (anticipation < 1 min).

🔗 Code : Edge_AI_HRV_Monitoring_STM32

Segmentation de zones d’intérêt sur images radiographiques

Projet académique — segmentation (note 16/20).

  • Langages : Python, Octave
  • Algorithmes : Otsu, Sobel, érosion, dilatation
  • Données : 4 images (résultats qualitatifs)

🔗 Code : Image_Processing_Segmentation_Algorithms

Stage — CHU de Nice (2025) : QA & données cliniques

Validation applicative (MUSE) + extraction/structuration de données cliniques.

  • Définition de cas d’usage et scénarios de tests, comptes rendus aux développeurs
  • Interface entre pharmacien, médecin et équipe de développement
  • Extraction et centralisation de données à partir d’environ 80 rapports (DOCX/XLSX)
  • Automatisation Python (openpyxl, python-docx) + Excel / Power Query / TCD

Compétences

Langages
Python C Java Octave
Outils
Git / GitHub VSCode Excel Power Query Trello ClickUp GanttProject
IA & Data biomédicales
TFLite TensorFlow Keras Edge Impulse Feature Engineering
Signaux physiologiques
ECG HRV RMSSD SDNN LF / HF STM32 (déploiement modèle)
Vision par ordinateur
Segmentation Seuillage d'Otsu Sobel Morphologie Mathématique
Bionics
Biostatistiques Neurosciences
Langues
Français (natif) Anglais (B2 Cambridge) Espagnol (B1)

Expérience

CHU de Nice — Pôle Pharmacie — Stage ingénieur (juin → sept. 2025)
  • Validation fonctionnelle d’une application mobile de suivi médical (projet MUSE).
  • Définition de cas d’usage et scénarios de tests, rapports aux développeurs.
  • Interface entre pharmacien, médecin et équipe de développement.
  • Extraction et centralisation de données à partir d’environ 80 rapports d’entretien (DOCX/XLSX).
  • Automatisation via Python (openpyxl, python-docx) et analyse sous Excel / Power Query.

Contact

Coordonnées

📍 Localisation : Nice et Toulon (candidatures France entière)
📧 celian.digiovanni@gmail.com
📞 Afficher le numéro
🔗 linkedin.com/in/celian-di-giovanni
🔗 github.com/celian06

Infos

Domaine : IA & traitement du signal
Disponibilité : 30/03/2026 (6 mois)