CV

Perrine Quennehen

Data Scientist spécialisée en Traitement Automatique du Langage (NLP)

📍 Pantin (93), France

📞 06 65 61 98 38

📧 perrine.quennehen@gmail.com

📅 Née le 14 février 1997

GitHub : PerrineQhn

LinkedIn : perrine-quennehen

À Propos de Moi

Attirée par les avancées technologiques dans le domaine du Traitement Automatique du Langage, je souhaite mettre à profit mes compétences en Python, Machine Learning et linguistique computationnelle pour contribuer à des projets d’innovation en NLP. Mon esprit d’analyse et ma proactivité me permettent de développer des solutions génératives performantes, tout en assurant la robustesse et l’efficacité des modèles déployés.

Disponible à partir de mai 2025, je recherche un stage de fin d’études pour consolider et appliquer mes compétences.

Expériences Professionnelles

Ingénieure TAL - Stagiaire

Laboratoire Modyco (CNRS), Nanterre | Novembre 2023 - Juillet 2024

• Expansion du Corpus Naija Syncor : Multiplication par deux de la taille du corpus grâce à la collecte et l’intégration de nouvelles données.

• Implémentation d’Outils ASR : Utilisation d’outils de reconnaissance automatique de la parole tels que SPPAS pour extraire et analyser les données intonatives via des scripts Python.

• Automatisation : Mise en place de scripts Python pour automatiser l’alignement audio-transcription, optimisant ainsi le temps d’annotation.

• Mise à Jour des Données Prosodiques : Création d’un outil pour actualiser les données prosodiques dans les fichiers CoNLL-U.

• Modélisation avec Whisper : Utilisation de modèles Whisper fine-tunés pour l’entraînement sur la détection des pauses.

Ingénieure TAL - Stagiaire

Laboratoire Modyco (CNRS), Nanterre | Juin 2023 - Juillet 2023

• Conception d’un Lexique Prosodique : Élaboration d’un lexique prosodique du Naija.
• Enrichissement des Données : Identification des schémas prosodiques (semi-tons, durées, pentes) pour enrichir les données.
• Publication : Présentation du lexique dans un article soumis aux conférences LREC-COLING 2024 et TALN.
• Arbres de Décision : Développement d’arbres de décision pour catégoriser les lemmes en fonction de leurs caractéristiques prosodiques, avec automatisation sous Python et expérimentation avec Scikit-Learn.

Projets Académiques

Extraction de Mots-Clés : TF-IDF vs. LDA

Avril 2024

• Développement de Modèles : Création de modèles TF-IDF et LDA pour l’extraction de mots-clés.
• Comparaison des Performances : Évaluation avec des métriques telles que précision, rappel et F-mesure.
• Technologies Utilisées : Scikit-learn, Gensim, NLTK, Pandas.
• Compétences Développées : Esprit d’équipe, autonomie, rédaction.

Évaluation d’OpenNMT (Deep Learning)

Avril 2024

• Analyse de Corpus : Évaluation d’OpenNMT avec des corpus lemmatisés et non lemmatisés.
• Métriques d’Évaluation : Utilisation des scores BLEU, METEOR, BERT pour l’analyse des résultats.
• Technologies Utilisées : OpenNMT PyTorch, NLTK, Scikit-learn.
• Compétences Développées : Esprit d’équipe, autonomie, rédaction.

Multi-Classification de Texte par Langue

Mai 2024

• Extraction de Données : Récupération de données textuelles multilingues depuis Wikipédia.
• Prétraitement : Nettoyage et normalisation des données textuelles.
• Analyse Morphosyntaxique : Utilisation de Stanza et SpaCy pour l’analyse.
• Modélisation : Évaluation des performances d’un modèle de classification multilingue.

De Flaubert à Flaubert

Octobre 2024

• Collecte de Données : Téléchargement des œuvres de Flaubert depuis le Projet Gutenberg.
• Nettoyage et Structuration : Traitement des textes pour une analyse stylistique.
• Analyse Linguistique : Utilisation de modèles pré-entraînés comme FlauBERT.
• Préparation des Données : Lemmatisation et tokenisation pour des analyses approfondies.

La Chasse au Papyrus

Novembre 2024

• Web Scraping : Développement de scripts pour collecter des données textuelles en ligne.
• Analyse de Corpus : Exploration des caractéristiques du corpus via des outils de visualisation.
• Interface Utilisateur : Création d’une interface avec Streamlit pour la visualisation des résultats.

Création d’un OCR Chinois

Octobre 2024

• Entraînement de Modèles : Développement d’un modèle CRNN pour la reconnaissance de caractères.
• Comparaison de Modèles : Évaluation des performances entre Tesseract, EasyOCR et Llava2.
• Technologies Utilisées : Python, PyTorch, Scikit-learn, Pandas, Matplotlib.

Formations

Master TAL Spécialité Ingénierie Multilingue

Inalco, Paris | Septembre 2023 - Décembre 2025

• Modules Clés :
• NLP avec Python
• Machine & Deep Learning (IA)
• Statistiques et Probabilités
• Linguistique
• Développement Web (HTML/CSS/JS)
• Programmation Objet (C++/C#)

LLCER Chinois Spécialité TAL

Inalco, Paris | Septembre 2020 - Juillet 2023

Compétences

Informatique

• Langages de Programmation :
  • Python (intermédiaire)
  • C++ (débutant)
  • C# (débutant)
  • SQL (débutant)
  • Bash (débutant)
• Technologies Web :
  • HTML/CSS (intermédiaire)
• Contrôle de Version :
  • Git (intermédiaire)
• Outils NLP :
  • NLTK, SpaCy
  • PyTorch, TensorFlow
  • Pandas, Scikit-Learn
• Outils Divers :
  • SPPAS (débutant)
  • Praat (débutant)

Soft Skills

• Persévérance
• Autonomie
• Rigueur
• Curiosité
• Esprit d’équipe

Langues

• Français : Langue maternelle
• Anglais : Niveau C1
• Chinois : Niveau B2