Moteur d'Inférence LLM
Voir le code →Pipeline d'inférence haute performance optimisé pour les modèles d'IA profonde avec stratégies de quantification et de batching personnalisées.
PythonCUDAvLLMPyTorch
En coursConstruire des systèmes minimaux à l'intersection de la physique, des mathématiques et des machines intelligentes.
Amine B.H.T
À propos
Étudiant ingénieur à l'École polytechnique de Bruxelles, spécialisé en physique appliquée et mathématiques appliquées. Attiré par les problèmes où la science fondamentale rencontre les systèmes pratiques.
Actuellement concentré sur l'intelligence artificielle et les grands modèles de langage, la finance quantitative et les systèmes de trading, ainsi que la robotique aérienne autonome incluant le FPV et les architectures de drones non conventionnelles.
Je construis des choses qui fonctionnent avec une complexité minimale.
Domaines de Travail
IA / ML
- Fine-tuning & inférence de petits LLMs (3–7B)
- Systèmes de génération augmentée par récupération (RAG)
- Pipelines de vision par ordinateur (YOLO)
- Entraînement, évaluation et déploiement de modèles
Trading
- Structure de marché & systèmes prédictifs
- Stratégies algorithmiques et arbitrage
- Backtesting et simulation (Python)
Ingénierie
- Systèmes de drones FPV & autonomes (10+ ans)
- Stacks de vol & systèmes RC (Betaflight, EdgeTX)
- Modélisation physique (nucléaire, thermique)
- Détection thermique & interprétation de signaux
- Programmation système (Python, Rust)
En Construction
Contrôleur de Drone Autonome
Voir le code →Un projet signature : contrôleur de vol personnalisé avec fusion de capteurs temps réel, planification de trajectoire et évitement d'obstacles. Construit sur 10+ ans d'expérience FPV.
C++EmbeddedBetaflightROS
Projet signatureSystème de Trading Quantitatif
Voir le code →Framework de trading algorithmique avec traitement de données de marché en temps réel, moteur de backtesting et gestion des risques.
PythonNumPyPandasWebSocket
PlanifiéMoteur de Simulation Physique
Voir le code →Simulateur physique conçu spécifiquement pour les environnements d'entraînement ML, privilégiant la vitesse et l'évolutivité à la précision généraliste.
RustWGPUWASMWebGL
PlanifiéVision
Quelques idées que je trouve dignes d'exploration :
La convergence de la simulation basée sur la physique et des modèles appris redéfinira ce que nous considérons comme 'intelligence.' Les systèmes qui comprennent les contraintes physiques à partir de principes premiers, plutôt que par correspondance de motifs à partir de données, surpasseront sur les cas limites qui comptent.
Les marchés sont des systèmes d'information. L'avantage n'est pas dans plus de données—c'est dans des modèles plus rapides et plus précis de la façon dont l'information se propage et se transforme en prix.
Les drones sont sous-estimés comme plateformes de recherche en systèmes autonomes. Calcul contraint, exigences temps réel et physique impitoyable créent des conditions idéales pour développer une IA robuste.
L'avenir appartient à ceux qui peuvent construire des systèmes complets avec des ressources minimales. La complexité est un handicap. La simplicité qui performe est l'objectif.
Formation
En cours
Diplôme d'Ingénieur
l'École polytechnique de Bruxelles — Physique Appliquée & Mathématiques Appliquées
Contact
Pour collaboration, opportunités de recherche ou problèmes intéressants :