Goh Kun Ming

Pocket Edition

Recherche en IA · Étudiant en IA appliquée et analytique

Explorez avec la barre rapide ou le menu. Clavier : 1–9 · M pour creuser.

Profil du joueur

Je suis Kun Ming, étudiant en troisième année d’Applied AI & Analytics à Singapore Polytechnic, avec une expérience de stage à RSAF RAiD. J’explore les systèmes intelligents, la sûreté et la gouvernance de l’IA ainsi que l’informatique quantique, et j’aspire à une carrière dans la recherche en IA et le monde universitaire.

ClasseRecherche en IA

ÉtudesIA appliquée et analytique · Troisième année

Point d’apparitionSingapour

DomainesIA · Données · Quantique · Cloud

Pourquoi Minecraft ?

Minecraft fait partie de mon histoire : mes amis du polytechnique et moi avons géré un serveur ensemble en deuxième année. Ce monde apporte cette même curiosité, cette créativité et cet esprit de construction collective à mes projets et recherches.

Voir le parcours

Ma boussole

Mes piliers

L’Éducation, la Pratique et le Service reposent sur l’Investigation Savante et soutiennent l’Avancement des Connaissances.

Sélectionnez un pilier ou une branche pour lire sa philosophie.

.pillar-interactions { display: none !important; }

Avancement des Connaissances

Élargissement discipliné et cumulatif de la compréhension humaine par l’investigation, l’application et la réflexion.

Les connaissances ne progressent ni par la seule nouveauté, ni par une accumulation dépourvue de discernement. Elles avancent grâce à l’affinement patient des questions, à la correction des erreurs et à l’élargissement prudent de la compréhension au-delà de ses limites initiales. Élargir les connaissances, c’est clarifier ce qui est obscur, mettre à l’épreuve ce qui est présumé et rendre l’incertain plus intelligible. L’avancement des connaissances n’est donc pas simplement productif : il est aussi correctif, cumulatif et tenu de répondre à l’exigence de vérité.

Éducation

Formation de l’intellect par l’apprentissage et l’enseignement dans un partenariat discipliné.

L’éducation ne consiste pas en la simple transmission d’informations, mais en la formation de l’esprit lui-même. Elle vise à cultiver des habitudes de précision, de cohérence et d’attention disciplinée. Une véritable éducation renforce le jugement, affine le discernement et développe la capacité à aborder la complexité sans précipitation. Son but n’est pas l’accumulation, mais la formation du caractère intellectuel.

Enseignement

Développement ordonné d’une pensée disciplinée par un enseignement responsable.

Enseigner est une lourde responsabilité : structurer les connaissances afin qu’elles puissent être comprises sans déformation. Cela exige une exposition claire, la fidélité à la vérité et de la retenue dans la spéculation. La tâche de l’enseignant n’est pas d’impressionner, mais d’éclairer et de discipliner la pensée pour qu’elle puisse se tenir de façon autonome.

Apprentissage

Développement continu de la profondeur, du jugement et de la maturité intellectuelle.

Apprendre, c’est élargir délibérément son horizon intellectuel. Cela demande un effort soutenu, la confrontation à la difficulté et une ouverture à la correction. Bien apprendre, c’est supporter l’incertitude sans reculer et affiner sa compréhension par la révision et la réflexion.

Pratique

Traduction disciplinée de l’investigation en recherche et en exécution ordonnée.

La pratique veille à ce que l’investigation ne reste ni abstraite ni détachée de ses conséquences. Elle lie la théorie à l’examen et la compréhension à la responsabilité. Les idées n’acquièrent leur autorité que lorsqu’elles sont confrontées aux éléments probants et mises en œuvre avec précision. La pratique discipline ainsi la spéculation et oblige le savoir à répondre de la réalité.

Recherche

Investigation systématique visant un élargissement responsable des connaissances.

La recherche est la quête structurée de réponses à des questions encore non résolues. Elle exige une formulation claire, une méthode transparente et une interprétation honnête. Elle élargit la compréhension non par l’affirmation, mais par des éléments probants recueillis avec discipline et un raisonnement attentif. Sa légitimité repose sur la rigueur et l’intégrité intellectuelle.

Mise en œuvre

Application prudente des connaissances au sein de systèmes structurés et opérationnels.

La mise en œuvre est l’incarnation ordonnée des connaissances dans des systèmes qui fonctionnent dans le monde. Elle exige une compétence technique gouvernée par la prudence. L’application sans réflexion est téméraire ; la réflexion sans application est stérile. L’intégrité du savoir est préservée lorsque le jugement discipline l’exécution.

Service

Extension responsable des connaissances au service du bien des institutions et de la société.

Le service reconnaît que le savoir s’accompagne d’obligations. L’activité savante est soutenue par les institutions, les communautés et les traditions ; elle doit donc leur restituer le fruit de son travail. Le service ne dilue pas le sérieux intellectuel : il l’étend à une responsabilité partagée. Le savoir isolé de la responsabilité devient stérile ; orienté vers le bien commun, il gagne en portée et en maturité.

Impact

Conséquence mesurée et constructive d’une pensée disciplinée.

L’impact n’est ni un spectacle ni une simple visibilité. C’est l’effet démontrable et constructif d’une pensée appliquée avec intégrité. Le véritable impact ne se mesure pas aux applaudissements, mais à l’amélioration durable des systèmes, des institutions et de la compréhension.

Engagement

Participation active à la vie intellectuelle et civique des institutions et des communautés.

L’engagement consiste à participer à la vie commune du monde savant et de la société. Il comprend la collaboration, le mentorat, la contribution aux institutions et le raisonnement public. Le savoir grandit en communauté : il s’affine par le dialogue et se maintient grâce à l’effort partagé.

Investigation Savante

Quête indépendante et disciplinée de la vérité par une investigation rigoureuse et ordonnée.

L’investigation savante commence par l’indépendance intellectuelle et le refus de soumettre son jugement à l’autorité, à l’habitude ou à la facilité. Elle repose sur une méthode disciplinée, se guide sur la clarté du raisonnement et reste encadrée par la responsabilité éthique. L’investigation exige plus que de la curiosité : elle demande de la structure, de la patience et le courage de réviser ses propres conclusions. Son but n’est pas de persuader, mais de comprendre. Sans investigation, le savoir se fige. Grâce à elle, la compréhension s’approfondit et mûrit.

Ce qui me guide

Je souhaite comprendre comment l’IA se comporte, pourquoi elle se comporte ainsi et ce qui la rend fiable, interprétable et responsable dans son usage. La transparence, la responsabilité et l’équité comptent pour moi. J’apprends en posant des questions, en testant des idées et en examinant attentivement les éléments probants.

La direction que je souhaite prendre

Mon objectif à long terme est une carrière dans la recherche en IA et le monde universitaire : mener des recherches et, à terme, enseigner et accompagner de futurs chercheurs. J’accorde aussi de la valeur aux amitiés, au temps en famille et à l’équilibre qui me permettent de garder les pieds sur terre.

Enchantements

Python et SQL Code

Programmation · Transformer les données brutes en outils réutilisables avec Python, SQL et des structures de données claires.

Science des données et statistiques Données

Analytique · Utiliser pandas, NumPy et les statistiques pour nettoyer les données, explorer les tendances, créer des variables et évaluer les modèles.

Apprentissage automatique et profond IA

Intelligence artificielle · Comparer des modèles scikit-learn et des réseaux neuronaux pour la classification, la régression et la vision par ordinateur avec TensorFlow et PyTorch.

IA générative IA gén.

Intelligence artificielle · Créer des assistants utilisant la génération augmentée par récupération avec Amazon Bedrock et explorer les GAN et les VAE pour générer des caractères manuscrits.

IA agentique et RAG RAG

Intelligence artificielle · Cours de LangChain et LangGraph, ainsi que recherche fondée sur des sources avec état conversationnel dans le guide IA de ce portfolio.

Ingénierie des données et BI Données

Analytique · Créer des pipelines de données avec Python, SQL et PySpark et présenter les résultats avec Dash, Power BI et Tableau.

Informatique quantique QML

Recherche · Simulations Qiskit et expériences de modèles génératifs hybrides quantiques-classiques.

Web et API Web

Développement · Relier les modèles à des applications utilisables avec Flask, FastAPI et React.

Cloud et MLOps Ops

Infrastructure · Docker, AWS, Git et processus reproductibles de test et de déploiement de modèles.

IA responsable Éthique

Gouvernance · Prendre en compte la confidentialité des données, les limites de l’évaluation et la supervision humaine, en plus des performances du modèle.

I–X sont les emplacements de l’inventaire. Les barres indiquent les outils équipés.
Sélectionnez un enchantement pour en voir les détails.

Coffre — Mes réalisations

Découvrez tous les projets présentés sur LinkedIn, des travaux de cours aux projets de recherche.

Rechercher des projets Catégorie de projet 48 projets affichés sur 48

Policy Intelligence

mars 2025 – Aujourd’hui

Une plateforme reproductible de recherche historique sur la sécurité et les politiques publiques, combinant pipelines de données, apprentissage automatique, analyse géospatiale, graphes et recherche documentaire encadrée. Un serveur FastAPI et un tableau de bord React permettent une exploration agrégée. Le projet présente des associations, et non des effets causaux des politiques, et ne revendique aucune qualité de modèle sans les données sous licence et les résultats figés.

Construit un panel pays-année couvrant 1996–2021, reliant les conséquences des incidents aux indicateurs de gouvernance.
Implémenté des étiquettes adaptatives de gravité des victimes par regroupement et règles de repli déterministes.
Configuré la régression logistique, Random Forest et Extra Trees avec un prétraitement commun et un suivi des expériences.
Rédigé 12 carnets de recherche sur la qualité des données, les prévisions, les modèles, les graphes, la recherche documentaire et la supervision.
Ajouté des réponses d’API bornées et des garde-fous limitant l’usage à la recherche historique sur des données agrégées.

Code source Lire sur LinkedIn

Cross-Site RF Drone Detection and Classification

mai 2026 – août 2026

Une étude examinant si les classifieurs de drones par radiofréquence se généralisent à différents sites de collecte. Elle compare les représentations du signal et distingue la détection de drones de la classification d’identités connues. L’évaluation présentée n’a pas satisfait tous les critères intersites ; aucune performance indépendante du lieu, aptitude à publication ou capacité de déploiement n’est donc revendiquée.

Audité 1,253 captures actives sur quatre sites et isolé les sessions non valides.
Converti les captures en fenêtres de signal cohérentes et en représentations PSD/STFT.
Préenregistré l’évaluation sur un site réservé, les seuils et les critères d’acceptation, sans réglage sur ce site.
Comparé les représentations PSD, STFT et combinées avec des estimations d’incertitude tenant compte des groupes.
Évalué séparément les cas d’identité connue et inconnue.
Documenté les critères d’acceptation non satisfaits et les limites de déploiement et de généralisation.

Lire sur LinkedIn

Multi-Modal Low-Altitude Drone Detection and Digital Twin

avr. 2026 – août 2026

Une étude de détection par caméra événementielle, accompagnée de l’intégration d’interfaces de capteurs événementiels, thermiques et RF et d’un détecteur RGB distinct. Les résultats du modèle concernent la branche événementielle hors ligne ; les autres capteurs n’étaient pas des entrées d’une fusion apprise. L’aptitude aux caméras en direct et à un système fusionné opérationnel n’est pas établie.

Intégré trois interfaces de capteurs et documenté les entrées, sorties et limites de transfert du modèle.
Converti 231 séquences FRED en 630,340 images d’empilements d’événements causaux, avec des partitions séparées par séquence.
Audité les annotations, images, boîtes projetées et tuiles avant l’évaluation.
Comparé des entraînements YOLO et RF-DETR et des configurations d’images assemblées.
Choisi un point de fonctionnement réduisant les faux positifs au prix d’une certaine exactitude de détection.
Documenté les temps GPU hors ligne, les limites du filtre de pluie et l’absence de validation du système en direct.

Lire sur LinkedIn

Satellite-to-Simulation Data Pipeline

avr. 2026 – août 2026

Un pipeline encadré d’imagerie satellitaire convertissant des annotations hétérogènes en résultats de segmentation, classification et contexte. Il associe une correspondance cohérente des étiquettes, des caractéristiques géométriques et des contrôles qualité traçables pour préparer les données destinées à la recherche liée à la simulation.

Harmonisé les annotations raster, COCO, XML, TXT et GeoJSON sans accepter silencieusement les étiquettes ambiguës.
Préparé 13,487 échantillons de segmentation et 56,096 lignes de classification dans 14 répertoires racines de jeux de données.
Normalisé une classe d’arrière-plan et 19 classes de premier plan.
Dérivé les composantes géométriques, les arêtes topologiques et les caractéristiques contextuelles.
Produit des journaux de provenance, des inventaires structurés, des rapports par étape et 117 aperçus de contrôle qualité visuel.
Vérifié l’alignement image-masque et les fuites dues aux images dupliquées, en isolant les données illisibles.

Lire sur LinkedIn

Tri-Modal Runway Inspection and Abnormality Detection

avr. 2026 – août 2026

Une étude simulée d’inspection de pistes comparant des stratégies de détection et de fusion RGB, thermiques et LiDAR. Les échantillons UE5/AirSim permettent des expériences reproductibles et l’examen de la provenance. Les diagnostics antérieurs à l’audit ont révélé des échecs de détection ; le travail est donc présenté comme une étude de recherche, et non comme un système d’inspection déployable.

Capturé 1,442 échantillons simulés dans 14 conditions, avec des annotations de fissures et de nids-de-poule.
Maintenu une distinction entre les sorties thermiques issues des modèles et les détections issues de règles.
Comparé les stratégies à un capteur, par paires et par fusion de trois capteurs.
Séparé les séquences d’entraînement et d’évaluation réservée, en limitant les réglages aux données d’entraînement.
Estimé l’incertitude par une analyse bootstrap regroupée par séquences.
Suivi les artefacts bruts et les décisions d’acheminement, tout en consignant les limites révélées par l’évaluation.

Lire sur LinkedIn

YOLO Leaf Object Detection Pipeline

juil. 2026

Un processus reproductible de détection de feuilles combinant PlantVillage, PlantDoc et des exemples négatifs difficiles générés. Il prépare et valide les données, configure l’entraînement YOLO et fournit des points d’intégration pour l’export et l’inférence dans le navigateur. Aucun poids entraîné ni résultat réservé inclus ne démontre l’exactitude, la latence ou l’aptitude à la production du détecteur.

Préparé 57,164 images et 63,225 boîtes dans des partitions déterministes d’entraînement, de validation et de test.
Converti les annotations Pascal VOC en coordonnées YOLO normalisées.
Généré des noms de fichiers résistants aux collisions entre jeux de données sources.
Validé les paires image-étiquette, les identifiants de classe, les coordonnées et les fuites entre partitions avant l’entraînement.
Configuré trois candidats YOLO, un entraînement de contrôle borné et des points d’intégration pour l’export ONNX.
Séparé les tests des outils de données de la préparation des données externes et de l’entraînement GPU.

Code source Lire sur LinkedIn

Sentinel Endpoint Framework (SEF)

juin 2025 – juin 2026

Un superviseur local de postes et un tableau de bord de contrôle en Rust, utilisant la présence d’une clé physique, des commandes protégées par code PIN et des traces d’audit. Il permet une maintenance réversible et une récupération contrôlée par l’utilisateur, avec un repli Python pendant la migration. Les modules de protection avancés restent des concepts préliminaires au-delà du superviseur implémenté en mode utilisateur.

Implémenté l’interrogation périodique de la présence de la clé, des délais de grâce et des demandes de verrouillage sûr en cas de défaillance.
Ajouté une vérification du PIN avec sel, des sessions d’autorisation courtes et une récupération commençant par le verrouillage et exigeant la clé physique.
Construit un tableau de bord localhost pour l’enregistrement des clés de confiance, l’état de protection et les commandes de maintenance.
Consigné les changements de présence des clés, les modifications de configuration et les événements d’autorisation et de récupération.
Conditionné des commandes réversibles de démarrage Windows et un état borné pour les politiques de longue durée.
Distingué sept familles de contrôles préliminaires des fonctionnalités implémentées à l’aide d’un modèle de menace explicite.

Code source Lire sur LinkedIn

VeggieAI

janv. 2026 – févr. 2026

VeggieAI relie la classification d’images de légumes à la consultation des prix, à un historique authentifié et à une assistance conversationnelle. Une application Flask utilise un service de modèles distinct reposant sur un registre. Deux paquets de modèles chargeables de façon reproductible sont documentés, mais les affirmations d’exactitude et de latence sur données réservées ne sont pas étayées par des artefacts d’entraînement et d’évaluation inclus.

Séparé l’application web et le service d’inférence dans une architecture conteneurisée à deux images.
Défini des contrats de modèles distincts à quatre et cinq étiquettes, avec un prétraitement propre à chaque modèle.
Validé les manifestes, étiquettes, chemins des paquets et sommes de contrôle avant la mise à disposition.
Rejeté les dimensions d’image, canaux et profils de normalisation incompatibles avant l’inférence.
Exercé les interfaces d’état, de métadonnées et de prédiction par des tests élémentaires du service.
Maintenu les intégrations OpenAI, Roboflow, courriel et modèles distants facultatives et explicitement configurées.

Code source Lire sur LinkedIn

RAG-Powered Food Waste Reduction System

oct. 2025 – févr. 2026

FoodBot est un concept d’assistant conversationnel contre le gaspillage alimentaire sur le campus, développé par conception centrée sur l’utilisateur, retours de vendeurs et analyse de faisabilité. Il explore des conseils de préparation pour les vendeurs et de meilleures décisions de tri pour les étudiants et le personnel, selon l’heure, le lieu, les déchets et le calendrier universitaire. Il s’agit d’une proposition, pas d’un service déployé ni d’une réduction mesurée du gaspillage.

Analysé les tendances du gaspillage alimentaire sur le campus et les lacunes opérationnelles des approches existantes.
Pris en compte les vendeurs, agents d’entretien et consommateurs pour définir le problème à l’échelle du système.
Appliqué le cadre S.P.I.C.E. pour étudier les facteurs comportementaux.
Développé des profils d’utilisateurs et un concept d’interaction conversationnelle demandant peu d’effort.
Esquissé des conseils de préparation, des rappels de tri et des incitations comportementales.
Relié la proposition à la consommation responsable et aux objectifs de durabilité du campus.

Lire sur LinkedIn

Student Risk Analytics

janv. 2026 – févr. 2026

Une application Dash interactive explorant les résultats étudiants, l’assiduité, les enquêtes et les tendances par cohorte. Elle réunit les sources en instantanés du dernier semestre et en vues de révision transparentes. Les seuils configurables de moyenne et d’assiduité offrent des heuristiques d’aide à la décision non diagnostiques ; ils n’établissent ni facteurs de risque causaux ni interventions efficaces.

Fusionné les profils étudiants, résultats, enquêtes et codes de cours, puis unifié les libellés de période pour le filtrage.
Créé des instantanés du dernier semestre et trois niveaux de révision configurables.
Construit des vues de cohortes, tendances, flux de risque, facteurs de soutien et priorités.
Exposé les filtres et les seuils pour permettre aux évaluateurs d’examiner les changements de regroupement.
Vérifié les contrats des classeurs, le recoupement des identifiants, les données manquantes et les doublons.
Documenté une configuration reproductible de l’application et validé les fonctions auxiliaires d’analyse.

Code source Lire sur LinkedIn Présentation PowerPoint

Trip Safety Prediction System

janv. 2026 – févr. 2026

Une application Windows hors ligne convertissant les relevés de capteurs de véhicules en classes de sécurité par trajet grâce à un pipeline d’arbre de décision intégré. Les prédictions par lot suivent un contrat de caractéristiques défini, tandis que les résultats individuels sont clairement désignés comme des replis heuristiques. L’inférence reproductible est démontrée ; les éléments inclus n’établissent pas la qualité prédictive sur données réservées.

Validé les marqueurs de valeurs manquantes, l’exactitude GPS, les orientations et les champs numériques obligatoires.
Dérivé 19 caractéristiques par trajet couvrant durée, mouvement, vitesse et qualité des capteurs.
Produit des sorties par lot SAFE ou DANGEROUS issues du modèle, avec des étiquettes précisant la source de l’inférence.
Séparé l’agrégation du trajet complet du mode heuristique à enregistrement unique.
Intégré le modèle et les ressources d’interface dans un exécutable Windows.
Vérifié le nettoyage, l’agrégation, la persistance, les parcours de bureau et l’inférence empaquetée par des tests automatisés.

Code source Lire sur LinkedIn

Wage Modelling & Regression Analysis

oct. 2025 – févr. 2026

Une étude de régression transparente utilisant des données salariales et un petit exemple dérivé d’heures supplémentaires. Elle relie dérivation analytique, descente de gradient construite de zéro, mise à l’échelle des caractéristiques et vérifications statistiques. Les améliorations présentées concernent la convergence du calcul, et non la généralisation prédictive ; l’exemple à deux caractéristiques ne contient que dix lignes dérivées.

Implémenté en Python des régressions passant par l’origine, avec ordonnée à l’origine et pente, et à deux caractéristiques.
La description du projet sur LinkedIn rapporte la comparaison de dix taux d’apprentissage communs au moyen de 20 ajustements déterministes.
La description du projet sur LinkedIn rapporte une réduction des itérations de convergence de 173 à deux et de 401 à 59, dans les tolérances d’erreur indiquées.
Vérifié les objectifs ajustés par comparaison avec des solutions analytiques de moindres carrés et Minitab.
Ajouté des tests de reproductibilité et de garde-fous avec des dérivations et sources documentées.

Fichiers du projet

Les fichiers originaux des projets sont en anglais.

Rapport du projet

PDF · 527 kB

Voir le PDF Télécharger le PDF

Code source Lire sur LinkedIn

Driver Safety Analytics Platform

oct. 2025 – déc. 2025

Un pipeline d’ingénierie des données de sécurité routière transférant conducteurs, capteurs et étiquettes de sécurité depuis une zone MySQL, via Python et PySpark, vers un entrepôt en étoile. Il prépare les données et artefacts Power BI pour l’analyse exploratoire, avec orchestration sûre en ligne de commande et vérifications hors ligne, sans revendiquer une échelle de production ni un effet sur la sécurité.

Modélisé les dimensions des conducteurs et des capteurs de trajet, reliées aux étiquettes de sécurité par réservation.
Appliqué la normalisation des schémas, la déduplication, le traitement des valeurs manquantes et la validation par règles.
Dérivé l’amplitude d’accélération, sa variation, les agrégats par trajet et des indicateurs comportementaux.
Implémenté des diagnostics IQR et de reconstruction PCA pour les relevés de capteurs inhabituels.
Ajouté une validation de l’environnement, des simulations d’exécution et un accès volontaire aux bases de données actives.
Conservé les carnets, le SQL, les artefacts Power BI et la documentation d’architecture, de confidentialité et d’exploitation.

Code source Lire sur LinkedIn Rapport écrit Présentation PowerPoint Rapport du projet

HDB Resale Explorer

oct. 2025 – déc. 2025

Un pipeline d’analyse de marché prêt pour Tableau, explorant l’accessibilité financière, la valeur et les compromis de localisation des reventes HDB à Singapour. Le nettoyage reproductible et l’enrichissement géospatial alimentent des données validées et un tableau de bord empaqueté. Les mesures conservent leurs périodes déclarées et distinguent les évolutions annuelles de la croissance à plus long terme.

Normalisé les libellés de quartier, rue, type de logement, étage, modèle et bail.
Corrigé les anomalies de surface documentées et supprimé les doublons.
Validé les jeux de données canoniques et enrichis de 202,461 et 216,695 lignes.
Dérivé les champs de prix par surface, bail, période de transaction et contexte de localisation.
Construit un classeur Tableau comparant quartiers, types de logements et besoins des ménages.
Conservé les carnets, la méthodologie, les notes sur les sources, les rapports et les supports de présentation.

Fichiers du projet

Les fichiers originaux des projets sont en anglais.

Présentation originale du travail de cours

PDF · 2.8 MB

Voir le PDF Télécharger le PDF

Code source Lire sur LinkedIn Présentation PowerPoint Rapport écrit

Multimodal Property Price Prediction System

oct. 2025 – déc. 2025

EstateScope AI est un prototype Flask d’estimation immobilière aux États-Unis, associant annonces structurées et signaux facultatifs de descriptions et d’images. Il propose historique de prédictions, interfaces analytiques, dialogue immobilier et gouvernance des modèles. Le composant textuel bénéficie d’une évaluation réservée bornée, mais aucune preuve comparable d’amélioration multimodale ou d’exactitude en production n’est établie.

Préparé des ensembles textuels d’entraînement, de validation et de test séparés pour éviter les fuites.
Évalué le composant textuel sur 1,517 exemples réservés avec un artefact de modèle figé.
Présenté les estimations par modalité et calculé la moyenne uniquement sur les entrées disponibles à l’inférence.
Vérifié les sommes de contrôle, le chargement et la compatibilité des modèles inclus.
Construit des interfaces bornées de tendances et de distributions avec un historique authentifié.
Documenté la promotion des modèles, le retour arrière, l’état des conteneurs et l’absence de preuves d’évaluation multimodale.

Code source Lire sur LinkedIn

Data Storytelling on AR Gaming Pilot with Current Affairs Insights

juil. 2025 – août 2025

Un récit de données Power BI et une présentation d’équipe proposant des lieux pour un projet pilote de jeu en réalité augmentée. Les observations démographiques, d’accessibilité et de jeu orientent la recommandation, avec certains Objectifs de développement durable comme contexte pédagogique.

Développé un récit de données convaincant à partir d’une analyse antérieure.
Affiné les tableaux de bord Power BI, les repères visuels et la progression narrative.
Comparé les éléments démographiques, d’accessibilité et de comportement de jeu pour Catch & Go.
Réalisé une présentation d’équipe de 15 minutes et répondu aux questions des parties prenantes.
Recommandé des lieux pilotes à Singapour et relié la proposition à certains Objectifs de développement durable.

Lire sur LinkedIn

Diploma in Applied AI & Analytics Promotion Video

juil. 2025 – août 2025

Une courte vidéo promotionnelle présentant le Diploma in Applied AI & Analytics à un public de 16–21 ans. Le projet combine narration adaptée au public, choix de plateformes et création responsable de contenu numérique.

Produit une vidéo présentant le diplôme à un jeune public.
Appliqué les cadres PAC et HoMA pour développer le récit et les accroches initiales.
Évalué les plateformes sociales adaptées au public visé.
Pris en compte le droit d’auteur, l’attribution et l’utilisation responsable des outils d’IA.
Expliqué les choix créatifs, l’approche de diffusion et l’éthique numérique lors d’une séance de questions-réponses.

Voir la vidéo du projet Lire sur LinkedIn

Handwritten Character Lab

juil. 2025 – août 2025

Un laboratoire de modélisation générative pour 16 classes sélectionnées d’EMNIST Letters, conservant les carnets pédagogiques et des outils Python réutilisables. Il explore huit familles GAN et des extensions variationnelles ou conditionnelles. Des outils d’évaluation sont fournis, mais les points de contrôle inclus et les résultats à plusieurs graines ne permettent pas de désigner un modèle gagnant.

Configuré des entrées en niveaux de gris, des vecteurs latents et des paramètres expérimentaux cohérents et reproductibles.
Implémenté huit familles GAN avec des extensions variationnelles et conditionnelles.
Ajouté des outils FID, KID, de diversité, d’effondrement des modes et d’analyse des représentations vectorielles.
La description du projet sur LinkedIn rapporte la validation des effectifs, des valeurs finies, des dimensions et de la structure de covariance avant le calcul des métriques.
Documenté les limites des extracteurs de caractéristiques d’images naturelles pour de petites lettres manuscrites.
Conservé le carnet original et les sections de recherche sans sorties, avec des tests de prétraitement et d’intégrité.

Code source Lire sur LinkedIn

Newspaper Restoration System using Prefix Tries

juil. 2025 – août 2025

Une boîte à outils Python explicable en ligne de commande pour restaurer des textes incomplets de journaux historiques. Chaque joker représente un caractère manquant ; recherche dans un trie de préfixes, suggestions classées et recherche approchée facilitent la récupération. L’inspection visuelle et les tests automatisés expliquent le comportement sans revendiquer une exactitude mesurée sur un corpus de référence.

Implémenté des stratégies de récupération par joker exact, sous-arbre et distance d’édition.
Classé les suggestions exactes et approchées de façon déterministe.
Ajouté l’édition par lot des préfixes et suffixes avec stockage persistant du vocabulaire.
Visualisé la topologie du trie, les relations de similarité et la structure de cooccurrence.
Séparé stockage, fichiers, restauration, graphes et interaction console en composants testables.
Fourni des parcours en ligne de commande pour l’édition, la recherche, le traitement par lot, la visualisation et la récupération.

Code source Lire sur LinkedIn

Pendulum Learning Lab

juil. 2025 – août 2025

Un laboratoire d’apprentissage par renforcement comparant les DQN Standard, Double, Dueling et Rainbow sur Pendulum-v1. Le couple continu est converti en actions discrètes, avec des composants réutilisables de rejeu, d’entraînement, d’évaluation et de réglage. Les essais locaux élémentaires sont distingués des études complètes ; aucune supériorité de récompense à graines multiples comparables ni stabilité de contrôle n’est revendiquée.

Converti le couple continu en intervalles d’actions discrètes pour l’apprentissage fondé sur la valeur.
Configuré des expériences avec graines, tampons de rejeu, préchauffage et mises à jour du réseau cible.
Ajouté le rejeu prioritaire et les sorties distributionnelles pour Rainbow DQN.
Fourni des résumés de récompense, analyses de courbes d’apprentissage, exécutions gloutonnes et vues comparatives.
Séparé les essais élémentaires bornés de la configuration complète de l’étude à 500 épisodes.
Validé les outils expérimentaux et l’intégrité des carnets en documentant l’absence d’exécutions comparables à graines multiples.

Code source Lire sur LinkedIn

AI-Powered Haiku Generator

avr. 2025 – mai 2025

Un outil de haïku en ligne de commande combinant transformations de mots, génération de Markov sensible aux syllabes et narration facultative. Le projet explore comment des règles linguistiques explicites et une génération bornée peuvent produire un poème reproductible de 5–7–5 syllabes.

Construit des modes de synonymes, de synonyme le plus court, d’antonymes et de permutation par lot avec gestion de la ponctuation et des majuscules.
Implémenté une génération de Markov sensible aux syllabes, avec tentatives limitées et solutions de repli pour la structure 5–7–5.
Ajouté une narration WAV facultative assemblée à partir de clips audio par mot.
Séparé les lignes tokenisées, l’indexation des mots-clés, le comptage des syllabes, le dictionnaire de synonymes, la génération de haïkus et les fichiers en six abstractions.
Validé les entrées en ligne de commande et la disponibilité des fichiers, et ajouté 16 tests avec 54% de couverture.
Consigné un exemple déterministe 5–7–5 issu d’un corpus de 12 lignes ; il démontre le processus de génération, et non une qualité poétique générale.

Fichiers du projet

Les fichiers originaux des projets sont en anglais.

Rapport du projet

PDF · 1.1 MB

Voir le PDF Télécharger le PDF

Code source Lire sur LinkedIn

CNN Image Classification on Multi-Resolution Vegetable Dataset

avr. 2025 – mai 2025

Une étude de classification d’images de légumes comparant des architectures convolutives à deux résolutions et avec différents paramètres d’augmentation. Elle associe correction des données, prétraitement répétable et évaluation de résultats expérimentaux historiques.

Comparé 11 classes de légumes sur des entrées en niveaux de gris de 23×23 et 101×101, avec et sans augmentation.
Corrigé les noms des dossiers de validation et de test et les images de carottes mal classées, avec des outils disposant d’un mode simulation.
Exploré les familles CNN Sequential, Functional, résiduelles, de type Inception et à convolutions séparables en profondeur.
Documenté une recherche historique Sequential avec une exactitude de validation de 0.908 et une exécution distincte atteignant environ 94.2% d’exactitude de test ; ces résultats ne désignent pas une architecture universellement gagnante.
Ajouté 13 tests sous Python 3.11 et 3.12, avec 48% de couverture globale.
Consigné les effectifs des partitions et les artefacts de reproductibilité manquants, dont les poids des modèles et les comparaisons à graines multiples.

Code source Lire sur LinkedIn

Location Recommendation for AR Mobile Game Pilot

avr. 2025 – mai 2025

Un projet Power BI de recommandation de lieux pour le pilote proposé du jeu en réalité augmentée Catch & Go de Funtendo. L’équipe a utilisé des données démographiques, de mobilité et de jeu pour expliquer les lieux candidats à Singapour.

Combiné des données démographiques, de revenus, de logement, de mobilité et de jeu dans une analyse Power BI.
Créé des visualisations pour comparer accessibilité, comportement des joueurs et facteurs de participation.
Proposé des lieux pilotes à Singapour à partir des tendances du rapport.
Résumé la recommandation dans un message clé concis et une justification liée aux Objectifs de développement durable.
Présenté l’analyse dans un tableau de bord de trois pages accompagné d’un récit.

Lire sur LinkedIn

RNN-based Movie Review Sentiment Analysis

avr. 2025 – mai 2025

Une étude bilingue de critiques de films comparant des réseaux récurrents pour la classification des sentiments et la régression des notes. Le processus privilégie un prétraitement cohérent en anglais et en malais, des partitions évitant les fuites et une évaluation adaptée à chaque tâche.

Créé des partitions 80/10/10 d’entraînement, de validation et de test avant d’ajuster le processus de modélisation.
Nettoyé les critiques anglaises et malaises par mise en minuscules, gestion de la ponctuation, retrait des mots vides, lemmatisation, tokenisation et remplissage.
Appliqué une augmentation avec graine uniquement aux données d’entraînement, passant de 222 à 888 exemples de classification et de 501 à 2,004 exemples de régression.
Comparé SimpleRNN, LSTM et GRU pour le sentiment binaire et la prédiction de notes numériques.
Évalué la classification par exactitude, précision, rappel et F1, et la régression par métriques d’erreur et d’ajustement selon les plages de notes, sans désigner d’architecture gagnante.
Ajouté 22 tests avec 55% de couverture et documenté le nettoyage des notes manquantes, doublons, critiques courtes et textes répétés.

Code source Lire sur LinkedIn

Research Report on Quantum Computing as Green Technology for AI Model Training

avr. 2025 – mai 2025

Un rapport explorant l’informatique quantique comme technologie potentiellement verte pour entraîner l’IA. Il examine l’énergie, les coûts, les limites techniques et les possibilités d’adoption à partir de publications, sans constituer une comparaison expérimentale à charge de travail équivalente.

Étudié la littérature sur l’informatique quantique et classique pour l’entraînement de modèles d’IA.
Comparé les considérations publiées d’énergie, d’infrastructure et de coûts avec les limites techniques.
Organisé les possibilités et les risques au moyen d’une analyse SWOT et d’une discussion de l’impact environnemental.
Relié le rapport aux ODD 9, 12 et 13.
Recommandé d’étudier l’adoption hybride et dans le cloud, en considérant que les bénéfices de durabilité nécessitent des preuves à charge de travail comparable.

Lire sur LinkedIn

NUS HumanITy Challenge

mars 2025 – avr. 2025

Une expérience d’équipe finaliste au NUS HumanITy Challenge, compétition préuniversitaire de durabilité. Le projet visait à développer une réponse fondée sur l’informatique et l’IA à un problème concret de durabilité.

Développé des idées de solutions de durabilité utilisant l’informatique et l’IA.
Pris en compte les risques de mise en œuvre lors de l’amélioration de la solution proposée.
Collaboré entre disciplines pour présenter la proposition finaliste de l’équipe.

Lire sur LinkedIn

Content Performance Analysis & Strategy Refinement

janv. 2025 – févr. 2025

Une analyse observationnelle des performances de contenus sociaux, utilisant des publications historiques pour affiner une stratégie proposée de marketing numérique. Le projet distingue les tendances de participation mesurées des recommandations non testées lors d’une campagne ultérieure.

Analysé un corpus de 100 publications, 192 commentaires, 689 réactions et 8,208 vues, avec une étude ciblée de sept contenus de campagne sur 28 jours.
Comparé les formats de contenu, jours et heures de publication aux vues, réactions et commentaires.
Utilisé des cartes thermiques, boîtes à moustaches, courbes et comparaisons groupées pour expliquer les tendances de participation.
Proposé des modifications d’horaires, d’appels à l’action, de mots-dièses et de contenu à partir des données observées.
Ajouté 14 tests de contrat de non-régression et vérifié que neuf figures reproduites étaient identiques octet par octet.
Maintenu des conclusions observationnelles ; l’analyse ne mesure ni effets causaux ni amélioration après campagne.

Code source Lire sur LinkedIn

Segmentation des clients

janv. 2025 – févr. 2025

Un processus de segmentation de clients comparant des approches de regroupement sur l’âge, les revenus et les dépenses. Il comprend validation des entrées, artefacts de modèles réutilisables et résumés interprétables des segments pour l’analyse marketing exploratoire.

Validé des identifiants clients finis et uniques et des valeurs catégorielles documentées, avec une règle d’atypiques de revenus de 1.5×IQR.
Standardisé âge, revenus et dépenses, en réservant le genre à l’interprétation après regroupement.
Comparé K-Means, le regroupement agglomératif et DBSCAN, avec et sans PCA.
Construit un processus K-Means configurable à six segments sauvegardant son transformateur, son modèle, ses affectations et ses métriques.
Évalué les scores de silhouette, Davies–Bouldin et Calinski–Harabasz ainsi que l’inertie, et ajouté 15 tests avec 95% de couverture.
Documenté l’absence de validation externe, d’études de stabilité et d’amélioration mesurée de campagne ; les segments restent exploratoires.

Fichiers du projet

Les fichiers originaux des projets sont en anglais.

Présentation originale du travail de cours

PDF · 2.3 MB

Voir le PDF Télécharger le PDF

Code source Lire sur LinkedIn Présentation PowerPoint

FitnessQuest Gamified Fitness Application

oct. 2024 – févr. 2025

Une application de fitness ludifiée et adaptative, construite avec Express, MySQL et une interface JavaScript sans bibliothèque. Elle relie comptes, défis et progression dans le jeu à des contrôles explicites de propriété et à des tests applicatifs répétables.

Construit inscription, connexion, profils, classements, défis, avis, animaux, inventaire, combats, quêtes et succès.
Implémenté une application Express 5 pour Node.js 22+, avec MySQL 8.4, authentification JWT et validation Zod.
Appliqué les contrôles de propriété à l’identité authentifiée par JWT plutôt qu’aux identifiants fournis par le client.
Ajouté hachage des mots de passe, en-têtes de sécurité, limitation des requêtes, requêtes paramétrées et réponses d’erreur sûres.
Affiché les contenus utilisateurs avec textContent et séparé les migrations de base de données et réinitialisations de test de l’exécution applicative.
Documenté six contrôles d’API, trois de sécurité et six dans le navigateur ; ces contrôles isolés n’établissent pas la fiabilité en production.

Code source Lire sur LinkedIn Rapport écrit

Singapore Graduate Employment, Salary & Labour-Market Analysis

janv. 2025 – févr. 2025

Une analyse de l’emploi des diplômés et du marché du travail à Singapour, combinant nettoyage des données, vues descriptives, modélisation salariale et regroupement. Le projet examine l’emploi et les revenus selon les groupes éducatifs et démographiques.

Préparé un processus pour sept jeux de données sources, avec conversion des types, valeurs manquantes, doublons et contrôles d’atypiques par IQR ou score z.
Dérivé des mesures de dispersion salariale et d’écart de taux d’emploi, et établi les correspondances de domaines d’études.
Utilisé des forêts aléatoires pour imputer ou prédire les salaires, avec regroupement et analyse descriptive.
Comparé les tendances par université, diplôme, année, secteur, âge, genre, formation et contexte démographique.
Vérifié sept carnets sans erreurs enregistrées et ajouté 17 tests avec 80% de couverture sous Python 3.10–3.12.
Documenté l’absence des tables brutes, modèles ajustés, métriques réservées et analyses d’incertitude ; les résultats n’établissent pas la performance prédictive.

Code source Lire sur LinkedIn Présentation PowerPoint

Statistical Analysis of AI Industry Trends

nov. 2024 – févr. 2025

Une recherche statistique sur les tendances du secteur de l’IA, présentée sous forme d’affiche de récit de données. Elle examine les relations entre calcul d’entraînement, performance des modèles, expérience, salaires et adoption de l’IA.

Exploré des jeux de données réels décrivant le secteur de l’IA.
Étudié les relations entre calcul d’entraînement et performance des modèles, puis entre expérience et salaire.
Comparé les tendances salariales associées à l’adoption de l’IA par statistiques descriptives et analyses de groupes.
Appliqué ANOVA et Tukey HSD avec des vues de corrélation et de régression.
Communiqué les résultats dans une affiche A3 avec boîtes à moustaches, histogrammes et explications statistiques.

Lire sur LinkedIn

Prévision des consommations

janv. 2025 – févr. 2025

Une étude de prévision mensuelle des consommations de gaz, d’électricité et d’eau. Le processus compare des modèles statistiques de séries temporelles avec une évaluation chronologique et valide la structure des séries d’entrée.

Préparé des séries mensuelles avec transformation logarithmique et périodes réservées chronologiques, en documentant l’effet possible du retrait d’atypiques sur l’espacement temporel.
Comparé ARIMA, ARIMA ajusté et SARIMAX saisonnier.
Consigné les configurations retenues : gaz ARIMA(18,2,9), électricité SARIMAX(3,1,4)(5,1,6,12) et eau ARIMA(9,2,17).
Structuré une période réservée et un horizon de prévision de 60 mois, évalués par MAE, RMSE, R², variance expliquée et MAPE.
Validé les valeurs finies, la continuité des dates mensuelles et les horizons, rejetant les mois dupliqués ou manquants ; ajouté 43 tests.
Documenté l’absence de séries brutes, modèles ajustés, évaluations rétrospectives figées, références comparatives et intervalles de prévision ; aucun effet opérationnel ou de durabilité n’est établi.

Fichiers du projet

Les fichiers originaux des projets sont en anglais.

Présentation originale du travail de cours

PDF · 4.7 MB

Voir le PDF Télécharger le PDF

Code source Lire sur LinkedIn Présentation PowerPoint

NUS-Rightship Maritime Hackathon

oct. 2024 – janv. 2025

Un projet d’équipe pour le NUS–RightShip Maritime Hackathon 2025 de 24 heures. Le défi consistait à développer des idées fondées sur les données et l’IA pour résoudre des problèmes des opérations maritimes mondiales.

Travaillé sur un défi maritime dans un hackathon de 24 heures.
Exploré des approches d’IA et de données pour l’efficacité portuaire, les émissions et la sécurité des navires.
Appliqué l’apprentissage automatique, l’analyse et la résolution collaborative de problèmes à la proposition.

Lire sur LinkedIn

AI Ethics & Governance Survey Analysis

oct. 2024 – nov. 2024

Un projet d’analyse d’enquête examinant les points de vue du public et d’experts sur l’éthique, la législation et la gouvernance de l’IA. Un tableau de bord Power BI communique les préoccupations et priorités des répondants en lien avec l’ODD 16.

Analysé les réponses d’enquête sur la législation, l’éthique et la gouvernance de l’IA.
Examiné la transparence, le droit international, la protection des données, la désinformation et les déplacements d’emplois.
Utilisé des statistiques descriptives pour comparer et classer les préoccupations des répondants.
Construit des vues Power BI des réponses et priorités de gouvernance.
Proposé davantage de transparence, des normes internationales et des protections de la vie privée à partir des résultats de l’enquête.

Lire sur LinkedIn

Digital Marketing Strategy for Bubble Tea Brand

oct. 2024 – nov. 2024

Une proposition de stratégie de marketing numérique pour une marque de bubble tea. Elle relie recherche clients, positionnement et plan de contenu sur deux semaines autour de la proposition de valeur « Moins de stress, plus de boba ».

Analysé le contexte commercial avec STEEP, SWOT et le mix marketing.
Développé des profils clients et cartographié le processus de décision d’achat.
Défini une proposition de valeur en ligne autour de boissons personnalisées et de perles aromatisées.
Planifié les axes de contenu, plateformes et ciblages dans un calendrier éditorial de deux semaines.
Esquissé des idées de promotion payante et des budgets à titre de proposition, sans revendiquer de résultats de campagne mesurés.

Lire sur LinkedIn

Explorateur d’offres d’emploi

oct. 2024 – nov. 2024

Une analyse exploratoire d’offres d’emploi LinkedIn portant sur les salaires, les caractéristiques des postes et l’activité des candidatures. Le processus nettoie et joint les tables sources, dérive des mesures comparatives et documente la reconstruction du carnet.

Préparé cinq tables sources sur entreprises, salaires, activité, modalités de travail, périodes de rémunération, ancienneté et horodatages.
Dérivé salaire annuel, fourchette salariale, durée de publication et ratio candidatures/vues protégé contre les divisions par zéro.
Examiné les tendances de salaire, modalités de travail, ancienneté, durée de publication, vues, candidatures, rémunération annuelle et conversion.
Appliqué un filtrage salarial IQR et des contrôles facultatifs par score z pour explorer les atypiques.
Organisé un carnet de 234 cellules en six sections avec vérification de reconstruction en lecture seule et tests automatisés.
Documenté l’indisponibilité des tables brutes et limité les conclusions à une analyse descriptive des offres.

Fichiers du projet

Les fichiers originaux des projets sont en anglais.

Présentation originale du travail de cours

PDF · 1.2 MB

Voir le PDF Télécharger le PDF

Code source Lire sur LinkedIn Présentation PowerPoint

Prédiction des pannes de machines

oct. 2024 – nov. 2024

Une étude de classification en ensemble sur un jeu de défauts de machines fortement déséquilibré. Le processus sépare entraînement, choix du seuil et évaluation finale, en présentant les compromis de détection plutôt que la seule exactitude.

Préparé 20,000 enregistrements avec 678 défauts et 2,579 cellules manquantes, par prétraitement ajusté sur l’entraînement.
Combiné des estimateurs arbre de décision, forêt aléatoire, gradient boosting, AdaBoost, K plus proches voisins et régression logistique.
Séparé 12,000 enregistrements d’entraînement, 4,000 de validation du seuil et 4,000 de test avec une graine fixe.
Choisi un seuil de décision de 0.455 selon le F1 de validation parmi 181 candidats.
Rapporté une précision réservée de 0.5932, un rappel de 0.7721 et un F1 de 0.6709, détectant 105 des 136 défauts de test avec 72 faux positifs.
Ajouté 17 tests et documenté la limite d’une évaluation non temporelle sur un seul jeu de données ; validation dans d’autres usines et calibration restent non établies.

Fichiers du projet

Les fichiers originaux des projets sont en anglais.

Présentation originale du travail de cours

PDF · 3.5 MB

Voir le PDF Télécharger le PDF

Code source Lire sur LinkedIn Présentation PowerPoint

Laboratoire des prix immobiliers

oct. 2024 – nov. 2024

Une étude de régression en ensemble utilisant un jeu pédagogique de 545 lignes sur le logement. Elle crée des caractéristiques immobilières, compare les pondérations par validation croisée et réserve un ensemble de test distinct.

Préparé un jeu couvrant cinq villes et trois catégories de rénovation, sans valeurs manquantes ni identifiants dupliqués.
Créé des prédicteurs de nombre total de pièces, surface par chambre, toilettes par chambre et surface par étage, en excluant identifiants et prix des entrées.
Utilisé imputation, mise à l’échelle et encodage one-hot ajustés par partition pour éviter les fuites de prétraitement.
Comparé quatre pondérations avec une validation à cinq partitions sur 436 lignes d’entraînement, retenant un ensemble Ridge, forêt aléatoire et gradient boosting pondéré 2:1:1.
Évalué 109 lignes réservées : R² 0.5353, MAE 113,249.95 et RMSE 153,267.51, avec une erreur inférieure à la référence médiane.
Ajouté 19 tests et documenté l’absence de validation externe, d’intervalles de prédiction et d’analyses par sous-groupes ; il s’agit toujours d’une étude pédagogique.

Fichiers du projet

Les fichiers originaux des projets sont en anglais.

Présentation originale du travail de cours

PDF · 3.5 MB

Voir le PDF Télécharger le PDF

Code source Lire sur LinkedIn Présentation PowerPoint

Water & Energy Consumption Analysis of Shopping Mall

oct. 2024 – nov. 2024

Une analyse Power BI de cinq années de consommation d’eau et d’électricité à Prestige Mall. Le tableau de bord soutient la discussion des usages des ressources et des améliorations possibles d’efficacité.

Analysé cinq années de données d’eau et d’électricité du centre commercial.
Construit des vues interactives des tendances de consommation, catégories et variations annuelles.
Utilisé des cartes proportionnelles, courbes, barres et graphiques en cascade pour expliquer les résultats.
Relié l’analyse à l’ODD 6 et à l’ODD 7.
Proposé des améliorations d’efficacité par récit de données sans revendiquer d’économies de ressources mesurées.

Lire sur LinkedIn

GovTech AI Capture-The-Flag

oct. 2024

Une participation d’équipe à la compétition Singapore AI Capture-The-Flag de GovTech. L’expérience a combiné résolution technique de problèmes et coordination face à divers défis d’IA et de cybersécurité.

Participé à la compétition Singapore AI Capture-The-Flag de GovTech CSG.
Abordé des défis de type jeopardy dans sept domaines.
Dirigé la coordination de l’équipe et la résolution collaborative de problèmes en conditions de compétition.

Lire sur LinkedIn

Fairness of Meritocracy in Singapore

avr. 2024 – août 2024

Un débat documenté sur l’équité et la méritocratie dans le système éducatif singapourien. Le travail développe une argumentation structurée en examinant les forces et limites des examens, bourses et possibilités d’apprentissage tout au long de la vie.

Étudié le fonctionnement de la méritocratie dans le système éducatif singapourien.
Examiné examens, bourses et possibilités d’apprentissage continu à l’aide de sources citées.
Préparé une argumentation favorable, avec exemples et arguments structurés.
Développé des contre-arguments et réfutations sur les limites des résultats méritocratiques.

Lire sur LinkedIn

Resolution to Unequal Education Opportunities

juin 2024 – août 2024

Une proposition contre les inégalités d’accès à l’éducation, reposant sur une plateforme gratuite de ressources d’étude. Le travail examine les obstacles socioéconomiques et les limites pratiques d’une approche d’accès numérique.

Étudié les obstacles socioéconomiques aux possibilités éducatives.
Proposé une plateforme gratuite de ressources d’étude, de notes et de sujets d’examen types.
Appliqué SCAMPER et la pensée informatique, notamment décomposition, reconnaissance de motifs, abstraction et conception d’algorithmes.
Représenté le fonctionnement proposé dans un organigramme.
Pris en compte faisabilité, évolutivité, accès numérique et infrastructure, sans revendiquer de résultats éducatifs mis en œuvre.

Lire sur LinkedIn

Website Deployment on AWS EC2 with WordPress

avr. 2024 – août 2024

Un exercice pédagogique d’hébergement cloud déployant WordPress sur une instance Ubuntu AWS EC2. Le projet couvre la configuration du serveur, le réseau, la base de données et l’installation de l’application web.

Provisionné une instance EC2 Ubuntu 22.04 et installé Linux, Apache, MySQL et PHP.
Configuré un accès administratif SSH avec PuTTY et attribué une Elastic IP.
Créé la base MySQL et les privilèges utilisateurs nécessaires à WordPress.
Configuré Apache, PHP et les permissions du système de fichiers de l’application.
Testé le site pédagogique via son DNS IPv4 public à l’époque ; aucune disponibilité actuelle n’est revendiquée.

Lire sur LinkedIn

Application of Artificial Intelligence in Driving

avr. 2024 – juin 2024

Une présentation de recherche explorant des applications possibles de l’IA à la sécurité routière, en soutien à l’ODD 3.6. Elle met en balance les possibilités techniques avec les coûts, les biais et la sécurité.

Étudié des approches d’IA susceptibles de soutenir la sécurité routière et la prévention des accidents.
Examiné les systèmes autonomes, la supervision en direct et l’analyse prédictive comme approches possibles.
Expliqué les rôles de la vision par ordinateur, de l’apprentissage automatique, des réseaux neuronaux, de l’apprentissage profond et des données nécessaires.
Comparé les bénéfices possibles aux défis de coût, de biais et de sécurité.
Proposé des considérations de déploiement responsable, dont l’équité algorithmique ; le travail ne revendique ni véhicule implémenté ni amélioration mesurée de la sécurité.

Lire sur LinkedIn

NTU-GAIP Insurance Case Competition 2024

juin 2024

Une proposition centrée sur l’IA pour le NTU–GAIP Insurance Case Competition 2024. Elle étudie l’amélioration possible du service client, de la détection des fraudes et du calcul des primes, dans un cadre de gouvernance responsable.

Étudié les possibilités de l’IA pour une proposition de concours de cas d’assurance.
Exploré des applications de service client, de détection des fraudes et de primes dynamiques.
Examiné la faisabilité de mise en œuvre avec les exigences éthiques.
Traité la confidentialité, les biais et la gouvernance responsable dans l’approche proposée.

Lire sur LinkedIn

Proposition de sensibilisation des jeunes

oct. 2022 – nov. 2022

Une présentation Global Awareness de Boys’ Brigade proposant un atelier pour les jeunes sur les risques de radicalisation, la culture numérique et la vigilance communautaire. Elle documente une proposition de prévention issue de recherches, et non un programme réalisé ou un impact mesuré.

Étudié les risques de radicalisation en ligne et hors ligne pour une présentation de sensibilisation des jeunes.
Esquissé un atelier éducatif pour reconnaître les contenus préoccupants, demander de l’aide et réagir en sécurité.
Relié les thèmes d’intervention précoce à la culture numérique et à la vigilance communautaire.
Pris en compte la sensibilité du sujet, les risques de réalisation et les mesures possibles d’atténuation.
Planifié les rôles, effectifs, partenariats et ressources nécessaires à l’atelier proposé.

Fichiers du projet

Les fichiers originaux des projets sont en anglais.

Présentation du projet

PDF · 1.9 MB

Voir le PDF Télécharger le PDF

Lire sur LinkedIn

Quantum–Classical GANs

Ma prépublication arXiv de 2025 explore les circuits quantiques bruités comme distributions a priori latentes dans des modèles génératifs, en comparant des GAN classiques et hybrides quantiques-classiques.

Comparaison de variantes hybrides à 3, 5 et 7 qubits par simulation Qiskit.
Évaluation d’échantillons MNIST binaires générés avec FID et KID.
Constat que la référence classique obtenait les meilleurs résultats dans ces expériences.

Fichiers du projet

Les fichiers originaux des projets sont en anglais.

Prépublication de recherche

PDF · 1.1 MB

Kun Ming Goh arXiv:2508.09209v2 CC BY 4.0

Voir le PDF Télécharger le PDF

Code source Lire la prépublication Article de recherche

Residual Learning Study

Une prépublication arXiv de 2025, coécrite avec Xingyu Liu, étudiant les connexions résiduelles en comparant ResNet-18 à un CNN profond classique sur CIFAR-10.

Étude du rôle des connexions résiduelles dans la circulation du gradient.
Comparaison du comportement à l’entraînement et des résultats de classification sur CIFAR-10.
Documentation de la mise en œuvre et de l’évaluation dans une prépublication publique.

Fichiers du projet

Les fichiers originaux des projets sont en anglais.

Prépublication de recherche

PDF · 481 kB

Xingyu Liu, Kun Ming Goh arXiv:2510.24036v1 CC BY 4.0

Voir le PDF Télécharger le PDF

Lire la prépublication

Ouvrez une réalisation pour découvrir son idée, sa mise en œuvre et son code source.

Voir les quêtes coopératives

Fabrication — Le parcours

Expérience et recherche

Biome : Pentes enneigées

Des fonctions où j’ai mis des idées en pratique.

AOÛT 2026 — AUJOURD’HUI

Études et recherche indépendantes

Pause professionnelle

Période consacrée à l’étude indépendante, à l’expérimentation technique et à la réflexion sur de futures recherches en IA, ainsi qu’à la famille et aux amis.

AVR. — AOÛT 2026

Stagiaire en recherche en IA

RSAF RAiD · AETHER

Recherche en IA appliquée sur la détection multimodale, les pipelines géospatiaux, la vision neuromorphique et la détection RF, avec évaluation reproductible et transmission des travaux de recherche.

MARS 2026

Chercheur en solutions d’IA et de données

Singapore Polytechnic · Department of Communications

Développement de processus départementaux adaptés aux rôles, d’une architecture de données sécurisée, d’outils d’aide à la décision et d’assistance par IA, avec vérifications de mise en service, de sécurité et d’utilisabilité.

FÉVR. — MARS 2026

Cofondateur · Données et systèmes intelligents

Wagglo

Conception de scores de compatibilité, de recommandations et de processus d’évaluation, ainsi que d’un système d’analyse de sondages attentif à la confidentialité.

SEPT. 2025 — MARS 2026

Étudiant développeur

Singapore Polytechnic

Développement d’un assistant pour l’Open House avec génération augmentée par récupération, utilisant Amazon Bedrock, la recherche hybride, un état de conversation persistant et une évaluation encadrée auprès d’utilisateurs.

MARS 2025 — MARS 2026

Fondateur

Gentle Care Messenger (GCM)

Création d’une initiative de recherche appliquée explorant une IA conversationnelle encadrée, l’orientation responsable vers des ressources et la revue humaine. Le prototype n’est ni un professionnel de santé ni un service d’urgence.

Explorer les réalisations

Éducation

Biome : Jungle de bambous

Les apprentissages derrière le travail.

Dossier scolaire

2024 — 2027 · EN COURS

Diploma in Applied AI & Analytics

Singapore Polytechnic

Formation à l’apprentissage automatique, à l’ingénierie des données, à l’apprentissage profond, au cloud et aux projets concrets d’IA.

2020 — 2023

Singapore-Cambridge GCE O-Level

Yuhua Secondary School

Études de mathématiques, de mathématiques approfondies, de sciences, d’électronique, d’anglais et de sciences humaines.

Voir les réalisations pédagogiques Récompenses et certificats

Bénévolat et communauté

Biome : Savane

Contribuer par la gouvernance, le mentorat et l’action communautaire.

MAI 2026 — AUJOURD’HUI · BÉNÉVOLAT

Conseiller en gouvernance des données et technologie

Wagglo

Conseil sur la gouvernance de la confidentialité, la révision des politiques, les cadres de consentement et les contrôles d’accès pour une gestion responsable des données.

JANV. 2024 — JANV. 2026

Lieutenant cadet

The Boys’ Brigade in Singapore · 28th Company

J’ai accompagné des jeunes dans des camps, des cours de leadership, des exercices de discipline collective et des programmes fondés sur des valeurs au sein de la 28th Singapore Boys’ Brigade Company.

FÉVR. 2022 — JUIN 2023

Intervenant communautaire

Jurong Christian Church

Soutien aux habitants à faibles revenus par la distribution de produits de première nécessité et l’établissement de liens de confiance personnels.

Singapore Computer Society (SCS)

Professionnelles et universitaires

Associé à Singapore Polytechnic

Voir la fiche LinkedIn

juil. 2022 – Aujourd’hui

Membre

Jurong Christian Church (JCC)

Communauté

Voir la fiche LinkedIn

Entamer une conversation

Récompenses et certificats

Progrès

Certifications

Dossier scolaire

Progrès

Distinctions et prix

Étapes de recherche

Certifications

Envoyer un message

Dossier scolaire

Certifications

Coffre des certifications

Choisissez un certificat pour consulter son attestation, la description du cours et le document original.

84 certificats

AI Essentials

Saïd Business School, University of Oxford · Délivré 2026-10

Certificats de cours

Matière	Note
Sustainable Innovation ProjectCC1S10	DIST
Independent Study 1EM0301	A
Mathematics for AIMS0240	DIST
Data VisualisationST1502	DIST
Practical AIST1508	A
DevOps and Automation for AIST1516	DIST

Matière	Note
AWS Academy Cloud FoundationsEP0404	A
Data EngineeringST1501	A
Data Structures and Algorithms (AI)ST1507	A
Deep LearningST1504	DIST
Persuasive Communication with Data StorytellingCC3004	DIST
Digital Communication for ImpactCC1006	A
Effective Writing for the WorkplaceCC1008	A
Personal Branding and Career AgilityCC1009	A

Matière	Note
Data FluencyCC2002	DIST
Introduction to Digital MarketingEP0702	A
Statistics for Data ScienceMS0141	DIST
Back-End Web DevelopmentST0503	A
Programming for Data AnalyticsST1510	A
AI and Machine LearningST1511	A

Matière	Note
Thinking Critically about the UN SDGsCC1001	B
Collaboration in the Digital AgeCC1007	DIST
Artificial Intelligence & its ImpactCC2003	B+
Problem Solving with Creative and Computational ThinkingCC3005	B+
MathematicsMS0105	B+
Front-End Web DevelopmentST0501	A
Fundamentals of ProgrammingST0523	A
Fundamentals of ComputingST2413	A

Matière	Note
English Language1184	B3
Mathematics4052	A2
Additional Mathematics4049	B3
Science (Phy/Chem)5076	A1
Humanities (SS/Geography)2272	A2
Electronics6063	A2