Accueil

Tom Graci

Tom Graci - Photo de profil
Ingénieur Agroalimentaire | Spécialisation Data & IA appliquée

A propos de moi

Ingénieur agroalimentaire (Institut Agro Dijon, 2026) avec 3 ans d'expérience qualité dans le groupe Savencia. Je me distingue par une maîtrise autodidacte de l'IA : Vision par Ordinateur, systèmes RAG/LLM, et Edge AI pour transformer la donnée industrielle en outils d'aide à la décision.

Ambition 2026 : Doctorat (PhD) en IA appliquée à l'Agriculture 5.0 (Réseau MSCA GreenFieldData). Porter la transition numérique et durable du secteur.

📅
08/2026 Fin d'études
🌱
Agro Formation
🧠
Data/IA Spécialisation
IA & Tech

Tech & Outils

Les outils que j'utilise et sur lesquels je monte en compétences

Deep Learning & IA

Python

Python

Scikit-learn

Scikit-learn

PyTorch

PyTorch

LangChain

LangChain

Full Stack Léger

Streamlit

Streamlit

FastAPI

FastAPI

HTML/CSS/JS

HTML/CSS/JS

Data Engineering & Ops

Pandas

Pandas

Git

Git

PostgreSQL

PostgreSQL

Docker

Docker

Projets

Projets réalisés / En cours

Applications concrètes de l'IA et de la data science dans l'agroalimentaire

Q-Advisor Project

QualityAdvisor — Architecture RAG Multimodale

Pipeline RAG complet pour aide à la décision qualité. Indexation sémantique, retrieval augmenté et génération de synthèses via LLM afin de se conformer au référentiel FSSC 22000.

Python LLM FastAPI Pandas Fabriq
Mildiou AI Project

VigneAI — Système IA Low-Cost pour Prévention du Mildiou

Écosystème IoRT complet avec rover autonome et réseau de neurones embarqué pour prédiction en temps réel des risques de mildiou sur vigne.

Arduino C++ Neural Network LoRa
LaitML Project

Spectro IA — Classification Non-Destructive NIR

Solution d'analyse rapide par spectroscopie NIR pour authentification et contrôle qualité des boissons végétales.

Python Scikit-learn Spectroscopie Quasar
MeatSense Project

VisionIA - MeatSense : Deep Learning

Prototype industriel d'analyse de fraîcheur des viandes par CNN latence).

Python TensorFlow Streamlit CNN
OpenReg Graph Project

OpenReg Graph — GraphRAG pour la Sécurité des Aliments

Système d'IA locale utilisant Neo4j pour structurer les données réglementaires et répondre avec une précision absolue sur les seuils critiques.

Neo4j Ollama GraphRAG Streamlit
AgroWorld-Streamer Project [WORK IN PROGRESS — FEB 2026]

AgroWorld-Streamer — V-JEPA World Model sur Robot Agricole

Implémentation d'un World Model (architecture V-JEPA) sur Raspberry Pi 5 + Arduino Nano ESP32 pour la perception et la navigation autonome en milieu agricole.

PyTorch V-JEPA Raspberry Pi 5 Arduino ESP32
Agro
🍃
🌾
🌱
🥕
🍅
🌿
🥬
🌽

Agro & Data Science

Expertise à l'intersection de l'IA, de la vision par ordinateur et de l'industrie agroalimentaire.

🥉 Bronze Medal

CSIRO Image2Biomass Competition

Prédiction de biomasse végétale à partir d'images haute résolution via Deep Learning (Vision Transformers, CNN)

276e / 3907 participants
Top 7% Classement final
0.72 R² weighted (Top 1: 0.79)
🏆 Profil Kaggle 📦 Code GitHub
🏭

Industrie Agroalimentaire

3 ans chez Savencia en qualité. Référentiels HACCP, IFS, FSSC 22000. Automatisation workflows et systèmes RAG pour synthèse qualité.

🎓

Formation & Ambition Thèse

Ingénieur Agro Dijon (2026), spécialisation Data & Numérique. Objectif : Thèse CIFRE septembre 2026 en IA pour l'agroalimentaire.

Apprentissage

Apprentissage Continu

Ma montée en compétences IA • Dernière mise à jour : Février 2026

CS336 Stanford
CS336 Language Modeling from Scratch

Full Stanford course completed. Tokenizer, transformer implementation and training from scratch.

Math Foundations
Linear Algebra, Stats & Probability Review

3Blue1Brown, Bruno Vallette (Linear Algebra for All), Before Machine Learning Vol.1–3 (Linear Algebra, Calculus, Probability & Statistics for A.I.).

AI Engineering Book
AI Engineering (Chip Huyen)

Book completed. RAG patterns, fine-tuning, model deployment in production.

Kaggle + VigneAI
January 2026

🥉 Kaggle CSIRO Bronze (Top 7%) + VigneAI Edge Neural Network deployed on Arduino.

3 AI Projects
February 2026 — R&D Projects

FeatureFlow (GitLab Hackathon), Vesuvius Challenge (Kaggle), AgroWorld-Streamer (V-JEPA World Model).

🎯 Focus Actuel — Février 2026

FeatureFlow AutoPilot

Hackathon GitLab AI 2026
›

Vesuvius Challenge

Kaggle
›

AgroWorld-Streamer

V-JEPA World Model 📸 Hardware Integration Phase
›

Papers Lus Récemment

  • Attention Is All You Need (Vaswani)
  • LoRA: Low-Rank Adaptation (Hu et al.)
  • BERT: Bidirectional Transformers (Devlin)
  • DINOv2: Visual Features (Oquab et al.)
  • EVA-02: Visual Representation (Fang et al.)
  • RAG for Knowledge-Intensive NLP (Lewis)
  • HNSW: Hierarchical Navigable Small World
  • ConvNeXt: A ConvNet for the 2020s
  • AI in Agro-Food Systems (Aghababaei)

Events & Hackathons

  • XAI Conference — AI Explainability (Oct 2025)
  • MLH API Global Hack Week (Nov 2025)
  • Yann LeCun Conference — Deep Learning (Nov 2025)
  • MLH AI/ML Global Week (Dec 2025)
  • GitLab AI Hackathon — FeatureFlow AutoPilot (Feb 2026)
  • MLH Data Hack Week (Feb 2026)

Skills Acquired 2025–2026

  • Apprentissage renforcé des maths pour le ML
  • Exos TensorTonic appliqué
  • Review Research Paper
  • XAI : approfondissement des concepts d'algo SHAP et LIME
⭐

Mes Recommandations du Mois

📄
Research Paper du Mois

Paper 2508.15929 — À découvrir dans les assets

 🎓
Connaissance du Mois

Réduction de Dimension — Cours LDATA, Institut Agro Dijon

 💡
Article Développement Personnel

Dan Koe — Thread sur le développement personnel et la productivité
💡

Ma démarche : En complément de ma formation d'ingénieur, je me forme activement sur la partie technique (Stanford CS336, lecture de papers, Kaggle). Je cherche à transformer chaque concept en projet concret, comme avec AgroWorld ou QualityAdvisor, pour construire des outils qui répondent vraiment aux besoins du terrain et aux enjeux de l'Agriculture 5.0.

Programme de la Conférence XAI

Programme de la conférence sur l'Explicabilité de l'IA