Data Science & AI Master's Student

Conception et développement d'un assistant IA de vente conversationnel pour WhatsApp utilisant une architecture agentic.

• Construction d'un système d'agents utilisant LangGraph et LangChain pour orchestrer le comportement du chatbot.
• Intégration de pipelines RAG permettant au système d'accéder à des bases de données dynamiques de produits et de réponses.
• Déploiement des workflows d'automatisation via la plateforme n8n pour une intégration transparente avec WhatsApp.
• Développement d'une API backend avec FastAPI pour gérer la logique métier et les appels aux LLMs.
• Automatisation d'une part significative du traitement des demandes de clients.

Conception d'un système de recherche et réponse augmenté par génération (RAG) pour le traitement intelligent de documents.

• Architecture d'un pipeline RAG combinant la recherche vectorielle avec les LLMs pour répondre à des questions sur des corpus documentaires.
• Sélection et intégration de bases de données vectorielles pour l'indexation et la recherche sémantique.
• Atteinte d'une précision élevée de récupération de documents pertinents sur un corpus de documentation vaste.

Développement d'un système de gestion des rendez-vous alimenté par l'IA pour les cabinets dentaires.

• Conception d'un système intelligent de gestion des créneaux réduisant considérablement l'effort manuel de programmation.
• Intégration de capacités d'IA pour optimiser l'allocation des créneaux et améliorer l'expérience patient.

Création d'un chatbot IA conversationnel pour un portfolio personnel.

• Intégration d'un modèle de langage pour répondre aux visiteurs sur les compétences et projets présentés.
• Déploiement du chatbot comme composant interactif du portfolio.

Développement d'un modèle de classification de sentiments utilisant des techniques de traitement du langage naturel.

• Construction d'un pipeline NLP pour extraire les caractéristiques textuelles et entraîner le classifieur.
• Atteinte d'une précision élevée sur la tâche de classification des sentiments.
• Déploiement du modèle via une interface web permettant l'analyse de texte en temps réel.

Implémentation d'un système de détection d'objets en temps réel basé sur YOLOv8.

• Annotation et préparation d'un dataset personnalisé via la plateforme Roboflow.
• Entraînement d'un modèle YOLOv8 atteignant 99.5% mAP50 sur les données de validation.
• Optimisation du modèle pour des performances de détection en temps réel.

Développement d'un modèle de réseau de neurones convolutif pour la classification de visages réels et synthétiques.

• Construction d'une architecture CNN optimisée pour la distinction entre visages authentiques et générés.
• Atteinte d'une précision élevée sur la tâche de détection de faux visages.
• Déploiement du modèle sous forme d'API Flask accessible pour les tests.

Développement d'une application mobile de réseau social avec fonctionnalités complètes.

• Architecture et développement du frontend mobile avec React Native pour iOS et Android.
• Conception et implémentation du backend avec Spring Boot pour gérer les utilisateurs, posts, stories et reels.
• Intégration des appels API REST pour la synchronisation client-serveur.

Développement d'une plateforme e-commerce complète avec gestion de catalogue de produits.

• Construction du backend avec Laravel pour la gestion des utilisateurs, produits et commandes.
• Développement du frontend avec React pour une expérience utilisateur interactive.
• Implémentation des fonctionnalités de gestion de panier et de processus de commande.