Hardware Design & AI Engineer

Rejoint Siemens EDA en tant que Product Validation Engineer pour piloter une initiative de co-conception matériel/logiciel visant à migrer l'accélération d'IA dans Catapult Ultra.

• A mené l'initiative de co-conception matériel/logiciel pour migrer l'accélération d'IA dans Catapult Ultra d'une architecture dataflow fixe vers une architecture PE-array réutilisable de style TPU/NPU.
• A conçu et déployé un agent IA interne pour analyser et trier automatiquement les tickets Jira, accélérant le traitement des demandes clients.
• A développé et validé des conceptions matérielles en C++/SystemC et généré du RTL via les flux Catapult HLS.
• A construit des flux de génération RTL pour SPRAM, DPRAM, les générateurs de mémoire FIFO et les interfaces basées sur AXI4.
• A effectué des simulations, des tests de régression, des vérifications STA et des vérifications fonctionnelles en utilisant QuestaSim.
• A appliqué des concepts de vérification UVM (bancs de test, assertions) aux côtés des flux de synthèse Synopsys Design Compiler.
• A intégré les fonctionnalités C++17/20/23 au sein de la synthèse de haut niveau.
• A collaboré avec la R&D pour résoudre les problèmes clients, déboguer les limitations de flux spécifiques aux moteurs et soutenir les tests de flux au niveau unitaire.

Réalisé son stage de fin d'études chez Siemens EDA pour améliorer l'exploration de l'espace de conception HLS à l'aide de l'intelligence artificielle.

• A développé un framework de GNN (Graph Neural Network) pour améliorer l'exploration de l'espace de conception HLS (High-Level Synthesis).
• A converti les conceptions HLS en représentations graphiques et entraîné des modèles en utilisant PyTorch Geometric pour prédire les métriques de performance matérielle.
• A optimisé les flux d'exploration HLS grâce à la prédiction pilotée par l'IA et à la modélisation de graphes consciente du matériel.
• A démontré l'intégration des techniques de machine learning dans les flux EDA et de conception matérielle.

Effectué un stage pratique chez Involys pour concevoir une solution de prévision intelligente destinée aux institutions publiques marocaines.

• A développé une solution de prévision intelligente utilisant le NLP et le deep learning pour prédire les postes budgétés dans les institutions publiques marocaines sur la base des lois de finances annuelles.
• A combiné le traitement NLP, l'analyse de séries temporelles et des tableaux de bord interactifs pour améliorer la planification de la main-d'œuvre et l'allocation des ressources.
• A construit des pipelines de traitement et de visualisation de données pour l'aide à la décision dans le secteur public.