Ingénieur électricien en formation apportant une expertise pratique en conception électrique et automatisation industrielle, combinée à des compétences solides en automatisme, systèmes embarqués, électronique, intelligence artificielle et computer vision. Maîtrise le design de cartes PCB, la commande temps réel et les microcontrôleurs. Capable d'étendre les systèmes intelligents avec la vision par ordinateur et l'IA pour livrer des solutions fiables de monitoring et de contrôle orientées données. Actuellement en cycle d'ingénieur à l'ENIM, avec expérience pratique en réseaux électriques, systèmes embarqués IoT et vision industrielle.
Parcours
Formation / Diplômes
Cycle Ingénieur – Génie Électrique
École Nationale d'Ingénieurs de Monastir (ENIM)
Septembre 2023 – Aujourd'hui
Cycle Préparatoire – Mathématiques et Physique
Institut Préparatoire aux Études d'Ingénieur de Sfax (Ipeis)
Septembre 2021 – Mai 2023
Baccalauréat Mathématiques
Lycée Pilote de Sidi Bouzid
Septembre 2020 – Juin 2021
Expériences professionnelles
Stage Ingénierie Électrique
STEG TunisiaJuil. 2024
A soutenu les opérations de production et de distribution d'électricité sur un réseau électrique basse et moyenne tension.
A effectué des calculs de chute de tension, des études de coordination de protection et des mesures électriques sur les lignes de distribution et les équipements.
A participé aux rondes de maintenance préventive et appliqué les procédures de sécurité électrique sur site.
Environnement technique
AutoCAD ElectricalETAPétudes de réseaux électriquescalculs de chute de tension.
Stage Systèmes Embarqués et IoT
IT Storm ConsultingParisJuil. 2025 – Août 2025
A conçu un système d'irrigation intelligent ESP32-LoRa avec monitoring cloud et analytique prédictive TinyML pour une plateforme IoT.
A développé l'intégration des modules ESP32 et LoRa avec le serveur ChirpStack pour la transmission de données.
A implémenté des modèles d'IA TinyML pour l'analyse prédictive des conditions d'irrigation.
A participé au développement de l'application mobile pour le monitoring à distance du système.
A conçu un système de vision par ordinateur pour les installations aquacoles, appliquant les principes d'instrumentation aux côtés de modèles de détection et suivi basés sur YOLO, avec estimation de la biomasse pour la supervision en temps réel des populations de poissons.
A développé et entraîné des modèles YOLO11 pour la détection précise des poissons dans les vidéos en direct.
A intégré l'algorithme ByteTrack pour le suivi multi-objets des individus à travers les frames vidéo.
A mis en place un système complet d'estimation de biomasse combinant détection, suivi et calculs dimensionnels.
A déployé l'interface Streamlit pour la visualisation en temps réel de la supervision des installations aquacoles.
A appliqué les principes d'instrumentation et de captation pour la chaîne d'acquisition vidéo.
STM32ESP32FreeRTOSUARTSPII2CCANEthernetLoRaLoRaWANMQTTCC++PythonVHDLROSÉlectronique et conception de circuitsDesign de cartes PCBIntégration matérielleSimulation de circuitsInstallations électriques basse tensionRéseaux de distribution électriqueCalculs de chute de tensionÉtudes de coordination de protectionCâblage d'armoires électriquesSchémas électriquesProtection des installationsInstrumentationÉlectronique de puissanceAutomatisation industrielleSystèmes embarqués temps réelMesures électriquesÉtudes de réseaux électriquesMaintenance préventive
IA
PythonPyTorchYOLO11OpenCVByteTrackDeep LearningScikit-LearnTinyMLVision par ordinateurAnalytique vidéoDétection et trackingComputer Vision