AI Engineer & MLOps

A rejoint l'équipe de PMcode en tant que Machine Learning Engineer afin de concevoir et d'industrialiser des solutions d'intelligence artificielle avancées de bout en bout.

• A conçu et industrialisé un pipeline complet d'intelligence artificielle dédié au traitement du dialecte arabe hassaniya.
• A intégré des fonctionnalités de transcription de la parole à l'aide de Whisper.
• A développé un système de classification d'intentions et de redirection dynamique vers des protocoles MCP.
• A mis en place un système RAG (Retrieval-Augmented Generation) performant pour optimiser la pertinence des réponses et la compréhension contextuelle.
• A orchestré la collecte, le nettoyage, le traitement et l'annotation de données spécifiques à la mission.
• A entraîné, évalué et optimisé les modèles de langage de la famille Qwen 3.5.
• A assuré le déploiement en production de l'ensemble de la solution IA sur l'infrastructure Runpod.
• A automatisé les processus de déploiement en s'appuyant sur des pratiques MLOps et des pipelines GitLab CI/CD.

A collaboré au sein de la société Metai Technologies pour travailler sur l'optimisation énergétique et le développement de modèles prédictifs complexes.

• A développé un modèle prédictif de pointe pour la consommation énergétique basé sur des séries temporelles multivariées.
• A optimisé l'architecture et les hyperparamètres du modèle Prophet pour maximiser la précision des prévisions.
• A analysé et exploité des données énergétiques à grande échelle afin d'identifier des gisements d'économies.
• A généré des insights stratégiques exploitables pour guider les choix de politiques et de stratégies énergétiques.
• A permis d'atteindre une réduction de 10% des coûts énergétiques lors de la phase de test opérationnel grâce à l'amélioration de la précision des modèles.
• A mis en place des processus MLOps et des pipelines CI/CD automatisés sur Azure Databricks pour encadrer le cycle de vie du modèle.

A effectué un stage de fin d'études chez Ellisphere où a été conçue une solution prédictive d'évaluation financière d'entreprises.

• A conçu et développé de bout en bout une solution intelligente de prédiction du chiffre d'affaires des entreprises.
• A mis en œuvre des modèles de Machine Learning supervisés pour assurer la robustesse des estimations.
• A extrait, nettoyé et traité d'importants volumes de données financières depuis la base NoSQL Cassandra.
• A exploité la puissance de calcul d'Apache Spark (PySpark) pour manipuler les flux de données massives.
• A géré les valeurs manquantes, l'encodage des variables et la transformation de données pour assurer la qualité d'apprentissage des modèles.
• A encapsulé la solution prédictive sous forme d'API Flask et a conteneurisé l'application à l'aide de Docker.