AI/ML Engineer

Intégration de l'entreprise SORETRAK pour concevoir et livrer TransportAI, une plateforme intelligente de gestion des transports publics intégrant un tableau de bord analytique React, un moteur de prédiction ML, un système de planification assistée et un module de gestion des pannes.

• Conception et livraison de la plateforme TransportAI intégrant un tableau de bord analytique React et un moteur de prédiction ML.
• Benchmark de multiples modèles de régression pour la prévision opérationnelle et sélection de Random Forest.
• Atteinte d'un R2 de 0.997 avec le modèle Random Forest, permettant une planification basée sur les données à partir de données d'entreprise sous-exploitées.
• Conception d'un assistant conversationnel multilingue utilisant un pipeline RAG avec LangChain et ChromaDB.
• Déploiement local d'un LLM via Ollama pour alimenter l'assistant conversationnel.
• Atteinte de 96 % de fidélité des réponses sur un ensemble d'évaluation de 50 questions.
• Architecture d'une pile technologique entièrement sur site et indépendante du cloud.
• Construction du front-end React réactif de la plateforme consommant des API REST FastAPI.
• Garantie de la confidentialité des données et de l'autonomie opérationnelle grâce à l'architecture sur site.

Rejoignement de l'entreprise Sté Dabba Dabba pour développer une application de gestion des tâches intelligente intégrant des fonctionnalités d'IA et l'automatisation du calendrier.

• Développement d'un modèle NLP basé sur BERT pour la priorisation des tâches.
• Atteinte de 87 % de précision dans la priorisation des tâches sur plus de 10 000 tâches.
• Intégration du modèle dans une application de gestion des tâches pilotée par l'ia avec React et Next.js.
• Application de la méthodologie GTD pour structurer l'application.
• Automatisation de la planification grâce à l'intégration d'une API de calendrier.
• Réduction du temps de planification manuelle de 65 %.

Intégration de Maram Company pour automatiser le traitement des données financières et améliorer la restitution visuelle des indicateurs clés de performance.

• Automatisation des pipelines ETL pour les données financières avec Python et Power BI.
• Réduction du temps de traitement de 60 % grâce à l'automatisation des pipelines.
• Construction de plus de 12 tableaux de bord de KPI exécutifs.
• Analyse de plus de 200 000 enregistrements financiers pour faire surface aux tendances et anomalies.