Ingénieur en Data Engineering, Business Intelligence & Intelligence Artificielle

A intégré le DataLab d'une banque centrale marocaine pour concevoir une solution BI end-to-end destinée au reporting du marché des particuliers, enrichie de prédictions de KPIs par Machine Learning.

• A conçu et déployé un Data Warehouse complet (PostgreSQL) pour le suivi du marché des particuliers, structuré en schéma en constellation avec 12 dimensions et 24 tables de faits.
• A mis en place un pipeline ELT orchestré avec Airflow et dbt, traitant mensuellement les données dans une architecture conteneurisée Docker.
• A automatisé la génération de 76 tables à partir de 42 fichiers Excel via un script Python, réduisant le temps de traitement de 3 jours à 1 heure.
• A modélisé et piloté le suivi de 11 KPIs métier couvrant 9 BPR (Business Process Regions).
• A développé des modèles de Machine Learning (XGBoost) pour la prédiction mensuelle de 7 KPIs stratégiques.

A participé au développement d'une plateforme IA de modération de contenu multimodale, remportant le 1er prix de la compétition estivale d'une école d'ingénieurs marocaine.

• A réalisé le fine-tuning d'un modèle ResNet50 atteignant 98,5 % de précision sur une base de 7 000 images annotées.
• A conçu un système de modération multimodale (images et frames vidéo) intégrant OpenCV et une architecture RAG à base vectorielle pour l'enrichissement contextuel.
• A développé une API FastAPI automatisant le pipeline de modération, réduisant le temps de traitement de 85 %.
• A remporté le 1er prix entreprise à l'EMSI Summer Competition 2025 (ESC'25) pour ce projet innovant.

A rejoint l'équipe BI pour concevoir une solution de reporting et de pilotage des opérations de maintenance et de production, basée sur l'analyse des données GMAO.

• A collecté, nettoyé et préparé les données opérationnelles avec Python (Pandas).
• A développé une modélisation DAX avancée incluant mesures complexes, KPIs métier, relations et filtres contextuels.
• A conçu des tableaux de bord Power BI dédiés à la GMAO, couvrant taux de panne, MTBF, MTTR, disponibilité et coûts de maintenance.
• A mis en place des indicateurs de performance permettant une meilleure planification et une réduction mesurable des temps d'arrêt.