Generative AI Engineer

Intégration au sein de l'équipe Generative AI & IoT d'une entreprise spécialisée dans l'optimisation énergétique pour déployer des solutions d'IA en production, articulant LLMs, pipelines RAG et systèmes de monitoring temps réel.

• Conception et déploiement d'un agent IA (Claude Sonnet) avec pipeline RAG complet pour l'analyse d'anomalies énergétiques, la génération automatisée de rapports et la réconciliation de factures via OCR.
• Mise en production de six modèles de machine learning (Isolation Forest, Ridge, KMeans, LSTM, Prophet, XGBoost) pour la prévision de consommation énergétique et le monitoring du District Cooling.
• Orchestration d'un pipeline MQTT complet supervisionnant 12 capteurs répartis sur 4 zones avec une latence de 0.3 seconde.
• Conception et développement d'un dashboard de 6 onglets fournissant une supervision HVAC en temps réel, incluant visualisation des capteurs, plan du bâtiment, suivi énergétique ONEE, calcul du score IEQ et alertes automatiques.
• Mise en place d'un système de facturation ONEE intégrant les données de consommation et d'optimisation énergétique.
• Sécurisation et déploiement de l'ensemble de l'infrastructure sur Docker.

Conduite d'un stage de fin d'études au sein du département data d'OCP pour optimiser la qualité de l'eau à l'usine de dessalement de Jorf Lasfar via apprentissage par renforcement.

• Conception et développement d'un modèle Reinforcement Learning (OpenAI Gym) permettant l'optimisation temps réel des paramètres de qualité de l'eau.
• Architecture d'un pipeline IoT complet intégrant LoopEdge, EMQX, Node-RED avec persistence des données via InfluxDB et MongoDB.
• Déploiement de l'infrastructure sur Docker avec supervision via VMware ESXi et RedHat.
• Développement d'une application web temps réel avec Next.js, React, Tailwind CSS, Redux et Node.js pour la visualisation et le pilotage des processus.
• Création de tableaux de bord analytiques via Grafana pour le monitoring continu.

Réalisation d'un stage de data science visant l'optimisation des stratégies marketing via modélisation prédictive et segmentation client.

• Développement d'un modèle machine learning de segmentation client identifiant les populations prioritaires.
• Conception et implémentation d'algorithmes d'optimisation marketing basés sur les clusters générés.
• Création d'un dashboard analytique pour la visualisation des résultats de segmentation et le suivi des KPIs marketing.

Participation à la conception et au développement d'une application web de traitement de langage naturel pour l'extraction et la modélisation de thématiques.

• Implémentation et comparaison de trois approches de topic modeling : LDA, LSA et BERTopic.
• Développement de l'interface web pour la visualisation et l'exploration des topics extraits.