Full Stack Data Scientist

Intégration de BodyOwn, une start-up britannique de la tech médicale en phase de démarrage concevant une application de soutien périnatal, afin de participer au développement et au déploiement de fonctionnalités.

• A livré des fonctionnalités de production pour une application mobile et web de soutien périnatal utilisée directement par des patientes enceintes et en post-partum.
• A développé de bout en bout des répertoires de professionnels de santé (doulas, diététiciens, spécialistes de la santé mentale, physiothérapeutes de la santé pelvienne) incluant le web scraping, la vérification croisée auprès de registres (Doula UK, FEDANT, POGP), la correspondance floue de noms et le géocodage.
• A conçu des pipelines de vérification capables de reprendre sur checkpoint qui ont validé des centaines de dossiers de praticiens par rapport aux registres officiels britanniques, atteignant une précision de code postal supérieure à 96 % par rapport aux données de référence.
• A dirigé une revue complète du code de l'application React et Firebase, résolvant des bugs d'authentification et de vérification d'email et améliorant la stabilité de l'intégration.
• A collaboré directement avec les parties prenantes de la gestion des risques et les mentors de Google for Startups sur la stratégie produit.

Rejoint Pixemantic à Tunis en tant que stagiaire en science des données pour concevoir et déployer des modèles de deep learning appliqués à la classification médicale et mettre en place des plateformes collaboratives.

• A conçu, entraîné et déployé des modèles de deep learning pour la classification d'ECG, atteignant une précision de 99,25 %, une précision (precision) de 99,18 %, un rappel de 99,29 % et un score F1 macro de 99,23 %.
• A comparé les architectures 1D CNN, CNN-LSTM et hybrides pour identifier la meilleure représentation temporelle pour des données de signaux de séries temporelles.
• A élaboré des pipelines de prétraitement convertissant des signaux ECG bruts en données de séries temporelles exploitables par les modèles.
• A exploré l'apprentissage de caractéristiques par YOLOv8 sur des représentations d'images ECG en tant que signal diagnostique auxiliaire.
• A bâti un système de recherche d'informations médicales par génération augmentée par récupération (RAG) avec ChromaDB pour aider à la décision clinique.
• A développé une plateforme de collaboration médicale full-stack (Angular, Flask, Node.js, MongoDB) permettant aux cardiologues et aux médecins généralistes de partager plus rapidement leurs avis diagnostiques.
• A créé des tableaux de bord Power BI pour suivre l'utilisabilité et l'engagement ainsi qu'un pipeline CI/CD Jenkins intégrant GitHub, Docker, Prometheus et Grafana.

Intégration de Medianet pour concevoir une plateforme de recrutement et optimiser l'analyse de documents textuels grâce au traitement automatique du langage naturel.

• A conçu et développé une plateforme de recrutement full-stack reposant sur Angular, Node.js, Flask et MongoDB.
• A affiné le modèle XLM-RoBERTa pour l'extraction d'informations multilingues à partir de CV, atteignant 0,71 de précision, 0,76 de rappel et un score F1 de 0,74.
• A développé des modèles de classement et de mise en correspondance de candidats permettant d'automatiser le tri multilingue des CV et de réduire significativement l'effort de révision manuelle.