[nom]

Data scientist | AI engineer

[e-mail] | [téléphone]

PROFIL

Ingénieure en informatique spécialisée en Machine learning et IA générative. Expérience en développement de pipelines ML, systèmes RAG et intégration d’APIs d’IA. Compétences en Python, Deep Learning, Data engineering, Docker et GCP, avec un intérêt particulier pour le développement de solutions IA prêtes pour la production.

FORMATION

Diplôme d'ingénieur d'état en informatique · 2020 – 2025

École Marocaine des Sciences de l'Ingénieur (EMSI), Rabat

EXPÉRIENCE PROFESSIONNELLE

Ingénieure développement ERP / Backend (Stage PFE) – Arts et Métiers Rabat UM6P · Avril 2025 – Août 2025

Projet : Développement d'un module Odoo 17 pour la gestion automatisée des candidatures académiques

•​ Développement d'un module Odoo 17 intégré à LimeSurvey via l'API RemoteControl2 et des webhooks, automatisant la synchronisation des données.

•​ Développement d'un mapping dynamique pour interpréter les champs et traiter les réponses structurées, y compris les pièces jointes.

•​ Conception d'un workflow automatisé de validation des candidatures intégrant un pipeline métier, des transitions conditionnelles, des statuts personnalisés et une interface Kanban.

•​ Développement d'un plugin LimeSurvey pour sécuriser les échanges de données, gérer les erreurs, le logging et les pièces jointes.

Ingénieure IA (stage) – Ministère de l'Éducation Nationale – DSI · Juin 2024 – Septembre 2024

Projet : Développement d'un chatbot RAG (Retrieval-Augmented Generation) avec LangChain et APIs

•​ Conception et développement d'un assistant conversationnel basé sur une architecture Retrieval-Augmented Generation (RAG) avec LangChain pour orchestrer la récupération de connaissances et la génération de réponses contextuelles.

•​ Développement d'une interface Streamlit pour interagir avec l'assistant et exploiter le système RAG.

•​ Intégration de plusieurs LLM (OpenAI, Gemini et modèles Hugging Face) dans une architecture modulaire basée sur des APIs.

•​ Configuration et optimisation de ChromaDB pour l'indexation vectorielle, le paramétrage des embeddings et l'amélioration de recherche sémantique.

Ingénieure développement backend (stage) – ONEE · Août 2023 – Septembre 2023

Projet : Élaboration d'un outil de suivi opérationnel hors SAP

•​ Conception d'une architecture modulaire avec Spring Boot, améliorant la gestion des processus critiques.

•​ Optimisation de l'intégration MySQL pour renforcer la sécurité, la performance et la disponibilité des données.

•​ Développement de tableaux de bord interactifs via Plotly pour des décisions opérationnelles éclairées.

Ingénieure Modélisation des SI (stage) – ONCF · Août 2022 – Septembre 2022

Projet : Modélisation des architectures des systèmes d'information (S.I) à l'aide de Microsoft Visio

•​ Modélisation des architectures S.I et élaboration de cartographies détaillées avec MS Visio.

•​ Migration de modèles ARIS vers Microsoft Visio, pour une meilleure interopérabilité et une exploitation optimale.

PROJETS

Détection de fraudes financières par apprentissage automatique

•​ Conception d'un pipeline ML de détection de fraudes : prétraitement des données, entraînement et évaluation de modèles supervisés.

•​ Suivi et comparaison des expérimentations avec MLflow afin d'optimiser les performances du modèle (94 % de précision, 92 % de rappel).

•​ Déploiement du modèle via une API conteneurisée avec Docker sur Google Cloud Run , accompagnée d'une interface déployée sur Render pour la prédiction des fraudes.

Prédiction de la consommation énergétique (Time Series Forecasting)

•​ Conception d'un pipeline de forecasting pour la prévision de la consommation énergétique avec le prétraitement des séries temporelles, l'entraînement et l'évaluation de modèles de Machine Learning (SVR, Random Forest, Decision Tree, XGBoost) et de Deep Learning (LSTM, BiLSTM, CNN).

•​ Développement d'une architecture hybride CNN-LSTM réduisant de 18 % l'erreur quadratique moyenne (RMSE) sur les données de test.

•​ Conteneurisation avec Docker et déploiement sur Google Cloud Run, avec une interface Streamlit déployée sur Render pour visualiser les prévisions.

COMPÉTENCES TECHNIQUES

•​ Langages : Python, Java, SQL, PL/SQL, R

•​ Analyse de données : Pandas, NumPy, Matplotlib, Seaborn, Plotly

•​ Machine Learning et Deep Learning : Scikit-learn, TensorFlow/Keras, PyTorch, XGBoost, Forecasting (Time Series)

•​ Data Engineering : PySpark , ETL/ELT, APIs REST, Databricks

•​ IA et LLM : LangChain, LangGraph, RAG, ChromaDB, Pinecone, embeddings vectoriels,LangSmith,vllm, Microsoft AI, Foundry, Responsible AI

•​ Bases de données : MySQL, MongoDB, SQL Server, Snowflake

•​ Cloud, MLOps et Déploiement : GCP, Docker, Kubernetes, MLflow, Git, GitHub, GitLab, CI/CD ,Render

•​ Environnements et outils : Jupyter Notebook, Google Colab, VS Code

•​ Gestion de projet : JIRA, Confluence, Scrum, Kanban

CERTIFICATIONS

•​ Data Science model deployments and cloud computing - GCP

•​ Deep Learning specialization — DeepLearning.AI

•​ Software Engineering: Specialization Certificate

•​ Python for Everybody: Specialization Certificate - University of Michigan

LANGUES

Arabe (Maternelle) | Français (C1) | Anglais (Avancé)