[nom]

Développeur Python IA – Ingénieur d’État en Big Data & IA

Maroc | [téléphone] | [e-mail]

[lien] | [lien]

Profil

Ingénieur d’État diplômé en Big Data & IA (ENSA Tétouan), passionné par le Machine Learning appliqué et l’ingénierie de la donnée.

Fort d’expériences en entreprise et de projets complets (Vision par ordinateur, RAG, pipelines de données sur Azure, MLOps avec Docker et CI/CD), j’allie rigueur technique et apprentissage rapide pour concevoir des solutions IA fiables et performantes.

Formation

Cycle Ingénieur en Big Data et IA · 2023 – 2026

École Nationale des Sciences Appliquées de Tétouan – Spécialisation Big Data & IA

Cycle Préparatoire · 2021 – 2023

École Nationale des Sciences Appliquées de Tétouan – Classes préparatoires intégrées

Baccalauréat Sciences Mathématiques (Option B) · 2021

Lycée Charif Idrissi, Tétouan

Expérience

Data Scientist & AI Engineer – DEEPKAT LLC · Août 2026 – Présent

Data Science & AI Engineering

• Développement et amélioration de la plateforme [lien].

Projet de Fin d’Études (PFE) – DEEPKAT LLC · Janvier – Juillet 2026 (6 mois)

Data Science & AI Engineering Intern

• Phase de recherche : revue de littérature sur l’estimation de profondeur d’inondation et la vision par ordinateur appliquée à l’analyse structurelle des bâtiments.
• Application 1 – Cartographie de la propagation des crues : framework combinant données altimétriques (DEM) et géospatiales (GEE) avec modèles de Deep Learning ; Multi-Task U-Net (F1 = 0.69, RMSE = 0.84) et PINNs (Physics-Informed Neural Networks, F1 = 0.74, RMSE = 1.09).
• Application 2 – Pipeline d’analyse multi-risques des bâtiments : évaluation de la vulnérabilité (inondation, feu, séisme, cyclone) sur imagerie 2D/3D (Google Solar API, Street View) via segmentation (SAM), estimation de profondeur (DA3) et VLMs (OpenAI).
• Technologies : Python, PyTorch, Google Earth Engine, SAM, DA3, PINNs, OpenCV, Rasterio, Django, Docker.

Stagiaire en ML Engineering – ENSATé · Juin – Septembre 2025 (3 mois)

École Nationale des Sciences Appliquées de Tétouan, Tétouan

• Conception et modélisation d’un jumeau numérique pour un système de distribution d’eau, en intégrant des modèles de ML (LSTM, XGBoost, LightGBM, GRU, Random Forest) pour la détection de fuites et la prévision de la demande ; dashboards Grafana.
• Technologies : TensorFlow, NumPy, Pandas, Grafana.

Stagiaire en AI Engineering – Nature Dispatch · Juillet – Août 2025 (1 mois)

Nature Dispatch

• Automatisation du suivi des KPI avec extraction automatique des BOL (Bill of Lading) ; conception de workflows pour la collecte automatisée de données (carburant, péages).
• Technologies : n8n, JavaScript.

Projets

Pipeline MLOps End-to-End – Classification de Pneumonie · Projet d’ingénierie

• Entraînement et benchmark de classifieurs DenseNet et ResNet sur radiographies thoraciques (précision 76.9%, rappel 92.9%, F1 0.854) ; tracking d’expériences avec MLflow et versionnement de données avec DVC pour une reproductibilité complète.
• Déploiement d’une API d’inférence FastAPI derrière un reverse proxy NGINX sur Kubernetes (Docker), monitoring temps réel (Prometheus, Grafana) et automatisation CI/CD via GitHub Actions.
• Technologies : Python, PyTorch, Scikit-learn, MLflow, DVC, FastAPI, Docker, Kubernetes, Prometheus, Grafana, GitHub Actions, NGINX.

Pipeline BI Crypto sur Azure – Analyse du marché des cryptomonnaies · Projet académique

• Pipeline automatisé : Azure Function (toutes les 5 min) récupérant les données de l’API CoinMarketCap, stockage brut sur Azure Blob Storage, transformation avec Apache NiFi et chargement dans Microsoft SQL Server.
• Résultat : dashboard Power BI quasi temps réel pour le suivi des tendances du marché.

Chicillo – Chatbot pour la recommandation d’idées de recyclage · Hackathon MoroccoAI

• Développement d’un assistant conversationnel de sensibilisation à l’écologie : système RAG combinant Transformers et Gemini.
• Intégration de ChromaDB pour le stockage des embeddings et la recherche sémantique.
• Résultat : ChatApp interactive déployée avec Streamlit.

AtlasPass – Plateforme de péage intelligente pour le réseau autoroutier marocain · Projet académique

• Développement de 3 modèles YOLO pour la détection du type de véhicule, des plaques et des caractères.
• Amélioration des images de plaques pour la reconnaissance des caractères : Canny, Hough, K-means, binarisation et ESRGAN.
• Comparaison de 3 solutions pour la reconnaissance de caractères : YOLO, VLM (Qari-OCR), EasyOCR.
• Résultat : péage automatisé basé sur la détection des plaques.

Compétences Techniques

• Python & Langages : Python, SQL, C, JavaScript, • Azure & Cloud : Azure (Functions, Blob Storage), GCP HTML/CSS · (Cloud Run)
• Machine Learning & Deep Learning : PyTorch, Tensor- • Git, CI/CD & MLOps : Git, GitHub Actions, MLflow, Flow, Scikit-learn · DVC, Docker, Kubernetes
• Computer Vision : OpenCV, Ultralytics, Pillow · • Monitoring : Prometheus, Grafana
• NLP & GenAI : LangChain, SmolAgents, Hugging Face, • Web & APIs : FastAPI, Flask, Django, Streamlit, NGINX, OpenAI, Gemini, RAG, n8n · React.js
• Traitement de Données : PySpark, Airflow, NiFi, Kafka, • Bases de Données : PostgreSQL, MongoDB, ChromaDB, NumPy, Pandas, Spacy, Rasterio · SQL Server
• Visualisation & BI : Matplotlib, Seaborn, Power BI, Excel Langues : Arabe (maternelle), Français (B2), Anglais (langue de formation), Espagnol (B1) Soft Skills : Leadership, Communication, Résolution de problèmes, Esprit d’équipe, Gestion de projet Engagement : Team Leader – AI Geeks (assistant musical IA) | Membre Actif – Club d’Échecs ENSATé Certifications : MLOps Fundamentals (DataCamp), Big Data PySpark (DataCamp), Azure, Intro to LLMs, AI Agent (HF)