Abdelkarim B.
Ingénieur systèmes embarqués FST Settat (ADAS, IoT), disponible pour un stage pré-embauche
Présentation
Ingénieur en systèmes électriques et systèmes embarqués diplômé de la FST Settat (2024), je travaille sur l'embarqué automobile et l'IoT.
Pour mon PFE chez Capgemini Engineering, j'ai développé un système ADAS fondé sur la reconnaissance des émotions du conducteur: collecte et traitement de données par IA, analyse multimodale (visage, comportement, voix) et tests unitaires et d'intégration, avec Python, TensorFlow, OpenCV, MediaPipe et Raspberry Pi. J'ai aussi conçu une paire de lunettes intelligentes en réalité augmentée (Raspberry Pi Pico W, MicroPython) chez Intellcap, et réalisé des projets sur ESP32, STM32 et PIC, notamment un système d'alerte d'accident de véhicule.
Je cherche un stage pré-embauche en systèmes embarqués ou en ADAS, disponible immédiatement, à Casablanca ou dans les grandes villes du Maroc.
Formation
Cycle ingénieur Systèmes électriques et systèmes embarqués · Faculté des Sciences et Techniques de Settat
2019 – 2024
Expérience
Stagiaire ingénieur développement ADAS (PFE) · Capgemini Engineering
02/2024 – 08/2024
Développer un système ADAS basé sur la reconnaissance des émotions du conducteur. Collecter et traiter des données par IA, avec analyse multimodale (visage, comportement, voix). Valider le système par des tests unitaires et d'intégration avant le prototypage (Python, TensorFlow, MediaPipe, OpenCV, Dlib, Raspberry Pi).
Stagiaire développeur IoT (PFA) · Intellcap - IoT-Solution AR
07/2023 – 09/2023
Concevoir et développer des lunettes intelligentes en réalité augmentée. Utiliser Raspberry Pi Pico W, MicroPython, Bluetooth et Isis-Proteus.
Stagiaire technicien supérieur R&D · Bomelec Sarl
05/2022 – 06/2022
Rénover et moderniser un banc d'essais. Travailler avec AutoCAD Electrical et MATLAB Simulink.
Projets
Supervision d'installations photovoltaïques par application web
Contrôle et supervision à distance avec ESP32, serveur XAMPP et HTTP.
Système d'alerte d'accident de véhicule
Détection et alerte avec ESP32, GSM/GPS et communication UART.
Identification vocale
Reconnaissance du locuteur avec Python, TensorFlow, Keras et Raspberry Pi.
Contrôle de trajectoire d'un robot manipulateur 3 DDL
Programmation en C sur Raspberry Pi, simulation sous GAZEBO.
Certifications
Certification avancée en Linux embarqué
2024