Aller au contenu
Kaoutar M.

Kaoutar M.

Master science des données et systèmes intelligents à la FST Fès, en recherche de stage PFE en machine learning

FST Fès · Bac+5Informatique Cherche un stage dès maintenant · 3 à 6 mois Mobilité : Rabat, Salé Recherche : Stage PFE

Présentation

En master science des données et systèmes intelligents à la FST Fès, je construis des modèles de machine learning de bout en bout. Mon projet de détection de spam compare Naïve Bayes et DistilBERT, stocke les données dans Apache Cassandra et expose les prédictions via une API Flask. J'ai aussi analysé le Stroke Prediction Dataset par règles d'association et prédit des ventes e-commerce par régression et ACP.

En stage chez Artificial & Business Intelligence Soft à Fès, j'ai développé en Java Spring Boot une application de gestion de cabinet médical pour les rendez-vous et les dossiers.

Je cherche un stage PFE en data science ou machine learning, de 3 à 6 mois, à Rabat ou Salé.

Formation

  1. Master science des données et systèmes intelligents · Faculté des Sciences et Techniques de Fès

    2024 – 2026

  2. Licence sciences et techniques en génie informatique · Faculté des Sciences et Techniques de Fès

    2023 – 2024

  3. DEUST mathématiques, informatique et physique (MIP) · Faculté des Sciences et Techniques de Fès

    2021 – 2023

Expérience

  1. Développeur Java (stage) · Artificial & Business Intelligence Soft

    04/2024 – 06/2024

    Développé une application web de gestion de cabinet médical (Java, Spring Boot, MySQL, HTML/CSS/JS) pour les rendez-vous et les dossiers médicaux. Conçu les interfaces avec Spring MVC et Thymeleaf pour les professionnels de santé.

Projets

  1. Détection de spam (Python et Cassandra)

    Classification d'e-mails spam/ham avec prétraitement NLTK, spaCy et DistilBERT, comparaison Naïve Bayes et DistilBERT. Stockage distribué avec Apache Cassandra et API Flask de prédiction en temps réel.

  2. Prédiction du risque d'AVC par règles d'association

    Exploration du Stroke Prediction Dataset et extraction de règles (support, confiance, lift) en Python avec pandas, mlxtend, scikit-learn et streamlit.

  3. Prédiction des ventes e-commerce

    Préparation des données, régression et ACP pour optimiser les ventes.

  4. Prédiction du groupe sanguin à partir d'empreintes digitales

    Modèles KNN, SVM et Random Forest sur des images Kaggle, évalués par précision, rappel et F1-score.