Aller au contenu
Dounia L.

Dounia L.

Master en science des données à l'ENSA Khouribga, en recherche d'un stage pré-embauche en data science

ENSA Khouribga · Bac+5Informatique Cherche un stage dès maintenant · 3 à 6 mois Mobilité : Casablanca, Rabat, Dakhla Recherche : Pré-embauche

Présentation

  • Mon master Mathématiques et Informatique pour la Science des Données à l'ENSA Khouribga (2024-2026) a orienté mon parcours vers la data science et le machine learning. Pour mon PFE, je construis un système de détection de troubles psychologiques à partir de textes en darija: corpus de 10 000 commentaires annotés, fine-tuning de DarijaBERT, CAMeLBERT et AraBERT, architecture hybride Dual-BERT à 95,5 % de précision et prototype FastAPI + React.
  • Avant cela, j'ai entraîné des modèles PyTorch de détection de polypes en imagerie médicale lors d'un stage à l'ENSA Khouribga, et monté un pipeline MLOps de détection de fraudes bancaires avec MLflow, Prefect et Docker.
  • Je vise un stage pré-embauche en data science ou data analysis, à Casablanca, Rabat ou Dakhla.

Formation

  1. Master Mathématiques et Informatique pour la Science des Données · ENSA Khouribga

    2024 – 2026

  2. Licence Génie Informatique · FST Settat

    2022 – 2023

  3. DEUST Mathématiques, Informatique et Physique · FST Settat

    2020 – 2022

Expérience

  1. PFE – Classification des troubles psychologiques en darija · ENSA Khouribga

    2026

    Construit un corpus de 10 000 commentaires annotés (web scraping, prompt engineering avec Gemini). Fine-tuné DarijaBERT, CAMeLBERT et AraBERT et proposé une architecture hybride Dual-BERT (accuracy 95,5 %). Intégré LIME pour l'explicabilité et déployé un prototype FastAPI + React.

  2. Stagiaire Data Scientist · ENSA Khouribga

    2025 – 2025

    Développé des modèles de deep learning pour la détection de polypes en coloscopie. Entraîné et optimisé les modèles avec PyTorch.

  3. Stagiaire Développeuse Full Stack · FST Settat

    2023 – 2023

    Conçu une solution PHP d'optimisation des charges horaires académiques. Intégré la gestion des départements et des emplois du temps (PHP, MySQL, JavaScript).

Projets

  1. Détection de fraudes bancaires en temps réel

    Pipeline MLOps avec monitoring continu: workflows Prefect, suivi des expériences MLflow, API FastAPI sur base MongoDB, Docker.

  2. Analyse décisionnelle Power BI

    Dashboards interactifs sur une base clientèle (segmentation, comportement, churn) avec Power Query, DAX et KPIs marketing.

  3. Cluster Big Data Docker, Hadoop et Spark

    Architecture containerisée 1 master + 3 workers sous Docker Swarm pour le traitement distribué de données massives.