Oussama C.
Étudiant en Master d'IA embarquée à la FSA d'Aït Melloul, en recherche de stage PFE
Présentation
En première année du Master Embedded AI à la Faculté des Sciences Appliquées d'Aït Melloul, je m'intéresse à la conception de systèmes intelligents embarqués, entre intelligence artificielle, microcontrôleurs et optimisation des ressources.
En août 2025, mon stage chez DeepLeaf m'a fait travailler sur des systèmes embarqués pour drones et sur la détection des maladies des plantes (circuits, SLAM, IA, impression 3D). À l'école, j'ai conçu un système de classification de fruits et légumes sur ESP32-CAM avec TinyML, entraîné nnUNet pour segmenter des tumeurs cérébrales sur des IRM, et développé une application Android de gestion médicale en Java.
Je cherche un stage PFE de 3 à 6 mois, dès maintenant, avec une mobilité sur de nombreuses villes du Maroc, de Casablanca à Nador.
Formation
Master · Faculté des Sciences Appliquées, Aït Melloul
2024
Licence · Faculté des Sciences, Agadir
2021 – 2024
Expérience
Stagiaire en Systèmes Intelligents Embarqués · DeepLeaf
08/2025 – 08/2025
Découvrir et mettre en œuvre des systèmes intelligents embarqués pour drones. Travailler sur des solutions de détection des maladies des plantes (circuits, SLAM, IA et impression 3D).
Projets
Deep Reinforcement Learning Snake Game
Implémentation des algorithmes A2C et DQN en Python pour entraîner un agent IA à jouer à Snake.
Brain Tumor Segmentation with nnUNet
Entraînement de nnUNet sur des données IRM prétraitées pour la segmentation 3D de tumeurs cérébrales.
ESP32-Based Fruit/Vegetable Classification
Système d'IA embarquée pour classer des images de fruits et légumes avec ESP32-CAM et TinyML.
PCB Design & Transistor-Level Gate Implementation
Création de portes logiques à partir de transistors et prototypage de PCB avec Proteus et soudure.
Medical Management Android App
Application de gestion médicale patient-docteur (Java, Android Studio, SQLite): rendez-vous, dossiers médicaux, suivi des prescriptions.
Certifications
Supervised Learning (Machine Learning et algorithmes d'apprentissage supervisé) · Coursera