Aller au contenu
Safouane C.

Safouane C.

Élève ingénieur en informatique à l'AIAC, spécialisé data science et IA, en recherche d'un PFE en IA, ML ou data

AIAC · Bac+4Informatique Cherche un stage dès maintenant · 3 à 6 mois Mobilité : Casablanca, Rabat Recherche : Stage PFE

Présentation

Élève ingénieur à l'Académie Internationale Mohammed VI de l'Aviation Civile après deux ans de classes préparatoires MPSI/MP, je me spécialise en data science et en intelligence artificielle. Chez Akilek Consulting (été 2025), j'ai développé TaskMate-AI, une application mobile de gestion de tâches: l'API OpenAI analyse le langage naturel pour créer les tâches automatiquement (Flutter, Node.js, PostgreSQL, Supabase). Au stage à la CNSS (été 2024), j'ai conçu une plateforme Flask qui automatise l'importation de fichiers Excel, soit 80 % de saisie manuelle en moins et 20 heures gagnées par semaine.

Sur le plan académique, j'ai construit un réseau de neurones avec PyTorch pour classer 70 000 images Fashion-MNIST, et un système RAG local (LangChain, Ollama, ChromaDB) pour interroger des documents PDF. J'ai remporté le premier prix du concours de codage inter-écoles Attijari Wafabank (2024) et animé des ateliers IA/ML au Club IT de l'AIAC.

Je cherche un stage PFE en IA, machine learning ou data, à Casablanca ou Rabat.

Formation

  1. Cycle ingénieur en informatique · Académie Internationale Mohammed VI de l'Aviation Civile (AIAC)

    2023 – 2026

  2. Classes préparatoires MPSI/MP · Lycée Technique Mohammedia

    2021 – 2023

Expérience

  1. Stagiaire développeur full stack et IA · Akilek Consulting

    07/2025 – 09/2025

    Développé TaskMate-AI, application mobile de gestion de tâches intelligente. Intégré l'API OpenAI pour créer automatiquement des tâches à partir du langage naturel. Technologies: Flutter, Node.js, PostgreSQL, Supabase, OneSignal.

  2. Stagiaire ingénieur logiciel · CNSS

    07/2024 – 08/2024

    Conçu et développé une plateforme web d'automatisation de l'importation de fichiers Excel. Réduit la saisie manuelle de 80 %, soit 20 heures économisées par semaine. Technologies: Python/Flask, HTML, Bootstrap.

Projets

  1. Classificateur de vêtements par deep learning

    Réseau de neurones développé from scratch avec PyTorch pour classer 10 catégories de vêtements sur 70 000 images Fashion-MNIST.

  2. Système RAG local de question-réponse documentaire

    Interrogation de documents PDF via une API REST: Python, Flask, LangChain, Ollama (Mistral), ChromaDB.

Certifications

  1. Fundamentals of Deep Learning · Nvidia

    2024

  2. CCNAv7 · Cisco Networking Academy

    2024

  3. AWS Academy Machine Learning Foundations · AWS

  4. AWS Academy Cloud Foundations · AWS