Fahd E.
Master 2 Science des données et IA à l'ENSA El Jadida, en recherche de stage PFE en data science
Présentation
Je termine un Master en Science des Données et Intelligence Artificielle à l'ENSA d'El Jadida (2024-2026), après un DUT en Génie Informatique et une licence professionnelle en Systèmes d'Information et Réseaux à l'EST Safi.
J'ai conçu une solution d'IA multimodale pour l'e-learning qui classe les émotions à partir de l'audio et de la vidéo (RNN, CNN), puis monté un pipeline de détection de menaces en temps réel avec Kafka, Spark Streaming, InfluxDB et Grafana. J'ai aussi travaillé sur la détection d'équipements de protection avec YOLOv8 et sur la prévision de consommation énergétique (SARIMAX, XGBoost). Mes stages en développement full-stack PHP m'ont donné une base solide côté applications.
Je cherche un stage PFE en data science ou en intelligence artificielle, disponible immédiatement, à Casablanca ou dans une des villes où je peux me déplacer: Rabat, Marrakech, El Jadida, Safi.
Formation
Master en Science des Données et Intelligence Artificielle · École Nationale des Sciences Appliquées d'El Jadida
2024 – 2026
Licence professionnelle en Systèmes d'Information et Réseaux · École Supérieure de Technologie de Safi
DUT en Génie Informatique · École Supérieure de Technologie de Safi
Expérience
Stagiaire IA / Développeur Full Stack
04/2024 – 06/2024
Ingénierie d'une solution d'IA multimodale pour l'e-learning. Classification d'émotions audio-visuelle avec des réseaux RNN et CNN.
Stagiaire Développeur Full Stack
04/2023 – 06/2023
Implémentation d'une plateforme PHP de suivi clinique. Gestion des prescriptions, des bilans biologiques et des consultations.
Projets
Reconnaissance multimodale des émotions pour l'e-learning
Classification d'émotions audio-visuelles avec descripteurs MFCC et embeddings faciaux. Déploiement via Flask.
Détection de menaces cybersécurité en temps réel
Classification multi-classe en streaming avec Kafka et Spark Streaming. Monitoring en direct avec InfluxDB et Grafana.
Détection d'EPI en temps réel avec YOLOv8
Amélioration du contraste, repondération des classes et mise à l'échelle de la résolution pour l'inférence industrielle.
Prévision de consommation énergétique
Séries temporelles horaires avec SARIMAX et différenciation saisonnière. Modélisation hybride des résidus avec XGBoost.
Reconnaissance d'entités nommées pour recettes (NLP)
Embeddings Word2Vec personnalisés pour extraire les ingrédients de façon structurée, avec interface d'inférence.