Aller au contenu
Hamza D.

Hamza D.

Élève ingénieur en 2e année Génie électrique à l'ENSA Agadir, en recherche de stage PFE en systèmes embarqués

ENSA Agadir · Bac+4Génie électrique Cherche un stage dès maintenant · 1 à 3 mois Mobilité : Casablanca, Rabat, Tanger, Agadir, Kénitra Recherche : Stage PFE

Présentation

Je suis élève ingénieur en 2e année de Génie électrique, spécialité Systèmes embarqués intelligents et Test/Validation, à l'ENSA d'Agadir. Je travaille en C/C++ embarqué sur STM32, en conception FPGA/VHDL sous Quartus, et en tests MIL/SIL avec génération de code automatique sous MATLAB/Simulink.

J'ai développé un projet de classification d'images en temps réel: un modèle CNN entraîné sous TensorFlow/Keras, converti en TensorFlow Lite et déployé sur Raspberry Pi avec Python/OpenCV. J'ai aussi fait un stage de 2 mois chez REDAL (Veolia Environnement) à Rabat, sur l'étude d'installations électriques et la supervision de la maintenance.

Je cherche un stage technique de 2 mois en développement et validation de systèmes embarqués (aéronautique, automobile, systèmes industriels), disponible immédiatement et mobile dans tout le Maroc.

Formation

  1. Cycle ingénieur Génie électrique, Systèmes embarqués intelligents et Test/Validation · ENSA Agadir

    2024 – 2026

  2. DUT Génie électrique et informatique industrielle · École Supérieure de Technologie de Salé

    2022 – 2024

  3. Baccalauréat Sciences et technologies électriques · Lycée Al Farabi, Salé

    2021 – 2022

Expérience

  1. Stagiaire technique · REDAL (Veolia Environnement)

    2023 – 2024

    Étudier l'installation électrique d'un ensemble immobilier et analyser les schémas. Superviser la maintenance. Rédiger des rapports techniques.

  2. Stagiaire d'initiation · BELECT

    2022 – 2023

    Assister aux opérations de maintenance sur équipements industriels. Découvrir les processus de vérification et de sécurité.

Projets

  1. Classification d'images embarquée sur Raspberry Pi

    Entraînement d'un modèle CNN (TensorFlow/Keras), conversion en TensorFlow Lite. Déploiement pour inférence temps réel avec Python/OpenCV.

  2. Tests MIL/SIL et génération de code sous Simulink

    Modélisation d'un système de commande embarquée et génération de code C automatique. Validation croisée entre modèle et code généré.

  3. Onduleur multi-niveaux, simulation et validation

    Conception et simulation sous MATLAB/Simulink, stratégies MLI. Analyse harmonique et validation par tests comparatifs.