Aller au contenu
Youssef C.

Youssef C.

Étudiant en génie logiciel à 1337 (UM6P), backend Python et IA, en recherche de stage PFE

1337 · Bac+5Informatique Disponible immédiatement Mobilité : Casablanca, Rabat, Meknès, Kénitra, Khouribga Recherche : Stage PFE · 3 à 6 mois

Présentation

Je suis étudiant en génie logiciel à 1337 (UM6P) à Khouribga, avec un diplôme en intelligence artificielle de l'ESTM Meknès. Mon cursus porte sur la programmation système en C/C++, les algorithmes, les réseaux et le développement backend.

Je développe des API avec Django et FastAPI, j'entraîne et je déploie des modèles de machine learning et j'intègre des LLM dans des applications. Sur VibeTune, plateforme musicale en équipe de 5, j'ai conçu le backend Django, l'intégration de l'API Groq et la recherche avec filtres et pagination. J'ai aussi réalisé un modèle de prédiction de désabonnement (7 000 clients IBM Telco, FastAPI et tableau de bord React, déployé avec Docker Compose) et un classifieur de sentiments basé sur un Transformer codé from scratch (84,9 % de précision sur IMDb).

Je cherche un stage PFE en développement backend ou en IA, disponible immédiatement à Casablanca, Rabat, Meknès, Kénitra ou Khouribga.

Formation

  1. Génie logiciel (cursus par projets) · 1337 Coding School (UM6P), Khouribga

    2023

  2. Diplôme en intelligence artificielle · École supérieure de technologie (ESTM), Meknès

    2021 – 2023

Projets

  1. VibeTune, plateforme musicale par IA

    Analyse d'humeur par LLM (API Groq) à partir de texte et d'images pour générer des playlists, moteur de recommandation hybride. Backend Django, équipe de 5.

  2. Plateforme de prédiction du désabonnement client

    SVM, KNN et Random Forest sur plus de 7 000 enregistrements IBM Telco, optimisés sur le F1. Backend FastAPI, tableau de bord React, Docker Compose et Nginx.

  3. Classifieur de sentiments Transformer

    Encodeur Transformer codé from scratch, 84,9 % de précision sur IMDb, exposé via FastAPI et conteneurisé avec Docker.

  4. Détection de tumeurs cérébrales par CNN

    CNN à 5 classes entraîné sur deux jeux de données IRM Kaggle (93 % de précision en validation), API Flask avec contrôle des images, interface React.