Siham E.
Élève ingénieure en IA et data science à l'EMSI, en recherche de stage PFE de 6 mois en data engineering et ML
Présentation
Je suis élève ingénieure en dernière année du cycle intelligence artificielle et data science de l'EMSI, après une licence en génie logiciel.
Mes projets couvrent le data engineering et l'IA générative: un pipeline de données de bout en bout avec extraction PDF/OCR, DOCX et XLSX, orchestration Airflow, stockage PostgreSQL et contrôle qualité avec dbt; une solution RAG avec ChromaDB et recherche hybride sémantique + BM25; un data warehouse en schéma en étoile (32 892 produits) avec tableaux de bord Power BI; une classification XGBoost de transcriptions d'appels déployée en microservices. J'ai aussi fait des stages en data analyse et IA générative (Fabrilec), et en développement web back-end (Nuxera) et full stack (N2com).
Je cherche un stage PFE de 6 mois à partir de février 2027 en data engineering, machine learning ou AI engineering, avec mobilité à Casablanca, Rabat, Marrakech, Tanger, Fès et Bouznika.
Formation
Cycle ingénieur Intelligence artificielle et Data Science (5e année) · EMSI
Licence Génie logiciel · EMSI
Expérience
Stagiaire Data Analyst et IA générative (RAG) · Fabrilec
Conçu un pipeline de données de bout en bout (extraction PDF/OCR, DOCX, XLSX, Airflow, PostgreSQL, dbt). Développé une solution RAG avec ChromaDB et recherche hybride sémantique + BM25. Mis en place l'analyse et la catégorisation automatique de documents.
Stagiaire développeuse web back-end · Nuxera
Conçu un système de gestion des employés (Laravel, MySQL) avec API REST et authentification. Automatisé des workflows internes.
Stagiaire développeuse web full stack · N2com
Développé un système e-commerce complet (Django, PostgreSQL).
Projets
Business Intelligence: data warehouse et reporting
Data warehouse en schéma en étoile (32 892 produits, SCD de type 2), pipeline ETL et tableaux de bord Power BI avec KPIs.
Optiva: classification ML de transcriptions d'appels
Ingestion, feature engineering (TF-IDF/SVD), classification XGBoost et déploiement en microservices.