Aller au contenu
Aymane E.

Aymane E.

Étudiant en Master Machine Learning et IA à la FS Tétouan, en recherche d'un stage PFE en data science

FS Tétouan · Bac+5Informatique Cherche un stage du 1 févr. 2027 · 3 à 6 mois Mobilité : Casablanca, Tétouan Recherche : Stage PFE

Présentation

Je prépare un Master d'Excellence en Machine Learning et Intelligence Artificielle à la Faculté des sciences de Tétouan. J'ai effectué un stage de développeur machine learning chez Alf Sahel: modèle prédictif de l'état des entrepôts (stocks et capacité) et application RAG pour automatiser les workflows logistiques.

Côté projets, j'ai déployé un pipeline ML complet de prédiction de prix immobiliers (XGBoost, FastAPI, Docker, AWS, GitHub Actions) et mené une détection de fraude bancaire avec LightGBM (ROC-AUC de 0,94) ainsi qu'un modèle de vision par ordinateur à 93 % d'accuracy.

Je cherche un stage PFE en machine learning et IA, disponible à partir du 1er février 2027, à Casablanca ou Tétouan.

Formation

  1. Master d'Excellence en Machine Learning et Intelligence Artificielle · Faculté des sciences Abdelmalek Essaâdi, Tétouan

    2025

  2. Licence d'Excellence en Machine Learning et Intelligence Artificielle · Faculté des sciences Abdelmalek Essaâdi, Tétouan

    2024 – 2025

  3. Diplôme en développement digital, option Full Stack · ISTA NTIC Béni Mellal

    2022 – 2024

  4. CPGE MPSI · Classes préparatoires, Béni Mellal

    2019 – 2022

Expérience

  1. Stagiaire développeur Machine Learning · Alf Sahel

    08/2025 – 09/2025

    Développer un modèle prédictif de machine learning pour prévoir l'état des entrepôts (stocks et capacité). Concevoir une application RAG pour exploiter les données prévisionnelles et automatiser les workflows de gestion logistique.

  2. Stagiaire développeur web · Cour d'appel

    03/2024 – 04/2024

    Concevoir une application de gestion du courrier physique avec Laravel, TailwindCSS et MySQL. Analyser les besoins métier pour optimiser le traitement du courrier.

Projets

  1. Prédiction des prix immobiliers: pipeline ML de bout en bout

    Pipeline complet (XGBoost, Optuna, MLflow), API FastAPI et dashboard Streamlit, conteneurisés avec Docker et déployés sur AWS (ECS Fargate, S3) via GitHub Actions.

  2. Détection de fraude bancaire

    Pipeline LightGBM et Isolation Forest sur 590 000 transactions, PR-AUC de 0,73 et ROC-AUC de 0,94, interprétabilité avec SHAP.

  3. Détection de fruits et légumes sains ou pourris

    Modèle ResNet50V2 (transfer learning) à environ 93 % d'accuracy sur 28 classes, application React et Flask avec détection par webcam.

  4. Prédiction des maladies cardiaques

    Comparaison de XGBoost, SVM et ANN, meilleur résultat avec l'ANN (accuracy 85,86 %, précision 90 %).

Certifications

  1. Machine Learning using Python · Simplilearn

    2026

  2. Python Essentials 1 · Cisco

    2024

  3. Introduction to Cybersecurity · Cisco

    2024

  4. Computer Hardware Basics · Cisco

    2024