Aller au contenu
Abdeslam E.

Abdeslam E.

Master 2 IA embarquée à la FSA Aït Melloul, en recherche de stage PFE en data science, IA et automatisation

FSAFSA · Bac+5Informatique Cherche un stage dès maintenant · 3 à 6 mois Mobilité : Casablanca, Rabat, Marrakech, Tanger, Agadir Recherche : Stage PFE

Présentation

En Master 2 Intelligence artificielle embarquée à la Faculté des Sciences Appliquées d'Aït Melloul (Université Ibn Zohr), après une licence professionnelle en analyse de données à la FSTT de Tanger.

Durant mon PFE de licence chez Smart Automation Technologies, j'ai conçu un système de maintenance prédictive Industrie 4.0 (capteurs IoT, Random Forest, CNN), un chatbot IA avec reconnaissance vocale et un tableau de bord de supervision en temps réel. Je construis aussi des agents IA (LangGraph, LangChain, tool calling), des workflows n8n et un modèle YOLOv8 quantifié en INT8 TFLite, déployé sur Raspberry Pi.

Je recherche un stage de fin d'études (PFE), disponible immédiatement, en data science, IA et automatisation, à Casablanca, Rabat, Marrakech, Tanger ou Agadir.

Formation

  1. Master Intelligence artificielle embarquée (M2) · Faculté des Sciences Appliquées d'Aït Melloul, Université Ibn Zohr

    2025 – 2027

  2. Licence professionnelle Analyse de données · Faculté des Sciences et Techniques de Tanger

    2024 – 2025

  3. DUT Sciences et techniques · Faculté des Sciences et Techniques de Tanger

    2023

Expérience

  1. Stagiaire de fin d'études (PFE) · Smart Automation Technologies (SAT)

    04/2025 – 06/2025

    Conçu et déployé un système de maintenance prédictive Industrie 4.0 (capteurs IoT, machine learning, deep learning). Modélisé les flux de capteurs avec Random Forest et CNN pour anticiper les pannes. Développé un chatbot IA (reconnaissance vocale, synthèse de documents, rapports automatiques) et un tableau de bord temps réel avec alertes.

Projets

  1. AI Agent & Automation Harness

    Système autonome d'analyse visuelle et d'agents IA: détection, identification et suivi multi-visages, anti-spoofing, moteur d'événements, politiques d'exécution et approbation humaine (en cours).

  2. Déploiement Edge AI de détection de dégradations routières

    Modèle YOLOv8 entraîné sur 4 classes, quantifié en INT8 TFLite (compression d'environ 3,9x) pour Raspberry Pi et STM32.

  3. Plateforme d'automatisation et qualification de leads

    Pipeline de données (Node.js, Laravel, PostgreSQL), agent IA d'enrichissement et assistant Text-to-SQL avec interface React/TypeScript.