Ahmed AMARNI

consultant Randstad digital --> juillet 2025 - septembre 2025 - Préprocessing, Vectorizing et traitement des languages naturels NLP ( Natural Language Processing): - scikit-learn : random forest - projet : détection de spams - Traitement automatisé et interrogations (par prompt) des documents txt csv docx pdf...etc. en passant par la : - Castomisation de l'API Rag LangChain llama2 Via le LLM Ollama. --> Juin 2025 Tasks, Théorie : - formation chez le centre Ajc-formation: Deep Learning, Réseau de Neurones et IA. Pratique: - prédiction et classification d'une image, d'une tumeur, donnée en entrée et lui attribuer une classe parmi deux catégories ( bénigne ou maline), en utilisant la technique ANN ( Artifical Nerons Network). - prédiction et classification d'une image donnée en entrée, parmi plusieurs catégories ( avions, voiture, oiseaux...) en utilisant la. technique CNN ( Convolution Nerons Network) - prédiction et classification d'une image chiffre flou, donnée en entrée et lui attribuer une classe parmi les dix chiffres 0-9 , en utilisant la technique ANN et CNN.

Consultant Randstad digital ( chez le Client Malakoff Humains )sur un projet web PHP/SQL dans le secteur des banques et assurance ( Epargne Salariale): Tasks: - Manipulation des Data Waterhouse SQL server ( ETL SSIS) - Etudes et développement PHP - Traduction de requêtes PHP/ SQL de Oracle vers SQL Server - Tests unitaires - Accompagnement du métier dans la recette et les tests fonctionnels - mise en production après validation du métier - support & maintenances

Consultant Randstad Digital. -Développement algorithmique robuste avec Python : Maîtrise et manipulation de structures de données complexes : sets, listes, tuples, chaînes de caractères, dictionnaires, etc. Utilisation de bibliothèques Python : NumPy, random, Matplotlib, Pandas, Seaborn, OpenCV, etc. -Python / Data Science / Machine Learning : Visualisation de Données, Préprocessing des données : nettoyage, normalisation,standardisation, vectorisation. Application de méthodes d’apprentissage supervisée, semi supervisée, non supervisée, automatique, (différents model de Machine Learning) : -> SVM, SVR, -> régression, -> classification, -> clustering, etc. Entraînement, test et validation de modèles avec différents algorithmes. Prédictions et prise de décision basées sur les modèles entraînés. -Plusieurs Projets Machine Learning, Pédagogiques et Professionnels. -Power BI et Reportings : Manipulation de Microsoft Power BI Desktop : requêtage (power Query Editor), modélisation (Data Model), gestion des relations (Relationships). Exploitation de données issues de sources variées : MySQL, fichiers CSV, etc.

consultant Randstad digital chez le client DSI-ENEDIS : - Référent sur 6 projet web dont une application sous Framework Zend. TASK WEB: Organisation et participation aux réunions avec le métier et mise en place des cahiers de charge. Rédaction des documentations utilisateur et technique. Intégration et déploiement des Scripts et monté des versions des déférents Outils. Utilisation la méthode Agile. Manipulation des serveurs Unix lors des déploiement applicatif ou SQL en ligne de commandes.: Définition le Cahier des charges pour répondre aux besoins. Organisation des réunions avec le chef de projet et l’owner et de plusieurs ingénieurs d’Enedis. Développement front-off : HTML / CSS, JavaScript. Développement back-off : PHP MySQL. Création et modélisation de nouvelle architecture de structure de base de données. Rédaction de la documentation fonctionnelle et technique. Apporter des solutions techniques aux demandes utilisateurs. Diagnostiquer les erreurs lors de l’utilisation des outils. Configurer des Postes des utilisateurs, leurs habilitations et les Outils. Migration applicative du code PHP 5.3--> PHP 7.4 Installation et configuration de l’instance mariadb_10.1.14 Installation et configuration de l’instance PostgreSQL 12.11 Migration applicatif et de données de cette application. TASK DBA: Migration des application web : o Migration MySQL→maria dB o Installation de PostgreSQL (depuis les binaires via ansible jusqu’à avoir la données propre PostgreSQL après leur migration depuis maria dB) o Migration de données de maria dB →PostgreSQL (en utilisant l’outil pgloader depuis son installation configuration jusqu’à la migration) TASK DEVOPS: o OS Rhel 7.3 →Rhel7.6→Rhel7.9 Développement et mise en service d’un outil de la mise en production automatique en utilisant un outil robot dédié Enedis (Couloir de MEP): A base de ansible et yml Manipulation des technologies DEVOPS suivantes : Ansible, Jenkins,Yml, Gitlab

Mise en pratique des acquis de la formation Drupal: -->En pratique (chez Randstad Digital): -Projet II : Réalisation d’un projet en utilisant premièrement les contenu node ensuite les contenus crées par des Entity qui sont elle-même générées par la console de Drupal. 1. Backoffice : →. Création de vues évènements avec les informations requises avec un lien d’action « participer » 2. module custom: → Création d’une table schéma participants à un évènement.→ création d’un formulaire participant pour adhérer ou s’inscrire à un évènement.→ Hook preprocess pour positionner le formulaire sur les vues correspondantes au node évènement..→ Traitement Ajax pour les formulaires.→ création d’un block plugin dans lequel on affiche la liste des participants à chaque évènement.→ alimentation de la base de données dans le submit du formulaire. 3. thèmes : responsive design pour le Template des node/entity évènement -Environnements techniques : Xampp (serveur linux), développement sous Windows (Putty pour switcher les OS).PHP, Mysql, Drupal8, git , composer, drush.

Jeune chercheur: Publication: « Subsequences and Factor Signatures and Kernels of Rationnal Languages» Sujet de recherche : (en résumé) ▪ Généralisation des noyaux rationnels qui mesure la similarité entre deux mots (état de l’art en 2010) à la mesure de similarité entre deux langages. ▪ Les noyaux rationnels de langages (naturels ou formel) servent comme mesure de similarité entre deux corpus ou ensembles de mots en les comparant par rapport à leurs contenu communs (mots, lettres, segment suffixes préfixes ou sous suite de lettres...etc ). ▪ Effectuer des comparaisons entre dictionnaires par exemple (le français ressemble à italien et l'allemand ressemble à l'anglais). »

Jeune chercheur Enseignant doctorant (Septembre 2010 – Septembre 2014) → Enseignant chercheur doctorant Moniteur pour les étudiants en licence: Web - j'ai assuré des TP en salle machine pour le développement HTML CSS: les étudiants sont munis d’un support de cours et un guide d'exercices en html Css qui ont suivi tout le semestre. - encadrer les étudiants pendant leur projet semestriel - prise en main linux et initiation aux différents protocoles réseaux POP SMTP FileZilla TP de programmation C - manipulation des variable, tableaux, listes, chainées, pointeurs et arbres - j'ai assuré tous les TP dans la salle machine pendant chaque semestre. - pour chaque thème abordé dans leur cours une suite d’exercice (je donne la solution à la fin du TP). - je cite quelques exercices: tri de tableau, récursivité (comme calculer le PGCD pour 2 entiers) ▪ Tour de Hanoï, parcourir un arbre de recherche binaire ou les listes chaînées ▪ Encadrer les étudiant pour leurs projets semestriels ▪ Suivi et gestion de projet.