Alberic HOUNGNON

As part of the SOIPA project, I led the design and implementation of an AI-powered orientation system that predicts whether learners are more suited for employability or entrepreneurship based on psychometric responses. Main responsibilities and achievements: Built and trained a machine learning model (Random Forest) to classify professional orientation using a custom dataset of over 1000 synthetic learner profiles. Developed a Flask API to serve the model and handle user predictions securely and efficiently. Created an interactive frontend interface with React to collect user data and display results dynamically. Integrated Google Gemini API to deliver personalized coaching messages based on dominant traits. Ensured full pipeline coverage: data preprocessing, scoring, model validation (cross-validation), deployment and monitoring. Wrote the full technical documentation and designed an architecture for future scaling (database, authentication, analytics).

Implementation of a Large Language Model (LLM) for text generation and multi-label classification of word sequences to qualify customer complaints.

Exploiter les données pour optimiser la prise de décision stratégique. je conçois des tableaux de bord interactifs et effectue des analyses de performance a l'aide de power BI et SQL SERVER. j'automatise également des processus pour améliorer l'efficacité opérationnelle et participe à l'intégration des solutions d'intelligence artificielle.

Mon rôle principal est d’exploiter les données p pour optimiser la prise de décision stratégique. Je conçois des tableaux de bord interactifs et effectue des analyses de performance à l'aide de Power BI et SQL Server. J'automatise également des processus pour améliorer l'efficacité opérationnelle.