Cheikh Ali Cheikh

Poste occupé en parallèle de mes études, m’ayant permis de développer une forte capacité d’organisation, de rigueur et de gestion des priorités. En charge de l’incubation et du suivi des échantillons clients via le système de gestion de laboratoire (LIMS), dans le respect strict des procédures qualité et des délais. Dénombrement de colonies bactériennes sur milieux sélectifs et différentiels : flore mésophile (PCA), Escherichia coli (TBX), Bacillus cereus (Mossel), Clostridiums (TSC), entérobactéries (VRBG). Lecture rigoureuse exigée avec un impact direct sur les analyses transmises aux clients. Travail au sein d’un environnement exigeant où l’erreur n’a pas sa place, ce qui a renforcé mon sens des responsabilités et mon attention au détail. Habitué au travail en équipe et aux rythmes soutenus, avec des renforts réguliers à temps plein en période estivale, témoignant de ma capacité d’adaptation et de la confiance accordée par ma hiérarchie.

Projet de recherche comparant GraphRAG et RAG classique sur des corpus de documents pédagogiques réels (maquettes des masters ALMA et ATAL, Nantes Université). Contrairement au RAG classique qui repose sur la similarité vectorielle, GraphRAG construit un graphe de connaissances structuré — entités, relations, communautés et résumés — permettant de répondre à des questions de type “sense-making” nécessitant une synthèse globale sur l’ensemble du corpus. Résultat : GraphRAG surpasse significativement le RAG classique sur les requêtes à portée globale, là où le RAG échoue par manque de vision d’ensemble. Ma contribution : configuration de la pipeline Microsoft GraphRAG (paramétrage des types d’entités, préparation et structuration du corpus en entrée), exécution des phases d’indexation et de requêtage avec des LLMs open source via Groq (Llama 3.3-70b) et embeddings locaux via Ollama. Encadrants : Pascal Molli, Hala Skaf-Molli, Thi Pham — LS2N, Nantes Université

- Développement d’un jeu vidéo thérapeutique sur Unity en C#, dans le cadre d’un projet de recherche clinique sur les troubles alimentaires. - Conception de mécaniques liées à la charge mentale : effets visuels et sonores (messages dépréciatifs, ralentissements, transparence) pour simuler le stress du personnage. - Programmation d’objets interactifs appelés “donuts”, influençant la charge mentale et la transparence. - Application de bonnes pratiques de codage dans l’organisation des scripts, la clarté des noms de variables, la séparation des responsabilités et la réutilisabilité du code. - Collaboration avec un psychiatre pour adapter des éléments cliniques en mécaniques de gameplay immersives.

- Un projet dans le cadre d'un apprentissage en ligne du machine learning qui fait une prédiction des prix des voitures avec l'algorithme K-Nearest Neighbors. - Utilisation de Python et des bibliothèques de machine learning (scikit-learn) pour entrainer et evaluer le modele. - Manipulation d'un jeu de données, réalisation de la normalisation des données et ajustement des hyperparamètres pour améliorer les performances. - Compétences utilisées : python, scikit-learn, KNN,

-Conception d'un système de simulation de bureau de vote en utilisant les principes de la programmation orientée objet (POO). -Gestion des électeurs, des candidats et calcul des résultats de manière automatisée. -Compétences utilisées : C++, programmation orientée objet

-Développement d'un jeu d'échecs complet avec une interface web interactive en TypeScript. -Implémentation des règles du jeu, des mouvements des pièces et du rendu dynamique de l’échiquier. -Compétences utilisées : TypeScript, HTML, CSS, Programmation web