Aymen Hedhli

Projet : Migration et Modernisation du Système OSIRIS pour SFR France. Le projet de refonte de l'application OSIRIS vise à moderniser et optimiser l'ensemble de la plateforme afin de répondre aux besoins actuels et futurs de SFR et de ses partenaires. Rôles : ● Analyse de l’ancienne base de données MySQL (382 tables) et conception d’une nouvelle architecture relationnelle PostgreSQL ● Développement de pipelines de migration (ETL) avec Python, Spark et Dask ● Migration automatisée des données via des scripts Python et outils de traitement distribué ● Entraînement d’un Modèle d'Object Detection avec YOLO ● MLOps : mise en place de pipelines de validation des données, intégration continue via Git et supervision des performances (loggers, alerting) ● Développement d’un agent LLM avec LangChain pour assister les techniciens durant les interventions terrain (FAQ intelligente, résumé de procédures, génération de réponses techniques) ● Fine-tuning de modèles LLaMA 2 et Mistral 7B sur un corpus métier de plus de 500 000 tickets d’intervention (textes semi-structurés), avec supervision métier pour valider les résultats. ● Collaboration étroite avec l’équipe métier (PM, support technique) pour co-construire les prompts, ajuster les réponses aux cas d’usage terrain (itérations hebdomadaires). ● Intégration MLOps de l’agent via MLflow, gestion des versions, suivi des performances et déploiement contrôlé ● Sécurisation des données sensibles via chiffrement Fernet (symétrique) avant stockage ● Intégration Git + CI/CD (tests automatisés + déploiement staging/production) ● Monitoring des erreurs et des performances. ● Création de dashboards interactifs avec Tableau Software pour le suivi des KPIs post-migration Technologies utilisées :Python, LangChain, LLaMA2, Mistral 7B, FAISS, Pinecone, MLflow, PostgreSQL, Spark, Dask, FastAPI, Git, GitLab CI/CD, Tableau Software

Projet : Développement et déploiement d'un système de reconnaissance et extraction des informations à partir des documents (des cartes d'identité nationales tunisiennes, document RNE, Permis de conduite, constat d’assurance…). Rôles : ● Entraînement d’un modèle YOLOv5 pour la détection précise des plaques minéralogiques tunisiennes à partir d'images ● Développement d’un pipeline de traitement intégrant OpenCV, détection, redressement géométrique, et normalisation des plaques ● Intégration d’un modèle OCR classique (Tesseract) combiné avec un LLM fine-tuné sur Vertex AI (Qwen et GPT-3.5 turbo via API) pour le post-traitement OCR contextuel de documents officiels tunisiens. ● Proof-of-Concept avec Mistral + LangChain + Pinecone pour améliorer la robustesse en extraction d’entités nommées sur documents semi-structurés (contrats RNE et permis). ● Collaboration active avec le pôle métier (juristes et responsables documentaires) pour d’interprétation. identifier les erreurs critiques ● Pipeline full production (tests, déploiement, monitoring) via GitLab CI et GCP Cloud Run. Taux de succès OCR analysé sur un volume de 300 000 documents PDF. ● Mise en place de monitoring des erreurs OCR et taux de réussite (Prometheus + Grafana) Environnement technique: Python, YOLOv5, OpenCV, Tesseract, FastAPI, GCP (Vertex AI, Cloud Run, Monitoring), Git, GitLab CI, GenAI (LLM-based OCR correction), Prompt Engineering, Prometheus

Projet : Analyse des transactions des clients bancaires (banque nationale du Canada). Rôles : • Collecte & ingestion de données hétérogènes (PDF, CSV, Web scraping) via pipelines de traitement automatisés avec Apache NiFi et Logstash. • Prétraitement et transformation des données massives avec Python et Apache Spark, standardisation et normalisation des jeux de données transactionnels. • Indexation des contrats bancaires PDF dans Elasticsearch, facilitant la recherche rapide et le filtrage contextuel. • Implémentation d’un système de résumés automatiques intelligents de rapports financiers (plus de 2 To de PDF analysés), basé sur BERT et T5 fine-tunés sur un corpus bancaire spécifique (rapports trimestriels, documents comptables, analyses internes). • Construction de pipelines AI-ready : parsing + nettoyage + vectorisation + classification + résumé. Intégration de tâches de segmentation sémantique et de reconnaissance d'entités nommées. • Collaboration directe avec les équipes Finance et Conformité pour aligner les résultats aux besoins métiers (ateliers hebdo de validation + tests utilisateurs sur dashboards Power BI). • Résultats intégrés dans un graphe de connaissance sous Neo4j pour exploration visuelle. • Construction d’un graphe bancaire avec Neo4j pour modéliser les relations entre entités (clients, comptes, opérations) et détecter des patterns de fraude. Environnement technique : Python, Spark, Power BI, ElasticSearch, Neo4j, Logstach, Power Bi

Projet : L’objectif de ce projet est de créer un analyseur automatique des candidatures et la mise en place d’un système de recommandation des CVs. Rôles : • Parsing de CV (PDF, WORD). • Extraction des informations nécessaires (compétences, formation, expérience...). • Exploration des informations. • Segmentation des candidatures (clustering). • Intégrer le pipeline d’analyse et de recommandation dans une application web (Django). • Visualisation des KPI avec Power Bi Environnement technique : Python, Sql server,Power Bi Projet : Analyse des réclamations clients (text mining) et création d’un modèle prédictif du churn des clients mobiles. Rôles : • Scraping data using beautifulsoup4 and facebook-scraper.. • Cleaning data using NLTK, TEXTBlob and Spacy. • Advance Text Processing (N-grams,TF-IDF, Bag of Words, Sentiment Analysis) using gensim and sklearn • Topic Modeling using Latent Dirichlet Allocation (LDA). • Classifier les valeurs de sentiments des clients par rapport plusieurs axes. • Création des dashboard pour visualiser tous les problèmes dans les différents services. • Création des modèles prédictifs afin de détecter les clients susceptibles d’annuler leurs abonnements. • Déploiement de l’application de prédiction en une application web. Environnement technique : Python, NLP, Django, Power BI

Projet de fin d'étude (Conception et mise en place d'un système décisionnel relatif à la gestion des ressources humaines de L’ETAP)