Ghaya el mouna Bedoui

○ Collecte, nettoyage et structuration des données terrain avec mise en place de pipelines ETL ○ Mise en place d’un système RAG pour la génération automatique de rapports opérationnels et de réponses aux appels d’offres ○ Conception de modèles de machine learning pour la prédiction des durées d’intervention et l’optimisation de la planification ○ Création de dashboards Power BI et restitution des résultats aux équipes métier pour améliorer la prise de décision ▷ Résultat : réduction de plus de 60% du temps de génération des rapports grâce à l’automatisation par RAG

Projet principal : développement d’un système de Named Entity Recognition (NER) appliqué aux libellés de transactions bancaires, avec pour objectif d’améliorer l’extraction et la normalisation des entités nommées. Le projet a couvert l’ensemble du cycle de vie : de la préparation des données jusqu’à l’entraînement, l’optimisation et l’évaluation du modèle final. Missions principales : • Conception et mise en œuvre d’un pipeline complet : prétraitement des données, constitution du dataset, entraînement, fine-tuning et évaluation de modèles NLP. • Exploration des LLMs à travers le prompt engineering pour générer et enrichir les données d’entraînement. • Suivi, gestion et traçabilité des expériences avec MLflow. • Containerisation et orchestration des environnements avec Docker et Kubernetes, et utilisation de Lens pour le monitoring et l’administration des clusters. • Mise en place d’un stockage distribué avec MinIO. • Analyse et exploration des données via Metabase et Trino. • Utilisation des services du cloud Azure pour l’entraînement du modèle. Stack technique : Python (Pandas, Scikit-learn, Transformers), Hugging Face, MLflow, Docker, Kubernetes, Lens, MinIO, Metabase, Trino, Azure.

Les mathématiques ont toujours occupé une place centrale dans mon parcours académique. Cette affinité m’a permis d’intégrer une formation préparatoire en mathématiques, puis d’orienter ma carrière vers la data science, discipline fondée sur les mathématiques et l’analyse. Chez Completude, j’ai accompagné plus de 25 élèves dans leur progression, avec une approche structurée et personnalisée, aboutissant à des résultats scolaires nettement améliorés.

Durant mon stage, j'ai travaillé sur l'amélioration des processus d'impression 3D en intégrant des algorithmes d'apprentissage automatique. Mon objectif principal était d'optimiser les paramètres d'impression (température, épaisseur des couches, vitesse) afin de réduire la rugosité de surface des pièces imprimées et d'améliorer leur qualité. Pour cela, j'ai développé un système de contrôle basé sur des modèles prédictifs (réseaux de neurones et algorithmes génétiques), permettant d'ajuster automatiquement les paramètres d'impression en fonction des données collectées.

Au cours de ce stage, j'ai travaillé sur l'optimisation de la chaîne logistique dédiée à Volkswagen, avec pour objectif de minimiser le temps de traitement lié au réapprovisionnement des matériaux pour les ouvriers. J'ai mené une analyse approfondie des processus de remplissage des stocks et des flux logistiques internes, en identifiant les inefficacités et en proposant des solutions basées sur des méthodologies Lean. En parallèle, j'ai mis en place des outils de suivi des performances via des tableaux de bord interactifs, permettant d'améliorer la gestion des stocks et de réduire les interruptions dans la chaîne de production.

Durant ce projet, j'ai travaillé à l'amélioration des processus opérationnels du service cardiovasculaire en collaboration étroite avec les médecins et le personnel hospitalier. Mon objectif principal était de réduire les délais de recherche et de traitement des archives médicales. J'ai réalisé une analyse complète des processus existants, modélisé les flux d'informations et proposé des améliorations permettant d'optimiser l'accès aux dossiers patients.