Hafsa Eddigue

Jeune diplômée – Ingénieure Grenoble INP – Phelma | Signal & Image Processing | Artificial Intelligence & Data Science

Salaire / Taux journalier

Grenoble, France

Freelance, ouvert au CDI

Expertises

Machine LearningData SciencePythonPyTorchDeep LearningData AnalysisMATLAB

Langues

Arabe (Maternelle)Anglais (Courant)

À propos

Introduction

Jeune diplômée de Grenoble INP – Phelma, spécialisée en traitement des données et Intelligence Artificielle. Passionnée par l’IA appliquée au monde réel, j’aime concevoir des solutions innovantes qui transforment les données et signaux complexes en informations exploitables. Mes projets académiques et mes expériences industrielles m’ont permis de développer une solide expertise en analyse de données, apprentissage automatique et modélisation prédictive, avec une approche rigoureuse et orientée résultats.

Liens

Expérience de travail

Ingénieur recherche/développement (traitement des données et IA)

TDK InvenSense France

févr. 2025 - août 2025

7 mois

Grenoble, France

Stage de fin d'études — Conception d’un stéthoscope électronique utilisant des capteurs MEMS pour le traitement et l’analyse des signaux physiologiques: -Prétraitement des signaux : traitement des signaux phonocardiogrammes (PCG) et seismocardiogrammes (SCG) pour éliminer le bruit de fond et améliorer la qualité du signal, en utilisant le débruitage par ondelettes (wavelet denoising). -Segmentation des signaux : développement de méthodes pour segmenter ces signaux en unités temporelles pertinentes pour l'analyse des données physiologiques. -Extraction de caractéristiques : extraction de caractéristiques pertinentes des signaux PCG et SCG, telles que la fréquence cardiaque, la durée des intervalles et les anomalies de respiration. -Classification des signaux : développement d'un modèle de classification des signaux en "normaux" et "anormaux" à l'aide de techniques de machine learning. -Intégration des capteurs : intégration mécanique des capteurs MEMS pour collecter des données physiologiques dans des conditions réelles et garantir la précision des mesures. -Développement d'application en temps réel : création d'une application en temps réel pour démontrer les fonctionnalités de traitement, de segmentation et de classification des signaux physiologiques. -Analyse des données : constitution et annotation de bases de données de signaux physiologiques pour l'entraînement et l'évaluation des algorithmes de classification.

Ingénieur recherche (traitement des données et IA)

TIMC Lab

juin 2024 - août 2024

3 mois

Grenoble, France

Optimisation du débruitage du signal PCGa à partir de microphone et capteur PCG : amélioration de la méthode Template Subtraction pour isoler le signal cardiaque fœtal en réduisant les interférences du signal maternel. Utilisation du machine learning pour ajuster les paramètres : application de la Cross-Validation pour optimiser les paramètres de l’algorithme de débruitage. Application de l'algorithme LMS : test d’une méthode de filtrage adaptatif pour réduire le bruit dans les signaux PCGa. Intégration de la décomposition en ondelettes : ajout d'un traitement par ondelettes pour renforcer la qualité du débruitage des signaux phonocardiogrammes fœtaux.

Assistant réceptionniste

Etamoprim

juil. 2023 - juil. 2023

1 mois

10046 Marocchi, Turin, Italie

Assistante d'accueil dans une entreprise de promotion immobilière et de développement de projets de construction.


Formation

Grenoble INP - Phelma

2022 - 2025

4 ans

Lycée Mohammed VI d'Excellence

2020 - 2022

3 ans

Le meilleur endroit pour trouver votre prochaine opportunité

© 2026. Tous droits réservés.