Karim Benhocine

Système de Recherche d’Expertises - Conception d’une architecture à double pipeline de recherche sémantique permettant l’identification d’experts via des requêtes en langage naturel, réduisant le temps de recherche de plusieurs heures à quelques minutes. - Construction : Enrichissement automatique d’ontologies en associant des publications à l’aide d’embeddings KNN et de RAG dans une structure arborescente personnalisée. - Utilisation : Orchestration par un agent LLM d’une recherche hybride (syntaxique + sémantique + évaluation par LLM) avec parcours arborescent dynamique. - Déploiement d’inférences locales via des modèles quantifiés (llama.cpp) avec mécanismes de sécurité en production (validation de requêtes, protection contre l’injection de prompts). - Technologies : Python, LangChain, llama.cpp, FastAPI, Docker. Autres projets : - Déploiement de modèles de machine learning pour l’assistance au diagnostic, intégrés à une application web, réduisant le temps nécessaire aux médecins pour identifier les cas médicaux pertinents. - Conception d’un système de fusion de données multi-sources (base SQL, fichiers CSV, APIs) avec extraction de mots-clés, développé en Python et déployé sous Streamlit et Docker. - Recherche sur la prédiction sismique (ArtEmis, projet financé par l’UE) : Développement d’architectures de deep learning (RNNs, autoencodeurs variationnels) pour la prédiction d’événements sismiques. - Architecture d’une infrastructure de microservices pour la visualisation de signaux ECG médicaux avec sous-applications intégrées via iframe, déployée à l’aide de Docker Compose.

- Développement des composants clés d'une application mobile de commerce électronique à l'aide de React Native et Java, améliorant ainsi la vitesse de l'application et l'expérience utilisateur. - Développement des points de terminaison backend pour la plateforme principale de commerce électronique et le tableau de bord interne à l'aide de NodeJS et ExpressJS, mise en œuvre de tests complets qui ont réduit les erreurs API. - Collaboration efficace dans un environnement de projet agile (Scrum), garantissant des livraisons dans les délais et des améliorations continues. - Conception d'un système d'extraction des indicateurs clés de performance (KPI) à partir de bases de données MongoDB et création d'un tableau de bord analytique intégré qui a réduit le temps de traitement pour les analystes commerciaux. - Fourniture d'un support technique et d'une formation aux analystes commerciaux utilisant MixPanel afin de les aider à obtenir des informations plus efficacement.

- A travaillé sur plusieurs projets liés au développement web, à l'exploration de données et à la conception de modèles d'IA - Technologies : React, Flask, Python, Scikit-Learn, TensorFlow, MatLab

- Mémoire de master (BAC+5) réalisé au Laboratoire des Méthodes de Conception des Systèmes, portant sur la génération automatique de requêtes SPARQL à partir de questions en langage naturel - Résumé : état de l'art, conception, propositions alternatives et mise en œuvre du système - Publication de 2 articles scientifiques : un article de conférence (https://hal.science/hal-03565039v1) et un article de revue (https://www.tandfonline.com/doi/full/10.1080/1206212X.2022.2031722) - Technologies : Python, Flask, VueJS, NLTK, Spacy, OWL Ready 2, SPARQL