Mariem DARGAL

– Développement d'un Agent IA pour la Souscription d'Assurance Auto, permettant l'accompagnement, les recommandations et les réponses instantanées. – Création d'un pipeline de traitement documentaire : extraction, vectorisation et indexation via MPNet et FAISS. – Fine-tuning et QA de LLMs open-source pour analyse avancée et génération de réponses (Hugging Face, PEFT LoRA). – Mise en place d'un pipeline RAG avec mémoire contextuelle, filtrage multi-domaine et prompt engineering. – Optimisation des performances via Top-K adaptatif et réduction des appels LLM non pertinents. – Développement d'un moteur de recommandation pour validation des conditions client-pack. – Conception d'une API REST Flask et d'une interface React pour centralisation et visualisation dynamique des résultats. – Analyse, prototypage et visualisation de données avec Python (Pandas, NumPy, scikit-learn, Matplotlib). Outils : Python - Hugging Face – LLMs Mistral 7B - PEFT / LORA - MPNet – FAISS - RAG – Pandas – NumPy – scikit-learn Matplotlib - Flask - React - FastAPI – REST APIs – Postman – Git – GitHub – Jira – VS Code

– Mise en place d'un pipeline automatisé de matching CV/offres pour centraliser et structurer les données. – Conception d'un workflow ETL simplifié pour extraction et structuration des données (web scraping, spaCy). – Normalisation et transformation des informations clés pour faciliter l'exploitation des datasets. – Réalisation d'analyses sémantiques et scoring de similarité via CamemBERT et mesures de cosine similarity. – Développement d'une API Flask et interface React pour centralisation et visualisation interactive des résultats. Outils : Python – Web Scraping – spaCy - CamemBERT – Pipelines NLP – Pandas – scikit-learn – Flask – React – REST APIs - Git GitHub - Jira