Mourad MILED

• Pipeline RAG de bout en bout (ingestion, vectorisation, recherche hybride, reranking) pour interroger des documentations de fonds dinvestissement de plusieurs centaines de pages • Plateforme RAG interne (low-code, type n8n) : co-définition de la roadmap et développement de composants mutualisés entre projets • Parsing de PDF complexes avec tableaux et extraction dinformations structurées • Workflows agentiques avec LangGraph et tool calling • Évaluation : jeux de référence, métriques de retrieval, LLM-as-judge, RAGAS ; suivi Langfuse et MLflow • Garde-fous contre linjection de prompt, prise en compte de lOWASP Top 10 LLM et de lAI Act

Chef de projet Data Scientist NLP Responsable de projets NLP de bout en bout (prototypage, déploiement) : • Clustering de textes et identification automatique de thèmes • Construction de moteurs de règles basés sur regex • Classification de documents (TF-IDF + régression logistique, fine-tuning CamemBERT) • Développement d'un moteur de recherche documentaire par similarité (sentence embeddings) • Mise en place d'un système RAG (Retrieval Augmented Generation)

En tant que consultant ASTEK, dans le département de la recherche opérationnelle d'Air-France, a été mené de bout en bout plusieurs projets de Machine Learning: • Prédiction de demande (Hadoop, C++, Python, Spark, Sickit-Learn, SparkML) • Clustering de vols et de passagers(k-means, hierarchicalclustering) • Forecast de Time series (exponential smoothing) • Estimation de la Willigness to pay (regression) • Prédiction d'annulation (Hadoop, Python, Spark, Sickit learn, SparkML) • Probabilité qu'un passager annule son vol (Random Forest) • Gradient boosting • Classification de textes (Deep learning, Hadoop, Python, Spark, Sickit learn, SparkML, TensorFlow, NLP, Réseaux de neurones) • Word2Vec • TF IDF • Modèle : Multilayer Perceptron • Data Visualization avec Spotfire, Gestion de versions avec GIT, integration avec Jenkins, Base de données SQL, Projets Agile

Data Scientist - Institut Géographique Nationale • Membre de l'équipe traitement d'image qui concevait une technologie qui permet la visualisation de données géographiques 3D en France. • Développement d'un algorithme de recalage automatique de données laser et image (Computer Vision, python, C++)